Implementasi Metode Learning Vector Quantization (LVQ) untuk Klasifikasi Persalinan

Abstrak

Salah satu acuan untuk mengukur pelayanan kesehatan disuatu wilayah adalah bagaimana penanganan proses bersalin oleh tenaga medis. Dalam hal ini Angka Kematian Ibu (AKI) serta pada bayi adalah Angka Kematian Bayi (AKB) dianggap sebagai indikator penting dalam pelayanan kesehatan. Pelayanan antenatal care dilakukan sebagai upaya menghindari terjadi risiko komplikasi pada masa kehamilan dan calon ibu dengan menetukan tindakan yang harus diberikan pada ibu hamil dari data hasil pemeriksaan sehingga mampu menekan Angka Kematian Ibu (AKI) serta Angka Kematian Bayi (AKB). Jaringan LVQ merupakan, suatu pelatihan kompetitif dengan masing-masing output dihubungkan dalam suatu kelas tertentu. Dalam penelitian ini penulis mengimplementasikan pembelajaran LVQ untuk klasifikasi persalinan kedalam 2 kelas yaitu apakah persalinan normal atau berisiko. Dengan menggunakan data yang terkumpul pada data Asuhan Keperawatan (ASKEP) pemeriksaan fisik umum ibu hamil yang memuat informasi usia, ukuran panggul, letak posisi janin, ukuran tekanan darah, kadar sel hemoglobin(HB), hasil periksa psikologi calon ibu, Lingkar Lengan Atas (LILA), proteinurea dan Tafsiran Berat Janin (TBJ). Hasil analisis pengujian LVQ untuk klasifikasi persalinan dengan parameter learning rate ( ) = 0,1, konstanta pengurangan LR (c) = 0,1, minimum LR = 10^-7  dan maxEpoch/iterasi maksimum sebanyak 24 kali dengan perbandingan jumlah data latih dan data uji (64:16) adalah nilai akurasi 93,78 %.