PERBANDINGAN MODEL LOGISTIC REGRESSION DAN NEURAL NETWORK PADA KELAHIRAN BAYI DENGAN BERAT BADAN RENDAH

M HASRUL H

Abstract


Evaluasi risiko kelahiran bayi dengan berat badan lahir rendah disingkat BBLR menjadi suatu persoalan yang menarik untuk dibahas. Sejumlah penelitian bidang kesehatan khususnya persalinan bertujuan meminimalisir risiko BBLR telah banyak dilakukan dalam usaha mengelak bayi lahir secara abnormal. Data dikelompokkan menjadi dua kelas, bayi dengan berat badan rendah dan bayi dengan berat normal. Sehingga teknik klasifikasi data mining menjadi tepat untuk diterapkan. Penelitian ini mengenai perbandingan algoritma Logistic Regression dan Neural Network yang diterapkan pada data kelahiran bayi berat badan rendah (low birth height). Hasil eksperimen menunjukkan bahwa Neural Network lebih baik dalam melakukan klasifikasi risiko BBLR 97,37% dibanding Logistic Regression dengan akurasi sebesar 94,71. Penerapan klasifikasi data mining menggunakan Logistic Regression dan Neural Network dapat menghasilkan nilai AUC yang baik (excellence classification) sehingga dapat diimplementasikan untuk menentukan  risiko BBLR.

Kata Kunci: Bayi berat badan lahir rendah, Klasifikasi, Logistic Regression, Neural Network;

 


Full Text:

PDF

References


Bramer, M. (2013). Principles of Data Mining. London: Springer.

Fu, L. M. (2003). Neural Networks in Computer Intelligence. Tata McGraw-Hill Education.

Gorunescu, F. (2011). Data Mining: Concepts, Models and Techniques. Springer.

Han, J., Pei, J., & Kamber, M. (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer.

Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression. New York: John Willey and Sons.

Illsley, R. (1984). Low birth weight: a medical, psychological, and social study. John Wiley & Sons Inc.

Santosa, B. (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

Saraswati, E., & Sumarno, I. (1998). Risiko Ibu Hamil Kurang Energi Kronis dan Anemia Untuk Melahirkan Bayi dengan Berat Badan Lahir Rendah. PGM, 41-49.

Statistical Software Information. (2015, January 15). Retrieved from University of Massachusetts Amherst: https://www.umass.edu/statdata/statdata/data/lowbwt.txt

Witten, I. H., frank, E., & Hell, M. A. (2011). Data mining: practical machine learning tools and technique. ACM SIGSOFT Software Engineering Notes, 76-77.




DOI: https://doi.org/10.24252/instek.v6i1.18639

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 M HASRUL H

Jurnal INSTEK (Informatika Sains dan Teknologi) is indexed by

  pkp_index_k2  

Creative Commons License

Jurnal INSTEK (Informatika Sains dan Teknologi)

ISSN Print: 2541-1179 ISSN Online: 2581-1711

Jl. H. M. Yasin Limpo No. 36 Samata, Gowa, Sulawesi Selatan
Email: instek@uin-alauddin.ac.id

 View Instek Stats