Klasifikasi Kejadian Berat Bayi Lahir Rendah Menggunakan Metode K-Nearest Neighbor (Studi Kasus Puskesmas Silo II Kabupaten Jember)

Faiz Robbani; Mudafiq Riyan Pratama; Ervina Rachmawati; Mochammad Choirur Roziqin

doi:10.47134/phms.v2i4.754

Authors

Faiz Robbani Politeknik Negeri Jember
Mudafiq Riyan Pratama Politeknik Negeri Jember
Ervina Rachmawati Politeknik Negeri Jember
Mochammad Choirur Roziqin Mochammad Choirur Roziqin

DOI:

https://doi.org/10.47134/phms.v2i4.754

Keywords:

BBLR, Kematian Neonatal, Kinerja, KNN

Abstract

Tingginya angka kematian neonatal (AKN) di Indonesia dipengaruhi oleh kasus berat badan lahir rendah (BBLR), yang menjadi penyebab utama kematian neonatal, terutama di Kabupaten Jember, Jawa Timur, pada 2020–2022. Kondisi ini berisiko menghambat pencapaian target SDGs 2030 untuk menurunkan AKN. Penelitian ini bertujuan melakukan klasifikasi kejadian BBLR menggunakan metode K-Nearest Neighbor (K-NN). Data berasal dari riwayat pemeriksaan kehamilan di Puskesmas Silo II, Kabupaten Jember, dengan 1341 data kotor, dan 705 data yang digunakan setelah preprocessing, melibatkan 15 variabel. Pengujian akurasi metode K-NN dilakukan menggunakan confusion matrix dan nilai AUC ROC. Data risiko kejadian BBLR mencakup usia ibu, status kelahiran, berat bayi lahir, dan faktor lainnya. Hasil penelitian menunjukkan bahwa model terbaik dalam klasifikasi kejadian BBLR dengan metode K-NN menggunakan perbandingan rasio data uji dan data latih 90:10 dengan type shuffled sampling dan nilai K=45 mencapai akurasi 92.86% dan nilai AUC ROC sebesar 0.834, yang tergolong baik. Saran untuk penelitian selanjutnya diharapkan memperhatikan keseimbangan data dengan metode penanganan data imbalanced, yang sering terjadi pada kasus data mining di bidang kesehatan. Hasil penelitian ini juga diharapkan dapat dikembangkan menjadi sistem deteksi dini BBLR untuk mendukung Indonesia mencapai SDGs.

References

[1] Kementerian Kesehatan Republik Indonesia, Keputusan Menteri Kesehatan Republik Indonesia Nomor HK.01.07/MENKES/312/2020 tentang Standar Profesi Perekam Medis dan Informasi Kesehatan. Jakarta, Indonesia, 2020.

[2] Kementerian Kesehatan Republik Indonesia, Peraturan Menteri Kesehatan Republik Indonesia Nomor 55 Tahun 2013 tentang Penyelenggaraan Pekerjaan Perekam Medis. Jakarta, Indonesia, 2013.

[3] Kementerian Kesehatan Republik Indonesia, Peraturan Menteri Kesehatan Republik Indonesia Nomor 25 Tahun 2014 tentang Upaya Kesehatan Anak. Jakarta, Indonesia, 2014.

[4] P. R. Sihombing and I. F. Yuliati, "Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia," MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, pp. 417–426, 2021, doi: 10.30812/matrik.v20i2.1174.

[5] I. Setiawati and A. A. Lase, "Hubungan Berat Badan Lahir dengan Ruptur Perineum Persalinan Normal di Puskesmas Sawo Kecamatan Sawo Kabupaten Nias Utara," Jurnal Mutiara Kebidanan, vol. 8, no. 2, pp. 59–64, 2022.

[6] S. Nurkholivah and Y. Fatmawati, "Faktor Internal Ibu yang Berhubungan dengan Kejadian Berat Badan Lahir Rendah di RSUD dr. R. Soetrasno Rembang," Jurnal Keperawatan dan Kesehatan Masyarakat Cendekia Utama, vol. 12, no. 3, pp. 235–247, 2023, doi: 10.31596/jcu.v12i3.1276.

[7] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2020. Surabaya, Indonesia, 2021.

[8] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2021. Surabaya, Indonesia, 2022.

[9] Dinas Kesehatan Provinsi Jawa Timur, Profil Kesehatan Provinsi Jawa Timur Tahun 2022. Surabaya, Indonesia, 2023.

