Text
Penentuan Ibu Hamil Risiko Tinggi (RISTI) Menggunakan Jaringan Syaraf Tiruan Backpropagation
ABSTRAK
Kehamilan risiko adalah kehamilan patologi yang dapat mempengaruhi keadaan ibu dan
janin. Penentuan Ibu Hamil Risiko Tinggi (RISTI) diperlukan agar kehamilan yang berisiko
dapat diketahui lebih awal. Penelitian ini bertujuan untuk membangun model jaringan syaraf
tiruan menggunakan algoritma Backpropagation dengan algoritma inisialisasi bobot,
sehingga dapat mengklasifikasikan ibu hamil ke dalam risiko tinggi atau bukan risiko tinggi.
Atribut-atribut yang digunakan dalam klasifikasi ini adalah umur, hamil ke-, abortus, berat
badan, jarak persalinan dan cara persalinan terakhir. Data yang digunakan dalam penelitian
ini adalah data ibu hamil sebanyak 136 data. Hasil penelitian menunjukkan bahwa Jaringan
Syaraf Tiruan Backpropagation dengan inisialisasi bobot random merupakan metode terbaik
untuk kasus ini. Performa metode tersebut mencapai nilai sensitivitas sebesar 64% dan
spesifisitas 36% sehingga menghasilkan jarak euclidean terdekat terhadap (FPR, TPR) =
(0,1) sebesar 0.734302 pada learning rate 0.3 dan neuron hidden layer 2.
Kata Kunci : Ibu Hamil Risiko Tinggi (RISTI), Jaringan syaraf tiruan, Backpropagation.
ABSTRACT
High-Risk pregnancy is a pathological pregnancy that can affect the state of the mother and
fetus. Determination of High Risk Pregnancy Mothers is needed for risky pregnancies to be
known early. This study aims to build artificial neural network model using Backpropagation
algorithm with weight initialization algorithm, so it can classify pregnant women into high
risk or not high risk. The attributes used in this classification are age, pregnancy to-, abortion,
body weight, labor spacing and last way childbirth. The data used in this study is data of
pregnant women as much 136 data. The results show that Artificial Neural Network
Backpropagation with initialization of random weight is the best method for this case. The
performance of the method achieves 64% sensitivity value and 36% specificity value,
resulting the closest Euclidean distance with (FPR, TPR) = (0,1) is 0.734302 at learning rate
0.3 and neuron hidden layer 2.
Keywords : High-Risk Pregnancy, Artificial neural network, Backpropagation
629F18III | 629 F 18 | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain