Klasifikasi Resiko Kehamilan Menggunakan Cost sensitive learning

Abstract

Salah satu teknik untuk mengetahui resiko kehamilan adalah dengan menggunakan skor Poedji Rochyati. Teknik ini menggunakan data empat faktor resiko kehamilan yang terdiri atas 24 kriteria. Pada beberapa kasus, beberapa attribut faktor resiko kehamilan tidak diketahui nilainya. Pada kasus seperti ini, resiko kehamilan menggunakan skor Poedji Rochyati tidak dapat dihitung karena datanya tidak lengkap. Untuk itu, telah dikembangkan sebuah metode prediksi resiko kehamilan berdasar data yang tidak lengkap menggunakan metode klasifikasi Naive bayes. Penelitian ini berusaha meningkatkan akurasi klasifikasi dengan memilih attribut yang penting menggunakan feature subset selection. Selain itu, penelitian ini juga bertujuan untuk meningkatkan nilai recall menggunakan cost matrix. Dari uji coba yang dilakukan dapat diketahui bahwa klasifikasi resiko kehamilan Poedji Rochyati menggunakan naive bayes dan lebih dari 5 attribut teratas feature subset selection bisa meningkatkan akurasi dibanding tanpa feature subset selection. Pada titik jumlah attribut optimal, nilai recall juga melebihi recall klasifikasi tanpa feature subset selection. Penggunaan cost matrix tidak berpengaruh pada nilai accuray, recal, maupun confusion matrix pada klasifikasi resiko kehamilan Poedji Rochyati menggunakan metode naive bayes