Klasifikasi Risiko Infeksi pada Bayi Baru Lahir di Rumah Sakit Umum Daerah Sidoarjo Menggunakan Metode Classification Trees

Aulia Rahma Safitri, Sri Pingit Wulandari
Submission Date: 2016-01-22 13:03:41
Accepted Date: 2016-04-28 10:46:37

Abstract


Angka kematian bayi (AKB) merupakan salah satu indikator derajat kesehatan masyarakat yang dapat meng-ukur tingkat kesejahteraan masyarakat ataupun tingkat kemiskinan di Indonesia. AKB pada tahun 2012 sebesar 32 per 1.000 kelahiran hidup dan proporsi kematian neonatal terhadap kematian bayi meningkat menjadi 59,4%. Infeksi pada bayi baru lahir gejalanya kurang jelas dan seringkali tidak diketahui sampai keadaannya sudah sangat terlambat.Informasi tentang variabel yang paling berpengaruh terhadap risiko infeksi pada bayi akan membantu untuk menurunkan kasus infeksi. selain itu, karakteristik bayi baru lahir dapat diketahui guna membantu menetapkan status risiko infeksi, sehingga bayi dengan status positif risiko infeksi dapat diberikan perawatan intensif. Penelitian ini berguna untuk mengetahui hasil ketepatan klasifikasi yang sudah dilakukan oleh RSUD Sidoarjo dan juga untuk mengetahui variabel terpenting yang berguna untuk pengklasifikasian.Sebelum data digunakan dalam analisis Classification Trees, dilakukan pre-processing untuk mengatasi missing value, dengan menghilangkan data yang mengandung missing. Berdasarkan hasil analisis Classification Treesdengan aturan pemilihan pemilah indeks gini, diperoleh akurasi untuk data testing sebesar 93,5%, dengan persentase sensitivity dan specificity masing-masingsebesar 93,1% dan 93,9%. Faktor terpenting dalam klasifikasi risiko infeksi pada bayi baru lahir di RSUD Sidoarjo adalah kondisi sisa air ketuban.


Keywords


Akurasi;Angka Kematian Bayi;Classification Trees;Indeks Gini;Risiko Infeksi

References


Departemen Kesehatan Republik Indonesia, Laporan Nasional Riset Kesehatan Dasar Tahun 2007. Jakarta: Depkes RI (2008).

Badan Pusat Statistik Provinsi Jawa Timur, Laporan Eksekutif Kesehatan Provinsi Jawa Timur Tahun 2014. Surabaya: BPS Jatim (2014).

L. Breiman, J. H Friedman, R. A. Olshen, dan C. J. Stone, Classification and Regression Trees. New York: Chapman Hall (1993).

R. J. Lewis, “An Introduction to Classification and Regression Trees (CART) Analysis,” presented at the annual meeting of the Society for Academic Emergency Medicine, California. (2000).

I. H. Witten, E. Frank, dan M. A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed. United States: Morgan Kaufmann. (2011).

Kementrian Kesehatan RI, Buku Saku Pelayanan Kesehatan Neonatal Esensial. Jakarta: Kemenkes (2010).

WHO. National Neonatal-Perinatal Database Report. (2002).

WHO. International Classification of Disease. (2010).


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.