KLASIFIKASI PILIHAN MELAHIRKAN NORMAL DAN OPERASI CESAR DENGAN ALGORITMA MACHINE LEARNING NAIVE BAYES CLASSIFIER

RISKY, WINDA (2022) KLASIFIKASI PILIHAN MELAHIRKAN NORMAL DAN OPERASI CESAR DENGAN ALGORITMA MACHINE LEARNING NAIVE BAYES CLASSIFIER. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Jurnal 41517120022 WINDA RISKY.pdf Restricted to Registered users only Download (2MB)

Abstract

The number of births in Indonesia is increasing every year, but it also increases the mortality rate for newborns. According to the results of WHO research in 2010, Indonesia is a country that ranks 5th highest with 675,700 premature births in one month. Meanwhile, babies who do survive experience lifelong problems including learning disabilities and visual and auditory problems. The researcher supports women who are making decisions to give birth vaginally or at risk (cesarean section), therefore they make a predictive analysis of the condition of the baby's birth using the classification method. The data mining technique applied in this analysis is the Naïve Bayes classification method. The results of this study are the results to predict a person will give birth normally or at risk (C-section) based on the results of a doctor's examination. From the prediction results, it can be used to determine the average results of baby births every month. Key words: Classification of Normal Delivery Options and Caesarean Section with Machine Learning Algorithm Naive Bayes Classifier, Universitas Mercu Buana Angka kelahiran bayi di Indonesia setiap tahunnya semakin bertambah, tetapi juga meningkatkan angka kematian bayi baru lahir yang besar pula. Menurut hasil riset WHO pada tahu 2010, Indonesia merupakan Negara yang menempati peringkat ke 5 tertinggi dengan 675.700 kelahiran premature dalam satu bulan. Sementara itu, bayi yang berhasil hidup mengalami kecacatan yang mereka alami seumur hidup diantaranya gangguan pada saat belajar dan visual serta masalah pendengaran. Dalam menunjang banyaknya wanita yang sedang hamil untuk pengambilan keputusan melahirkan secara normal atau beresiko (cesar), oleh karena itu peneliti membuat analisis prediksi kondisi kelahiran bayi mengunakan metode klasifikasi. Teknik data mining yang diterapkan pada analisis ini adalah metode klasifikasi Naïve Bayes. Hasil dari penelitian ini adalah hasil analisis untuk memprediksi seseorang akan melahirkan secara normal atau beresiko (cesar) berdasarkan hasil pemeriksaan dokter. Dari hasil prediksi tersebut dapat digunakan untuk menentukan hasil rata-rata kelahiran bayi setiap bulan. Kata kunci: Klasifikasi Pilihan Melahirkan Normal Dan Operasi Cesar Dengan Algoritma Machine Learning Naive Bayes Classifier, Universitas Mercu Buana

Item Type:	Thesis (S1)
Call Number CD:	JM/INFO. 22 036
NIM/NIDN Creators:	41517120022
Uncontrolled Keywords:	Klasifikasi Pilihan Melahirkan Normal Dan Operasi Cesar Dengan Algoritma Machine Learning Naive Bayes Classifier, Universitas Mercu Buana
Subjects:	100 Philosophy and Psychology/Filsafat dan Psikologi > 150 Psychology/Psikologi > 153 Conscious Mental Process and Intelligence/Intelegensia, Kecerdasan Proses Intelektual dan Mental > 153.8 Will, Volition/Kemauan > 153.83 Choice and Decision/Pilihan dan Keputusan 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 700 Arts/Seni, Seni Rupa, Kesenian > 750 Painting and Paintings/Seni Lukis dan Lukisan > 751 Techniques and Procedures/Teknik Seni Lukis dan Lukisan, Prosedur Seni Lukis dan Lukisan > 751.4 Techniques and Procedures/Teknik dan Prosedur > 751.49 Other Methods/Metode Lainnya
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	17 Oct 2022 07:06
Last Modified:	17 Oct 2022 07:06
URI:	http://repository.mercubuana.ac.id/id/eprint/70526

Actions (login required)

View Item