Abstrak

Masih banyak ibu hamil yang tidak mau periksa kehamilannya untuk mengenali tanda-tanda ibu hamil yang berisiko tinggi. Kehamilan berisiko tinggi mengacu pada ibu hamil yang memiliki beberapa kondisi berisiko dan memerlukan perawatan khusus selama kehamilan dan setelah persalinan. Penelitian ini bertujuan untuk memprediksi tingkat risiko pada kehamilan dengan upaya deteksi dini. Metode yang digunakan dalam penelitian ini yaitu dengan metode Random Forest untuk klasifikasi dan Genetic Algoorithm untuk optimasi. Hasil yang diperoleh dari penelitian yang telah dilakukan pada dataset Maternal Health Risk menggunakan metode Random Forest mendapatkan nilai akurasi sebesar 73,37%. Setelah dilakukan optimasi fitur menggunakan algoritma genetika, nilai akurasi pada klasifikasi tingkat risiko kesehatan ibu hamil mengalami peningkatan yang signifikan yaitu menjadi 90,20%. Hasil uji-t dalam penelitian ini menunjukan nilai kurang dari 0,05. Nilai uji-t yang diperoleh yaitu sebesar 0,000218269. Artinya, algoritma genetika memiliki kinerja yang baik untuk meningkatkan kinerja agoritma klarifikasi.