GENETIC ALGORITHMS DAN RANDOM FOREST UNTUK KLASIFIKASI TINGKAT RISIKO KESEHATAN IBU HAMIL Dea Maulidia - 17180115 Primary Author Yudi Ramdhani, S.T., M.Kom (Pembimbing) Editor mixed material bibliography 2022/2023 id Indonesia

Skripsi

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. ibu hamil Random Forest Genetic Algorithm NONE Digital Library ARS University Perpustakan Online ARS University 024/S1.TI.SKP/2022-2023 S03017K Teknik Informatika 024/S1.TI.SKP/2022-2023 Hal Depan Bab 1 Bab 3 Bab 5 DAFTAR PUSTAKA Hal Belakang Screenshot_2023-06-15_091507.png.png 7895 2023-06-15 09:21:22 2023-06-15 09:22:43 machine generated