ISRUEL SYAH UTAMA, - (2025) KLASIFIKASI KONDISI JANIN BERDASARKAN DATA KARDIOTOGRAM MENGGUNAKAN ALGORITMA NAÏVE BAYES. Bulletin of Computer Science Research, 5 (4). ISSN ISSN 2774-3659 (Media Online)

Preview	Text (JURNAL ARTIKEL) ISRUEL SYAH UTAMA NIM. 11850114441 - ISRUEL SYAH UTAMA TEKNIK INFORMATIKA.pdf - Published Version Download (1MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) Surat Pernyataan Publikasi - ISRUEL SYAH UTAMA TEKNIK INFORMATIKA.pdf - Published Version Download (359kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) PUBLIKASI JURUSAN - ISRUEL SYAH UTAMA TEKNIK INFORMATIKA.pdf - Published Version Download (154kB) | Preview

Abstract

Kesehatan janin selama kehamilan merupakan aspek krusial yang dapat dipantau melalui data kardiotokogram (KTG), namun interpretasi manual terhadap data ini sering mengalami kendala akibat ketidakseimbangan distribusi kelas. Penelitian ini bertujuan untuk membangun model klasifikasi kondisi janin menggunakan algoritma Naive Bayes yang dikombinasikan dengan teknik Synthetic Minority Over-sampling Technique (SMOTE) guna mengatasi ketimpangan jumlah data antar kelas. Data KTG yang digunakan diperoleh dari situs Kaggle, terdiri atas 2.126 data dengan tiga kelas target: Normal, Suspect, dan Pathological. Proses pengolahan data dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup seleksi data, pembersihan, normalisasi, pembagian data dalam empat rasio (70:30, 80:20, 85:15, dan 90:10), penerapan SMOTE, serta evaluasi model menggunakan metrik akurasi dan F1-Macro. Hasil penelitian menunjukkan bahwa rasio 80:20 menghasilkan akurasi tertinggi sebesar 79,81%, sedangkan rasio 90:10 memberikan nilai F1-Macro tertinggi sebesar 0,6788. Temuan ini menunjukkan bahwa meskipun akurasi relatif stabil, F1-Macro memberikan gambaran performa yang lebih seimbang antar kelas, khususnya pada kelas minoritas. Penerapan SMOTE terbukti efektif dalam memperbaiki distribusi kelas dan meningkatkan sensitivitas model. Penelitian ini menjadi dasar awal dalam pengembangan sistem klasifikasi kondisi janin yang lebih andal dan adaptif, serta membuka peluang eksplorasi lebih lanjut terhadap algoritma pembanding dan parameter SMOTE.

Actions (login required)

View Item