Penerapan Algoritma Neural Network Untuk Klasifikasi Kardiotokografi

• Main Authors: Yudi Ramdhani, Sari Susanti, Miftah Farid Adiwisastra, Salman Topiq
• Format: Article
• Language: Indonesian
• Published: Universitas Bina Sarana Informatika, LPPM 2018-04-01
• Series: Jurnal Informatika
• Subjects: Kardiotokografi, Data Mining, Neural network
• Online Access: http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/2832
• ISSN: 2355-6579; 2528-2247

Abstrak Kardiotokografi adalah metode investigasi yang paling disukai, dalam pemerhati penggunaan kesejahteraan janin yang praktis. Informasi yang diperoleh dari kardiotokografi, digunakan untuk mengidentifikasi awal keadaan patologis (gangguan pada janin, perkembangan penyakit pada janin atau hipoksia dan lain-lain). Organisasi Kesehatan Dunia atau WHO (World Health Organization) memperkirakan sekitar 15% dari seluruh wanita hamil akan berkembang menjadi komplikasi yang berkaitan dengan kehamilannya dan dapat mengakibatkan kematian ibu dan janin. Teknologi data mining merupakan salah satu alat bantu untuk mengoptimalkan data pada basis data yang berukuran besar, Data mining medis memiliki potensi besar untuk dipelajari pola-pola yang tersembunyi dalam kumpulan data utama medis. Dataset Kardiotokografi memiliki fitur/atribut sebanyak 36 dan diklasifikasikan menjadi 3 kelas yaitu : kelas Normal, kelas Suspect, dan kelas Pathologic dengan record sebanyak 2126. Metode Neural network dapat mengklasifikasi kardiotokografi dengan baik dibuktikan dengan nilai akurasi yang tinggi yaitu sebesar 99,15%, serta dapat membantu user untuk mengambil keputusan selanjutnya pada Karditokografi tersebut. Kata kunci: Kardiotokografi, Data Mining, Neural network Absract Kardiotokografi is the most preferred method of investigation, in the use of fetal well being observers. Information obtained from kardiotokografi, used to identify the initial state of the pathological (disorders of the fetus, the development of fetal disease or hypoxia and others). World Health Organization estimates approximately 15% of all pregnant women will develop into complications related to her pregnancy and can lead to the death of the mother and the fetus. The technology of data mining is one of the tools for optimizing the data in the data base of large-sized medical. Data mining, has great potential to learn the patterns that are hidden in the main medical data sets. Kardiotokografi DataSet features/attributes as much as 36 and are classified into three classes as follows: Normal class, class Suspect and Pathologic class with the record as much as 2126. Neural network method of classifying kardiotokografi can properly evidenced by high accuracy value of 99,15%, and can help the user to take decisions on the Karditokografi. Keywords: Kardiotokografi, Data Mining, Neural network