Klasifikasi Jenis Persalinan pada Ibu Hamil dengan Metode Random Forest
Keywords:
jenis persalinan, kehamilan, klasifikasi, random forestAbstract
Salah satu faktor penyebab kematian ibu pada saat
melahirkan adalah keterlambatan pengambilan keputusan pada
saat penanganan persalinan. Untuk mengidentifikasi penanganan
yang tepat dalam persalinan, dalam penelitian ini dibangun
model klasifikasi jenis persalinan ibu hamil menggunakan metode
random forest terhadap 302 data yang diambil dari RSUD
Argamakmur. Model klasifikasi diuji dengan variasi jumlah tree
2, 4, 8, 16, 32, 64, 128, 256, 512, 1024, 2048, 4096 pada data asli
dan data yang telah dilakukan balancing. Dengan teknik cross
validation, diperoleh akurasi terbaik 92,55130% pada jumlah
fold 3 dan jumlah tree 64.
References
(2019) The WHO website [Online]. Available:
https://www.who.int/news-room/fact-sheets/detail/maternal-
mortality
Pusdiknas, WHO, JHIPEGO, Buku III asuhan kebidanan pada ibu
inpartu, Jakarta, 2001.
N. V. Chawla, K. W. Bowyer, L. O. Hall, & W. P. Kegelmeyer,
“SMOTE: synthetic minority over-sampling technique,†J. Artif.
Intell. Res., vol. 16, pp. 321–357, 2002.
F. Livingston, “Implementation of Breiman’s Random Forest
Machine Learning Algorithm,†ECE591Q Machine Learning
Journal Paper, Fall 2005.
G. Louppe, “Understanding Random Forest,†Ph.D dissertation:
Faculty of Applied Sciences Department of Electrical Engineering
& Computer Science, University of Liège, France, 2014.
F. Gorunescu, Data Mining Concepts, Models and Techniques.
Berlin: Springer, 2011.
Płoński, P. How many trees in the Random Forest?
https://mljar.com/blog/how-many-trees-in-random-forest/,2020
