Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil

Rafiqi Aidil Fitra ; Wahyu Abadi Harahap ; Wahyu Kurnia Rahman
Student Research Journal 📅 2023 Vol 1, No 6 🔗 DOI: 10.55606/srjyappi.v1i6.846
Abstract
This research aims to conduct a comparative analysis of machine learning algorithms for classifying the risk levels of maternal health. With a focus on the significance of identifying and classifying health risks for pregnant women, this study applies supervised learning methods employing Naïve Bayes, Decision Tree, and K-Nearest Neighbors algorithms. Utilizing the "Maternal Health Risk" dataset from UCI Machine Learning, the research is conducted on Google Colaboratory using Python. The results indicate that the Decision Tree algorithm achieves the highest accuracy rate at 90%, surpassing K-Nearest Neighbors (86%) and Naïve Bayes (65%). Consequently, Decision Tree emerges as the preferred choice for predicting maternal health risks, offering the potential for enhanced care and monitoring.
Keywords
Classification; Maternal Health Risk; Decision Tree; Naïve Bayes; K-Nearest Neighbors (KNN)
How to Cite

Rafiqi Aidil Fitra, et al. (2023). Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil. Student Research Journal, 1(6). https://doi.org/10.55606/srjyappi.v1i6.846

Rafiqi Aidil Fitra; Wahyu Abadi Harahap ; Wahyu Kurnia Rahman, "Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil," Student Research Journal, vol. 1, no. 6, 2023.

Rafiqi Aidil Fitra; Wahyu Abadi Harahap ; Wahyu Kurnia Rahman. "Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil." Student Research Journal, vol. 1, no. 6, 2023.

Rafiqi Aidil Fitra; Wahyu Abadi Harahap ; Wahyu Kurnia Rahman. "Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil." Student Research Journal 1, no. 6 (2023).

Rafiqi Aidil Fitra, et al. (2023) 'Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil', Student Research Journal, 1(6). doi: 10.55606/srjyappi.v1i6.846.

Rafiqi Aidil Fitra; Wahyu Abadi Harahap ; Wahyu Kurnia Rahman. Analisis Perbandingan Algoritma Machine Learning untuk Klasifikasi Tingkat Risiko Ibu Hamil. Student Research Journal. 2023;1(6).

Artikel Terkait

Budidaya Kappaphycus striatum dari Hasil Pembibitan Bersama Makroalga Coklat (Sargassum SP) dalam Keramba Jaring Apung di Pulau Semau Kabupaten Kupang

Safronius Avatorio Peol; Welem L. Turupadang; Yulianus Linggi

Penerapan Model Pembelajaran Teknik Two Stay Two Stray dalam Meningkatkan Ketrampilan Berbicara tentang Berita Kelas VIIIA SMPN Satu Atap Kujiratu

Marlyani Gewe; Labu Djuli; Semuel Hajai Nitbani

Efektivitas Program Pengobatan Gratis Menggunakan KTP di Puskesmas Wedomu Kabupaten Belu

Joseph I. R. C Nenot’ek; Anzu Anjani Manimabi; Yanuarius Andelets Taloim; Melki Tamonob; Aldi Imanuel Tualaka; Christina Chindy Tatuin; Dewanry Putra Nakmofa; Margaretha Ignatin Subani; Maria M. Lino; Ernestus Holivil

Efektivitas Pelaksanaan Fungsi Pengawasan Keimigrasian Terhadap Pelanggaran Izin Tinggal Overstay di Kantor Imigrasi Kelas 1 TPI Kupang

Tri Melani Gultom; Umbu Lily Pekuwali; Stefanus Kurniadi Janggur

Efektivitas Program Pelayanan Jemput Bola dalam Meningkatkan Kepemilikan Akta Kelahiran pada Dinas Kependudukan dan Pencatatan Sipil Kabupaten Timor Tengah Utara

Yosephine Agustin Helly; Ajis Salim Adang Djaha; Rouwland Alberto Benyamin; Petrus Kase

Living Hadis dalam Konteks Sosial-Budaya

Ulzana Nurlian Nawa; Nawir Yuslem; Ardiansyah Ardiansyah
Tren Sitasi Jurnal