Implementasi Machine Learning Untuk Deteksi Anomali Kesehatan Janin Menggunakan Metode Ensemble Berbasis Decision Tree

Abstract

Sebagai calon ibu sangatlah penting untuk mengetahui kondisi kesehatan janin yang dikandungnya sejak dini dikarenakan banyak sekali calon ibu muda karena ketidaktahuannya terhadap kesehatan janin dapat menyebabkan kematian pada janin yang dikandungnya. Hal ini terjadi dikarenakan calon ibu kurang ingin tahu, kurang sosialisasi, dan juga kurangnya akses ke sumber daya terkait dengan kesehatan janin. Tumbuh kembang janin sangatlah penting agar kedepannya bayi dapat lahir dengan sehat dan juga bebas dari masalah. Tujuan daripada penelitian ialah guna mendeteksi anomali kesehatan pada janin menggunakan metode ensemble berbasis Decision Tree. Penggunaan metode pembelajaran ensemble dapat meningkatkan akurasi hasil deteksi anomali kesehatan janin pada ibu hamil. Eksperimen ini dilaksanakan dengan memakai dataset publik sebanyak 2.126 data pasien. Hasil penelitian menunjukkan dengan menggunakan algoritma decision tree saja tanpa berbasis ensemble hanya menghasilkan akurasi sebesar 89.80% lalu dengan adanya penggunaan ensemble berbasis decision tree metode tersebut menghasilkan akurasi sebesar 92.66%. hal tersebut menunjukkan bahwa metode ensemble mampu meningkatan akurasi sebesar 2.86%.