[10] Dinas Kesehatan Kabupaten Jember, Profil Kesehatan Kabupaten Jember Tahun 2020. Jember, Indonesia, 2021.

[11] Dinas Kesehatan Kabupaten Jember, Profil Kesehatan Kabupaten Jember Tahun 2021. Jember, Indonesia, 2022.

[12] Dinas Kesehatan Kabupaten Jember, Profil Kesehatan Kabupaten Jember Tahun 2022. Jember, Indonesia, 2023.

[13] M. A. R. Sirait, D. Saripurna, and P. S. Ramadhan, "Sistem Pakar Mendiagnosa Penyakit Grandemultipara Menggunakan Metode Algoritma K-Nearest Neighbour," Jurnal CyberTech, vol. 2, no. 1, pp. 31–41, 2019.

[14] A. S. P. Anugerah, I. Indriati, and C. Dewi, "Implementasi Algoritme Fuzzy K-Nearest Neighbor untuk Penentuan Lulus Tepat Waktu (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya)," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 4, pp. 1726–1732, 2018.

[15] A. Yudhana, S. Sunardi, and A. J. S. Hartanta, "Algoritma K-NN dengan Euclidean Distance untuk Prediksi Hasil Penggergajian Kayu Sengon," Transmisi: Jurnal Ilmiah Teknik Elektro, vol. 22, no. 4, pp. 123–129, 2020, doi: 10.14710/transmisi.22.4.123-129.

[16] D. Aprilla, D. A. Baskoro, L. Ambarwati, and I. W. S. Wicaksana, Belajar Data Mining dengan RapidMiner. Jakarta, Indonesia: Gramedia Pustaka Utama, 2013.

[17] D. Fenny, "Analisis Perbandingan Cosine Normalization dan Min-Max Normalization pada Pengelompokan Terjemahan Ayat Al-Quran Menggunakan Algoritma K-Means Clustering," Bachelor's thesis, Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta, Jakarta, Indonesia, 2019.

[18] P. A. Jusia, "Analisis Komparasi Pemodelan Algoritma Decision Tree Menggunakan Metode Particle Swarm Optimization dan Metode AdaBoost untuk Prediksi Awal Penyakit Jantung," in Proc. Seminar Nasional Sistem Informasi (SENASIF), vol. 2, pp. 1048–1056, 2018.

[19] K. Kristiawan and A. Widjaja, "Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel," Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, 2021, doi: 10.28932/jutisi.v7i1.3313.

[20] P. Romadloni, B. A. Kusuma, and W. M. Baihaqi, "Komparasi Metode Pembelajaran Mesin untuk Implementasi Pengambilan Keputusan dalam Menentukan Promosi Jabatan Karyawan," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 6, no. 2, pp. 622–628, 2022, doi: 10.36040/jati.v6i2.5708.

[21] A. N. M. A. Muslim, B. Prasetiyo, E. L. H. Mawarni, A. J. Herowati, Mirqotussa'adah, and S. H. Rukmana, Data Mining Algoritma C4.5 Disertai Contoh Kasus dan Penerapannya dengan Program Komputer. Semarang, Indonesia: Universitas Negeri Semarang Press, 2019.

[22] S. Clara, D. L. Prianto, R. Al Habsi, E. F. Lumbantobing, and N. Chamidah, "Implementasi Seleksi Fitur pada Algoritma Klasifikasi Machine Learning untuk Prediksi Penghasilan pada Adult Income Dataset," in Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, vol. 2, no. 1, pp. 741–747, 2021.

[23] T. Triana, E. Utami, and A. D. Hartanto, "Implementasi Algoritma K-Nearest Neighbor pada Aplikasi Deteksi Risiko Tinggi pada Kehamilan," Infokes: Jurnal Ilmiah Rekam Medis dan Informatika Kesehatan, vol. 13, no. 2, pp. 64–71, 2023, doi: 10.47701/infokes.v13i2.3456.

[24] M. R. Hunafa and A. Hermawan, "Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbor pada Imbalance Class Dataset Penyakit Diabetes," KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 3, pp. 1551–1561, 2023, doi: 10.30865/klik.v4i3.1628.

[25] A. M. Argina, "Penerapan Metode Klasifikasi K-Nearest Neighbor pada Dataset Penderita Penyakit Diabetes," Indonesian Journal of Data and Science, vol. 1, no. 2, pp. 29–33, 2020, doi: 10.33096/ijodas.v1i2.11.