Implementasi Algoritma C5.0 Dan K-Medoids Untuk Klasterisasi Ibu Hamil Beresiko Tinggi

Article Sidebar

PDF
Published: Jan 16, 2024
DOI: https://doi.org/10.22219/repositor.v2i4.30517
Keywords:
K-Medoids C5.0 Kehamilan Resiko Kematian Ibu Dan Bayi

Main Article Content

Muhammad Riadi
a:1:{s:5:"en_US";s:31:"Universitas Muhammadiyah Malang";}
Yufis Azhar
Galih Wasis Wicaksono

Abstract

Mengingat permasalahan angka kematian ibu dan balita, dan tingginya angka kehamilan beresiko tidak hanya masalah dunia kesehatan saja. Peranan Teknologi informasi yang berkembang sangat pesat dapat dijadikan soluli terhadap permasalahan kehamilan beresiko. Terlebih lagi, computer sering kali berubah fungsi untuk mengatikan pekerjaan manusia yang bersifat rutinitas maupun pengambilan keputusan. Maka untuk mengatasi kasus ini akan diterapkan dua algoritma yaitu: (a) Algoritma Decision Tree C5.0, (b) K-Medoids Clustering. Metode Commercial Version 5.0 (C5.0) untuk mengolah variabel-variabel analisa yang digunakan. Penggunaan C5.0 pada kasus ini untuk melakukan seleksi atribut sehinga menghasilakan fitur yang sangat berpengauh. Setelah melalukan seleksi fitur data yang baru akan dikelompokkan menggunakan K-Medoids untuk di analisa agar dapat dijadikan acuan untuk penanganan pada kasus ini. Penerapan kedua metode ini juga agar keputusan yang nanti diambil lebih tepat sasaran untuk mengurangi atau mengatasi masalah kehamilan ibu yang beresiko tinggi.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
M. Riadi, Y. Azhar, and G. W. Wicaksono, “Implementasi Algoritma C5.0 Dan K-Medoids Untuk Klasterisasi Ibu Hamil Beresiko Tinggi”, JR, vol. 2, no. 4, Jan. 2024.
Issue
Vol. 2 No. 4 (2020): April 2020
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

References

KementerianuKesehatan RI. SistemuKesehatan Nasional: Bentuk danucara penyelenggaraan pembangunan kesehatan. PusatuKajian Pembangunan Kesehatan. Jakarta.uDepartemen Kesehatan. 2009; p.1

Kementerian KesehatanuRI. SistemuKesehatanxxNasional:uBentuk dan caraupenyelenggaraan pembangunan kesehatan.uJakarta: Pusat KajianuPembangunan KesehatanuDepartemen Kesehatan. 2009.

PrasetyawatiuAE. Ilmu kesehatanumasyarakatuuntukxkebidanan holistiku (Integrasi community oriented ke family oriented). uYogyakarta: Nuha Medika. 2011. p.17-35.

Kementerian KesehatanuRI. Sistem KesehatanuNasional: Bentuk dan caraupenyelenggaraan pembangunanukesehatan. Jakarta: Pusat Kajian Pembangunan Kesehatan Departemen Kesehatan. 2009.

Unicef.xRingkasan kajian kesehatan ibu danxanak. 2012.u[cited 2018 Agt 28];1. Available atuhttp:// www.unicef.org/indonesia/id/A5_B_Ringkasan_ Kajian_Kesehatan_REV.pdf

Tribunnews. Bayi Lahir Saat Usia Kehamilan Kurang Dari 37 Minggu Tergolong Rumit dalam Perawatan. 2017. [cited 2018 Sep 03];1. Available athttp://www.tribunnews.com/kesehatan/2017/11/15/bayi-lahir-saat-usia-kehamilan-kurang-dari-37-minggu-tergolong-rumit-dalam-perawatan.

Viva. Penyebab Tingginya Angka Kematia Ibu dan Bayi di Indonesian. 2017. [cited 2018 Sep 03];1. Available at https://www.viva.co.id/gaya-hidup/kesehatan-intim/892600-penyebabtingginya-angka-kematian-ibu-dan-bayi-di-indonesia

HudaxLN.uHubungan status reproduksi, status kesehatan, aksesupelayanan kesehatan,udengan komplikasi obstetri di BandauSakti, uLhokseumawe tahun 2005. Jurnal Kesmas. 2007;1(6):275-81.

Rahmadewi, uHerartri R. Faktor-faktor yang berhubunganudengan kehamilan risikoutinggi. Gizi Indon. 2011; 34(2):120-8.

Nuqson Masykur Huda, 2010, “Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa”, Semarang

Mujib Ridwan, Hadi Suyono & M. Sarosa, 2013, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes Classifier”, Malang