Metode Fuzzy ID3 Untuk Klasifikasi Status Preeklamsi Ibu Hamil

  • Yeni Kustiyahningsih Fakultas Teknik, Universitas Trunojoyo Madura, Bangkalan, Jawa Timur
  • Mula’ab Fakultas Teknik, Universitas Trunojoyo Madura, Bangkalan, Jawa Timur
  • Nur Hasanah Fakultas Teknik, Universitas Trunojoyo Madura, Bangkalan, Jawa Timur
Keywords: Klasifikasi, Preeklamsi, FID3, Variabel, Akurasi

Abstract

Angka Kematian Ibu (AKI) di Indonesia meningkat terus mulai tahun 2007 (SDKI 2012). Salah satu penyebab utamanya adalah penyakit hipertensi. Istilah hipertensi pada ibu hamil disebut dengan preeklamasi. Metode Fuzzy Decision Tree Iterative Dichotomiser 3 (ID3) digunakan untuk mengelompokkan penyakit preeklamsi menjadi 3 kelas yaitu normal, waspada preeklamsi ringan, dan bahaya preeklamsi berat. Pada penelitian ini terdapat 6 variabel yang digunakan yaitu tekanan darah sistolik, tekanan darah diastolik, usia ibu, usia kehamilan, protein urine, dan odema. Tujuan dari klasifikasi adalah membantu tenaga medis dalam memberikan tindakan kepada pasien (ibu hamil) agar diagnosisnya tepat sasaran dan lebih cepat dalam membantu pengambilan keputusan. Tahapan metode ID3 adalah melakukan inisialisasi nilai atribut fuzzy, perhitungan entropy, dan mencari nilai information gain. Uji coba sistem menggunakan algoritma k-fold cross validation serta menghitung akurasi menggunakan confusion matrix. Berdasarkan hasil uji coba, k-fold 5 mempunyai akurasi terbesar yaitu 98,44%, presisi terbesar 96,66%, dan recall terbesar 97,61%.

References

Jayanti, K., Dwi, B.N., Hari, Wibowo A. (2016). Faktor yang Mempengaruhi Kematian Ibu. Jurnal Wiyata, Vol. 3, pp. 46-53.

Badan Kependudukan dan Keluarga Berencana Nasional, Badan Pusat Statistik, Kementrian Kesehatan. (2013). Survei Demografi dan Kesehatan Indonesia. Jakarta: Kementerian Kesehatan.

Wiknjosastro, H., Saifuddin, A.B., & Rachimhadhi, T. (2005). Ilmu Kebidanan. Jakarta: Yayasan Bina Pustaka Sarwono Prawirohardjo.

Winyojarwo, H. (2006) Ilmu Kebidanan, Indonesia: Yayasan Bina Pustaka Sarwo Prawiroharjo.

Faiqoh, E. & Hendrati, L.Y. (2014) Hubungan Karakteristik Ibu, dan Kepatuhan. Jurnal Berkala Epidemiologi, Vol. 2(2), pp. 216–226.

Kementrian Kesehatan Republik Indonesia. (2013). Buku Saku Pelayan Kesehatan Ibu di Fasilitas Kesehatan Dasar dan Rujukan. Jakarta: Kementrian Kesehatan Republik Indonesia.

Yunita, P., Umi, S. & Ristu, S. (2013). Klasifikasi Risiko Bahaya Kehamilan dengan Metode Fuzzy C-Means. ITSMART, Vol. 2(1), pp. 8-15.

Kusumadewi, S. & Purnomo, H., (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.

Nugraheni, A.M., (2016). Sistem Pakar Deteksi Dini Tingkat Resiko Pada Ibu Hamil Terhadap Preeklamsi Dengan Logika Fuzzy [Skripsi]. Surabaya.

Negnevitsky, M. (2005). Artificial Intelligence: A Guide to Intelligent Systems. Pearson Education.

Sardari, S., Eftekhari M. & Fatemeh A., (2017). Hesitant Fuzzy Decision Tree Approach for Highly. Applied Soft Computing Jurnal, Vol. IV(21).

Andriansyah, M., Rafli, Santoso, E., & Sutrisno. (2018). Klasifikasi Risiko Hipertensi Menggunakan Fuzzy Decision Tree Iterative. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), Vol 2(12).

Efendi M. H., & Arif. (2018). Prediksi Penyakit Diabetes Menggunakan Algoritma. Jurnal Informatika JUITA, Vol.6(1).

Liang, G. (2005). A Comparative Study of Three Decision Tree Algorithms: ID3, Fuzzy ID3 and Probabilistic Fuzzy ID3 [Skripsi].

Wei, Z., Xuan, Z. & Junjie, C., (2013). Study on Classification Rules of Hypertension Based on Decision Tree. Beijing: IEEE.

James, G., (2013). An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics), Springer.

Kustiyahningsih, Y. &Rahmanita E., (2016). Aplikasi Sistem Pendukung Keputusan Menggunakan Algoritma C4.5. Untuk Penjurusan SMA. Jurnal Simantec, 5(2), pp. 101-108.

Bhumika G., Aditya R., Akshay J., Arpit A. & Naresh D., (2017). Analysis of Various Decision Tree Algorithms for Classification in Data Mining. International Journal of Computer Applications, Vol. 163(8).

Kustiyahningsih Y., Fatmawati, Suprajitno H., (2018). MCGDM with AHP based on Adaptive interval Value Fuzzy. Telecommunication, Computing, Electronics and Control, TELKOMNIKA, Vol. 16(1), pp. 314-322.

Published
2020-07-13
Section
Articles