REKOMENDASI KESEHATAN JANIN DENGAN PENERAPAN ALGORITMA C5.0 MENGGUNAKAN CLASSIFYING CARDIOTOCOGRAPHY DATASET

Abstract

Memiliki buah hati yang sehat tidak luput dari faktor kesehatan sang ibu dan kondisi janin di dalam rahim, sehingga butuh analisa terhadap kesehatan janin pada setiap ibu hamil.  Penelitian ini mengusulkan Algoritma C5.0 memanfaatkan dataset Cardiotocography terkait kondisi janin. Dataset Cardiotocography terdiri dari 2.126 record dengan, dimana setiap record memiliki 22 kolom atribut dan terdapat 3 kelas klasifikasi, yaitu; normal, suspect, dan pathological. Dengan menghitung entropy,  information gain,  split information, dan gain ratio, serta menggunakan confusion matrix sebagai perbandingan akurasi dari data yang diteliti. Kelompok record dibagi menjadi data training dan data testing dengan variasi 60%, 70%, 80%, dan 90% untuk data training dan dengan 40%, 30%, 20%, 10% untuk data testing. Hasil dari rekomendari pada variasi pembagian 90% data training dan  10% data testing menghasilkan akurasi sebesar 93,40% dengan jumlah aturan sebanyak 257. Sedangkan variasi 80% data training dan  20% data testing menghasilkan akurasi sebesar 91,29% dengan jumlah aturan sebanyak 239. Pada variasi 70% data training dan  30% data testing menghasilkan akurasi sebesar 88,23% dengan jumlah aturan sebanyak 220. Dan variasi pembagian terkecil 60% data training dan  40% data testing menghasilkan akurasi sebesar 88,12% dengan jumlah aturan sebanyak 204. Berdasarkan variasi tersebut, maka dapat disimpulkan semakin besarnya data training akan menyebabkan akurasi menjadi semakin baik dengan jumlah aturan-aturan yang dapat berguna untuk dijadikan sebagai sistem penunjang keputusan.