IMPLEMENTASI KLASIFIKASI KEHAMILAN BERESIKO DENGAN METODE NAIVE BAYES PADA PUSKESMAS KELURAHAN MALAKA JAYA

Virginia Khoirunnisa; Sri Lestari

doi:10.35870/jimik.v4i3.396

PDF

Published: Sep 10, 2023

DOI: https://doi.org/10.35870/jimik.v4i3.396

Keywords:

Pregnancy Risk, Naive Bayes, Maternal Mortality Rate (MMR), Childbirth, Classification

AI Research Hub

Dimensions

Scientific Connections

Connected Papers

Research Visualization

Scite

Citation Insights

Google Scholar

Find Articles

Semantic Scholar

Insights and Analytics

Garuda

Indonesian Journals

Scilit

Scientific Publications

Crossref

DOI and Metadata

Article Statistics

318

Total Views

331

Total Downloads

Share Article:

Authors

Details of Authors

Virginia Khoirunnisa

Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Sri Lestari

Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Abstract

Article Summary

Pregnancy risk is classified into three categories: Low Risk Pregnancy (KRR), High Risk Pregnancy (KRT), and Very High Risk Pregnancy (KRST). Examination data recorded in the Maternal and Child Health (MCH) book at Puskesmas is used to categorize pregnancy risk. Although the maternal mortality rate has decreased, recent surveys show a significant increase. The causes include lack of counseling on obstetric and gynecological health, lack of emergency obstetric and neonatal care, and the use of ineffective traditional medicine. To overcome this problem, it is necessary to improve quality maternal health services. Efforts to accelerate the reduction of maternal mortality rate (MMR) include access to appropriate health services, postpartum care, and family planning services. Data processing uses data mining techniques with the Naïve Bayes classification method, which has high accuracy and short execution time. This study aims to develop a Naïve Bayes classification model in early detection of pregnancy risk, so that it can help diagnose pregnant women with low or high risk.

Downloads

Download data is not yet available.

How to Cite

Khoirunnisa, V., & Lestari, S. (2023). IMPLEMENTASI KLASIFIKASI KEHAMILAN BERESIKO DENGAN METODE NAIVE BAYES PADA PUSKESMAS KELURAHAN MALAKA JAYA. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 4(3), 1680-1693. https://doi.org/10.35870/jimik.v4i3.396

Issue

Vol. 4 No. 3 (2023): September

Section

Articles

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

Author Biographies

Virginia Khoirunnisa, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia

Sri Lestari, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia

References

Arifin, A. A. A., Handoko, W., & Efendi, Z. (2022). Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan. J-Com (Journal of Computer), 2(1), 21-26. DOI: https://doi.org/10.33330/j-com.v2i1.1577.

Putry, N. M. (2022). Komparasi algoritma knn dan naïve bayes untuk klasifikasi diagnosis penyakit diabetes mellitus. Evolusi: Jurnal Sains Dan Manajemen, 10(1).

Firdaus, T., & Yanti, F. (2022). IMPLEMENTASI METODE NAÏVE BAYES PADA SISTEM PAKAR DIAGNOSA PENYAKIT GIGI BERBASIS WEB. DOI: https://doi.org/10.35315/informatika.v14i2.9201.

Rizky, R. R., & Hakim, Z. H. (2020). Sistem Pakar Menentukan Penyakit Hipertensi Pada Ibu Hamil Di RSUD Adjidarmo Rangkasbitung Provinsi Banten. Jurnal Sisfokom (Sistem Informasi dan Komputer), 9(1), 30-34. DOI: https://doi.org/10.32736/sisfokom.v9i1.781.

Apriyani, H., & Kurniati, K. (2020). Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Technology Ampera, 1(3), 133-143. DOI: 10.51519/journalita.volume1.isssue3.year2020.page133-143.

Zainiyah, Z., Susanti, E., & Setiawati, I. (2021). Deteksi Dini Preeklampsi Pada Ibu Hamil Dengan Imt (Indeks Massa Tubuh), Rot (Roll Over Test) Dan Map (Mean Arteri Pressure). GEMASSIKA: Jurnal Pengabdian Kepada Masyarakat, 5(1), 22-30. DOI: https://doi.org/10.30787/gemassika.v5i1.558.

Hidayah, I. (2020). Sistem Monitoring Kondisi Kesehatan Sebelum Dan Sesudah Olahraga Menggunakan Pulse Sensor Dan Sensor Ds18b20 Dengan Metode Naive Bayes. Publikasi Tugas Akhir S-1 PSTI FT-UNRAM.

Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), 8(2). DOI: http://dx.doi.org/10.30646/tikomsin.v8i2.500.

Nurdiana, N., Rodiyansyah, S. F., & Algifari, A. (2020). Studi Komparasi Algoritma ID3 dan Algoritma Naive Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. INFOTECH journal, 6(2), 18-23.

Hidayati, N., & Utomo, V. G. (2019). Penerapan Metode Naïve Bayes Dalam Pemeriksaan Kesehatan. Jurnal Informatika Upgris, 5(2). DOI: https://doi.org/10.26877/jiu.v5i2.4313.

Mustofa, H., & Mahfudh, A. A. (2019). Klasifikasi Berita Hoax Dengan Menggunakan Metode Naive Bayes. Walisongo Journal of Information Technology, 1(1), 1-12. DOI: 10.21580/wjit.2019.1.1.3915.

Setiawati, I., & Lailiyah, S. R. (2020). DETEKSI DINI PREEKLAMSI PADA IBU HAMIL DENGAN PENIMBANGAN BERAT BADAN DAN PENGUKURAN TEKANAN DARAH. JURNAL PARADIGMA (PEMBERDAYAAN & PENGABDIAN KEPADA MASYARAKAT), 2(1), 16-27.

Ruhyana, N. (2019). Analisis Sentimen Terhadap Penerapan Sistem Plat Nomor Ganjil/Genap Pada Twitter Dengan Metode Klasifikasi Naive Bayes. IKRA-ITH Informatika: Jurnal Komputer dan Informatika, 3(1), 94-99.

Fadlan, C., Ningsih, S., & Windarto, A. P. (2018). Penerapan Metode Naïve Bayes Dalam Klasifikasi Kelayakan Keluarga Penerima Beras Rastra. J. Tek. Inform. Musirawas, 3(1), 1.

Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jurnal Data Mining Dan Sistem Informasi, 2(1), 31-37. DOI: https://doi.org/10.33365/jdmsi.v2i1.1021.

Rachman, R., Handayani, R. N., & Artikel, I. (2021). Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM. J. Inform, 8(2), 111-122.

Jefi, J., Hendri, H., Afni, N., Salim, A., & Maulana, Y. I. (2021). Penerapan Algoritma Naive Bayes Dalam Memprediksi Penyakit Lambung. JISICOM (Journal of Information System, Informatics and Computing), 5(2), 524-531. DOI: https://doi.org/10.52362/jisicom.v5i2.659.

Fadrial, Y. E. (2021). Algoritma Naive Bayes Untuk Mencari Perkiraan Waktu Studi Mahasiswa. INTECOMS: Journal of Information Technology and Computer Science, 4(1), 20-29. DOI: https://doi.org/10.31539/intecoms.v4i

Article Sidebar