KLASIFIKASI NAÏVE BAYES UNTUK PREDIKSI KELAHIRAN PADA DATA IBU HAMIL

ARIS NUGROHO, Prof. Drs. Subanar, Ph.D.

2013 | Tesis | S2 Matematika

Dalam bidang kesehatan terkhusus Kesehatan Ibu dan Anak, memprediksi suatu kejadian resiko tinggi (resti) pada kehamilan ibu sehingga kemunculan resiko secara dini bisa ditanggulangi akan sangat mempengaruhi penurunan Angka Kematian Ibu (AKI) maupun Angka Kematian Bayi (AKB). Dengan Model pendekatan Bayesian berupa Klasifikasi Naïve Bayes dengan HMAP (Hipotesis Maksimum A Posteriori) dipakai memprediksi kelahiran yang akan dialami ibu hamil dengan karakteristik Usia ibu, Tinggi Badan, Jumlah Hb, Tekanan Darah, Riwayat Kehamilan lalu dan Penyakit bawaan. Semua data didiskritkan berdasar batasan yang dipakai Departemen Kesehatan dan hasil prediksi berupa probabilitas terjadinya resiko, bisa dipakai sebagai rujukan tempat melahirkan ataupun penilaian kinerja dari penyelenggara jasa persalinan. Dengan fungsi klasifNB dalam bahasa R melalui fase Training untuk estimasi maksimum likelihood dan fase prediksi sesuai dengan kriteria/karakteristik ibu hamil, aplikasi menjadi dinamis melakukan prediksi sesuai wilayah dipilih.

In the health sector particularly in view of Maternal and Child Health, predicts a high risk event (resti) the emergence of risk pregnancies that can be addressed at an early stage will greatly affect the decline in Maternal Mortality Rate (MMR) and Infant Mortality Rate (IMR). With models such as Bayesian classification approach with Naïve Bayes HMAP (Maximum A Posteriori hypothesis) which will be used to predict birth experienced by pregnant women with maternal age characteristics, Height, Total hemoglobin, blood pressure, and pregnancy history and congenital disease. All data used discritization based limits and the Department of Health in the form of results predicted probability of the risk, can be used as a reference to place of birth or the performance appraisal of delivery service providers. With klasifNB function in R language through training phase for maximum likelihood estimation and in prediction phase according to criteria / characteristics of pregnant women , a dynamic application to predict corresponding selected area.

Kata Kunci : -