Show simple item record

dc.contributor.authorHALIM, Taufik Sahid
dc.date.accessioned2024-08-12T03:52:20Z
dc.date.available2024-08-12T03:52:20Z
dc.date.issued2024-04-02
dc.identifier.nim202110101058en_US
dc.identifier.urihttps://repository.unej.ac.id/xmlui/handle/123456789/123484
dc.description.abstractPreeklampsia 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.sponsorshipDr.Elok Permatasari, S.KM., M.Kes. Dimas Bagus Cahyaningrat W. S.Si., M.Sien_US
dc.language.isootheren_US
dc.publisherFakultas Kesehatan Masyarakaten_US
dc.subjectPreeklamsiaen_US
dc.subjectDeteksi dinien_US
dc.subjectKlasifikasien_US
dc.subjectMachine learningen_US
dc.subjectKesehatan ibuen_US
dc.titleSistem Klasifikasi Level Risiko Preeklamsia Menggunakan Algoritma Machine Learning untuk Deteksi Dini Preeklamsia pada Masa Kehamilanen_US
dc.typeSkripsien_US
dc.identifier.prodiKesehatan Masyrakaten_US
dc.identifier.pembimbing1Dr. Elok Permatasari, S.KM., M.Kesen_US
dc.identifier.pembimbing2Dimas Bagus Cahyaningrat W. S.Si., M.Sien_US
dc.identifier.validatorTeddyen_US
dc.identifier.finalization0a67b73d_2024_07_tanggal 10en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record