Please use this identifier to cite or link to this item:
https://repository.unej.ac.id/xmlui/handle/123456789/123484
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | HALIM, Taufik Sahid | - |
dc.date.accessioned | 2024-08-12T03:52:20Z | - |
dc.date.available | 2024-08-12T03:52:20Z | - |
dc.date.issued | 2024-04-02 | - |
dc.identifier.nim | 202110101058 | en_US |
dc.identifier.uri | https://repository.unej.ac.id/xmlui/handle/123456789/123484 | - |
dc.description.abstract | Preeklampsia adalah komplikasi serius yang mempengaruhi kehamilan di seluruh dunia. Hal ini menimbulkan risiko yang signifikan bagi ibu dan janin, terutama di ekonomi yang kurang beruntung seperti Indonesia, di mana preeklampsia merupakan penyebab utama kematian ibu. Deteksi dini sebelum usia kehamilan 20 minggu sangatlah penting, namun saat ini masih mengandalkan metode yang sudah ketinggalan zaman seperti kunjungan ANC yang didokumentasikan dalam buku KIA. Untuk mengatasi masalah ini, sebuah penelitian dilakukan untuk mengembangkan sistem deteksi dini berbasis pembelajaran mesin untuk penilaian risiko preeklampsia. Penelitian ini menganalisis dataset kohort dari 2.040 ibu hamil dari empat Puskesmas di Jember, Jawa Timur, dengan menggunakan metode Random Forest, Decision Tree, dan K-Nearest Neighbor. Faktor-faktor yang dianalisis meliputi tinggi badan, berat badan, tekanan darah, usia, paritas, dan riwayat kesehatan. Model Random Forest yang dihasilkan memberikan akurasi tertinggi (99,40%), presisi (98,46%), sensitivitas (100%), spesifisitas (99,22%), dan F1-score (99,03%). Berdasarkan temuan ini, sebuah prototipe sistem klasifikasi dikembangkan, merampingkan input dan output melalui Streamlit Cloud dan GitHub. Penelitian ini memberikan analisis komprehensif tentang faktor risiko preeklampsia, dan berhasil berhasil mengembangkan sistem klasifikasi berbasis pembelajaran mesin. Sistem ini memiliki potensi untuk mengurangi angka kematian ibu di Indonesia dengan membantu petugas kesehatan dan petugas kesehatan masyarakat dalam melakukan identifikasi yang cepat. | en_US |
dc.description.sponsorship | Dr.Elok Permatasari, S.KM., M.Kes. Dimas Bagus Cahyaningrat W. S.Si., M.Si | en_US |
dc.language.iso | other | en_US |
dc.publisher | Fakultas Kesehatan Masyarakat | en_US |
dc.subject | Preeklamsia | en_US |
dc.subject | Deteksi dini | en_US |
dc.subject | Klasifikasi | en_US |
dc.subject | Machine learning | en_US |
dc.subject | Kesehatan ibu | en_US |
dc.title | Sistem Klasifikasi Level Risiko Preeklamsia Menggunakan Algoritma Machine Learning untuk Deteksi Dini Preeklamsia pada Masa Kehamilan | en_US |
dc.type | Skripsi | en_US |
dc.identifier.prodi | Kesehatan Masyrakat | en_US |
dc.identifier.pembimbing1 | Dr. Elok Permatasari, S.KM., M.Kes | en_US |
dc.identifier.pembimbing2 | Dimas Bagus Cahyaningrat W. S.Si., M.Si | en_US |
dc.identifier.validator | Teddy | en_US |
dc.identifier.finalization | 0a67b73d_2024_07_tanggal 10 | en_US |
Appears in Collections: | UT-Faculty of Public Health |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
doc.pdf Until 2029-06-21 | 977.95 kB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
Admin Tools