KOMPARASI METODE DATA MINING UNTUK PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN

  • Hilda amalia AMIK BSI JAKARTA
  • Evicienna Evicienna AMIK BSI JAKARTA
DOI: https://doi.org/10.21609/jsi.v13i2.545
Keywords: Data Mining, Algoritma C4.5, Melahirkan

Abstract

Proses Persalinan merupakan hal yang dinanti oleh setiap ibu yang sedang melahirkan. Dalam proses persalinan terdapat dua jenis proses persalinan yaitu secara normal atau sesar. Dalam proses per-salinan terdapat resiko persalinan yang dihadapi yaitu komplikasi ibu melahirkan yang dapat mem-perburuk kondisi ibu melahirkan. Resiko terburuk yang dapat saja terjadi adalah kematian ibu dan/ atau bayi yang baru dilahirkan. Data mining merupakan metode yang populer digunakan untuk menggali pola atau ilmu pengetahuan dari tumpukan data yang besar. Dalam penelitian ini dilakukan komparasi metode data mining untuk pengolahan data ibu melahirkan dengan menggunakan algo-ritma C4.5, naive bayes dan neural network. Dari penelitian diketahui nilai akurasi untuk pengolahan data ibu melahirkan untuk penentuan proses persalinan dengan metode naive bayes yaitu 94%, neural network 936%, dan algoritma C4.5 yaitu 90%.

Downloads

Download data is not yet available.
Published
2017-10-26
How to Cite
amalia, H., & Evicienna, E. (2017). KOMPARASI METODE DATA MINING UNTUK PENENTUAN PROSES PERSALINAN IBU MELAHIRKAN. Jurnal Sistem Informasi, 13(2), 103-109. https://doi.org/10.21609/jsi.v13i2.545
Issue
Vol. 13 No. 2 (2017): Jurnal Sistem Informasi (Journal of Information System)
Section
Articles

Copyright (c) 2017 Jurnal Sistem Informasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).