Arif, M Rizkan (2019) Klasifikasi Berat Badan Lahir Rendah Pada Bayi dengan Fuzzy K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.
Abstract
Angka kematian bayi (AKB) merupakan salah satu indikasi keberhasilan pelayanan kesehatan di suatu daerah. Semakin rendah AKB, maka semakin baik pelayanan kesehatan di wilayah tersebut. Namun, Pada tahun 2015, nilai AKB di Indonesia sangat jauh dari target yang disepakati sebagai indikator kesuksesan pembangunan pelayanan kesehatan. Pada tahun 2013, WHO dan UNICEF menyatakan adanya peningkatan kejadian BBLR pada periode 2009-2013, yakni dari 15,5% menjadi 16%. Jika ditinjau dari penyebab kematiannya, BBLR atau berat bayi lahir rendah masih menduduki peringkat tinggi. Sebanyak 2,79% bayi meninggal akibat BBLR di Jawa Timur pada tahun 2010. Persentase ini meningkat menjadi 3,32% pada tahun 2013 sehingga BBLR digolongkan sebagai penyebab utama kematian neonatal, yakni 38,03% dari jumlah angka kelahiran. Adanya sistem deteksi dini kemungkinan BBLR diharapkan mampu membantu menekan angka kematian bayi. Salah satu metode yang dapat diterapkan dalam sistem untuk memprediksi kemungkinan BBLR adalah Fuzzy K-Nearest Neighbor (FK-NN). Metode ini terbukti mampu melakukan klasifikasi BBLR dengan tingkat akurasi 79%.
English Abstract
The number of infant mortality (IMR) is one indication of the success of health services in an area. The lower the IMR, the better the health services in the area. However, in 2015, the IMR value in Indonesia was very far from the agreed target as an indicator of the success of health service development. In 2013, WHO and UNICEF stated an increase in the incidence of LBW in the 2009-2013 period, namely from 15.5% to 16%. If viewed from the cause of death, low birth weight or low birth weight babies still rank high. As many as 2.79% of infants died from LBW in East Java in 2010. This percentage increased to 3.32% in 2013 so that LBW was classified as the main cause of neonatal death, which was 38.03% of the total birth rate. The existence of an early detection system is likely that LBW is expected to be able to help reduce infant mortality. One method that can be applied in the system to predict the possibility of LBW is Fuzzy K-Nearest Neighbor (FK-NN). This method is proven to be able to carry out LBW classification with an accuracy rate of 79%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/624/051907837 |
| Uncontrolled Keywords: | Angka Kematian Bayi, Fuzzy K-nearest neighbor, Klasifikasi Berat Badan Lahir Rendah, Infant Mortality Rate, Fuzzy K-Nearest Neighbor, Low Birth Weight Clasification |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 01 Aug 2020 08:55 |
| Last Modified: | 01 Aug 2020 08:55 |
| URI: | http://repository.ub.ac.id/id/eprint/174194 |
Actions (login required)
 |
View Item |