ABSTRAK
Neneng Nurhasanah (16170147), Algoritma Naïve Bayes dan Metode Backward Elimination Untuk Meningkatkan Nilai Akurasi Klasifikasi Kondisi Janin

Pemantauan kondisi janin merupakan hal penting pada saat proses persalinan. Hal ini dilakukan untuk meminimalisir kematian janin di dalam rahim. World Health Organization menyatakan pada tahun 2015 angka kematian janin didunia di perkirakan sekitar 3,82-22,14 juta jiwa. Salah satu cara yang digunakan dalam pemantauan janin yaitu dengan Cardiotocography. Cardiotocography digunakan untuk mengidentifikasi awal keadaan patologis janin dan membantu dokter dalam mendiagnosa gangguan pada janin. Dataset yang digunakan yaitu data cardiotocography yang disediakan UCI Repository, data cardiotocography memiliki 2.126 record dan 39 atribut yang diklasifikasikan kedalam 3 kelas yaitu Normal, Suspect, dan Pathologic. Penelitian ini menerapkan algoritma naïve bayes dalam mengklasifikasikan kondisi janin. Hasil pengujian algoritma naïve bayes memiliki nilai akurasi 98,59%. Kemudian dilakukan penerapan seleksi fitur menggunakan metode Backward Elimination untuk meningkatkan akurasi dataset sehingga diperoleh nilai akurasi 99,53%. Algoritma naïve bayes dengan seleksi fitur backward elimination mampu menghasilkan klasifikasi yang baik. Hasil akurasi yang diperoleh pada penelitian meningkat 0,94%.

Kata Kunci: Klasifikasi Kondisi Janin, Cardiotocography, Naïve Bayes, Backward Elimination.