Ensemble Tree untuk Memprediksi Level Resiko Maternal Mortality di Bangladesh
PROSIDING SEMINAR NASIONAL SAINS DATA · 2022
DOI: 10.33005/senada.v2i1.36 ↗Kurz gefasst
Fachartikel in der Zeitschrift PROSIDING SEMINAR NASIONAL SAINS DATA, 2022. Verfasst von Aviolla Terza Damaliana und 2 weiteren Autor:innen.
Abstract (Originalsprache)
Komplikasi kehamilan banyak terjadi di negara yang berkembang. Menurut WHO, Lebih dari 99% wanita meninggal setiap harinya pada negara berpenghasilan rendah dan menengah dikarenakan adanya kehamilan dan komplikasi kelahiran. Salah satu negara yang memiliki rata-rata penduduk berpenghasilan rendah dan menengah adalah Bangladesh. Salah satu cara untuk memantau Kesehatan ibu dan janin adalah dengan mengetahui faktor resiko terjadinya maternal mortality yang selanjutnya digunakan untuk memprediksi tingkat resikonya. Berdasarkan hal itu tingkat resiko terjadinya Maternal Mortality perlu diteliti lebih lanjut. Pada penelitian ini menggunakan pendekatan Machine Learning dengan metode ensemble Tree untuk memprediksi tingkat resikonya. Metode yang digunakan antara lain Random Forest, Bagging Decision Tree, Adaptive Booster, GBM, dan XGBoost. Untuk mendapatkan metode terbaik, model dievaluasi menggunakan accuracy, precision, dan recall. Selanjutnya ke-empat metode tersebut dibandingkan, hasilnya adalah metode Random Forest memiliki nilai accuracy tertinggi yaitu sebesar 86,03% dengan atribut paling penting yang mempengaruhi prediksi yaitu Gula Darah.
Zitieren
APA
Damaliana, A. T., Trimono, T., & Prasetya, D. A. (2022). Ensemble Tree untuk Memprediksi Level Resiko Maternal Mortality di Bangladesh. PROSIDING SEMINAR NASIONAL SAINS DATA. https://doi.org/10.33005/senada.v2i1.36
Vancouver
Damaliana AT, Trimono T, Prasetya DA. Ensemble Tree untuk Memprediksi Level Resiko Maternal Mortality di Bangladesh. PROSIDING SEMINAR NASIONAL SAINS DATA. 2022. doi:10.33005/senada.v2i1.36
BibTeX
@article{Damaliana2022,
author = {Damaliana, Aviolla Terza and Trimono, Trimono and Prasetya, Dwi Arman},
title = {Ensemble Tree untuk Memprediksi Level Resiko Maternal Mortality di Bangladesh},
journal = {PROSIDING SEMINAR NASIONAL SAINS DATA},
year = {2022},
doi = {10.33005/senada.v2i1.36}
}
EUVIMED