Klasifikasi Naïve Bayes untuk Prediksi Kelahiran pada Data Ibu Hamil



Aris Nugroho(1*), Subanar -(2)

(1) Jurusan MatematikaFMIPA UGM
(2) Jurusan Matematika FMIPA UGm
(*) Corresponding Author

Abstract


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, fase Training untuk estimasi maksimum likelihood dan sesuai dengan karakteristik ibu hamil, aplikasi menjadi dinamis melakukan prediksi sesuai wilayah dipilih.


Keywords


Naive Bayes, Maksimum A Posteriori, Prediksi, Klasifikasi, resiko, Angka Kematian Ibu (AKI), Angka Kematian Bayi (AKB).

Full Text:

Full Text PDF




Article Metrics

Abstract views : 4494 | views : 12799

Refbacks

  • There are currently no refbacks.




ISSN 0215-9309 (Print)

Jumlah kunjungan : Web
Analytics View my Stat.