OPTIMASI PENENTUAN PENANGANAN PERSALINAN SECTIO CAESAREA (SC) DENGAN METODE NEURAL NETWORK DAN PARTICLE SWARM OPTIMIZATION (PSO)

Abstract

Resiko persalinan sering muncul selama proses melahirkan. Resiko terburuk adalah kematian. Selama proses persalinan, penting untuk menghindari kematian ibu dan anak. Prediksi klinis berkembang dengan sangat cepat karena penggunaan ilmu komputer dan teknologi informasi dalam pengolahan data kesehatan dan obat. Prediksi klinik ini dapat dibuat dari data yang diolah dengan metode data mining. Model yang akan digunakan dalam penelitian yaitu Neural Network dan Particle Swarm Optimization (PSO). Penelitian ini adalah upaya Optimasi Penentuan Pananganan Persalinan Sectio Caesarea (SC) dengan eksperimen lanjutan untuk menghasilkan peningkatan akurasi dari penelitian sebelumnya 93, 75 % dengan hasil akurasi 95,83 % sehingga lebih tinggi 2,08 % dari penelitian sebelumnya dan nilai AUC pada kurva ROC sebesar 0,996 dengan kategori Excellent Classification.