jimik@stmiki.ac.id 081377790601 Online Submission Open
Vol. 4 No. 3 (2023) • Articles
Open Access

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

Virginia Khoirunnisa
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Sri Lestari
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Published: September 10, 2023 Pages: 1680-1693
Original Full-Text Article
Download published version for reading and archiving
Download PDF
Abstract

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.

Keywords:
Pregnancy Risk Naive Bayes Maternal Mortality Rate (MMR) Childbirth Classification
Article Metrics & Downloads Graph
Monthly Download Trends:
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

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
License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

  • Share: You are free to copy, distribute, and transmit the work in any medium or format.
  • Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
  • Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References
Total: 18 References
  1. 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.
  2. Putry, N. M. (2022). Komparasi algoritma knn dan naïve bayes untuk klasifikasi diagnosis penyakit diabetes mellitus. Evolusi: Jurnal Sains Dan Manajemen, 10(1).
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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
Similar Articles

Articles sharing related keywords and machine learning classifications:

Implementasi Algoritma Naïve Bayes dalam Memprediksi Tingkat Kelulusan Siswa pada Sertifikasi Mikrotik Certified Network Associate (MTCNA)
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.1012
Implementasi Data Mining Klasifikasi Gejala Penyakit TB Menggunakan Algoritma Naive Bayes pada Studi Kasus Puskesmas Pegangsaan Dua B
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.970
Klasifikasi Tingkat Kepuasan Masyarakat terhadap Pelayanan Pembuatan KTP Elektronik di Dinas Dukcapil Semper Barat Menggunakan Metode Naïve Bayes
Vol. 6 No. 3 (2025) • DOI: 10.63447/jimik.v6i3.1598
Penerapan Algoritma Naive Bayes dalam Sistem Analisis Sentimen Media Sosial X terhadap Film Agak Laen
Vol. 6 No. 3 (2025) • DOI: 10.63447/jimik.v6i3.1608
Klasifikasi Penyakit Migrain dengan Metode Naïve Bayes pada Dataset Kaggle
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1150
Most read articles by the same author(s)

Other papers published by author(s) in this journal:

Penerapan Data Mining Klasifikasi Tingkat Pemahaman Siswa Pada Kegiatan Belajar Mengajar dengan Metode Decision Tree (Studi Kasus SDN Malaka Jaya 11 Duren Sawit)
Dwi Lestari, Sri Lestari • Vol. 5 No. 2 (2024)
Analisis Sentimen Naturalisasi Tim Nasional Indonesia U-23 di Era Shin Tae-yong Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbors
Dava Rizky Perwira Jaya, Sri Lestari • Vol. 5 No. 3 (2024)
Analisis Sentimen Publik Terhadap Penurunan Jumlah Pernikahan di Indonesia menggunakan Algoritma K-Nearest Neighbors (KNN)
Afyra Ar’bah Lailany, Sri Lestari • Vol. 5 No. 3 (2024)
SISTEM REKOMENDASI FILM MENGGUNAKAN METODE CONTENT-BASED FILTERING STUDI KASUS MATERI DATA MINING DI SMK IDN BOARDING SCHOOL
Sri Lestari, Muhammad Mufti Ramdhani • Vol. 4 No. 3 (2023)
Analisa Sentimen Drama Korea Melalui Media Sosial X dengan Menggunakan Algoritma Naïve Bayes
Putri Dwi Aprilia, Sri Lestari • Vol. 5 No. 3 (2024)