Penerapan Probabilistic Neural Network pada Klasifikasi Berat Bayi Baru Lahir

Abstract

Abstract. Based on the Government Agency Performance Report of the Banjar City Health Office in 2018, there were 32 cases of Infant Mortality Rate (IMR) with the main causes being Low Birth Weight (LBW) of 56%, Asphyxia of 30%, and congenital defects of 14 %. Infant mortality due to LBW has a 4 times greater risk compared to babies born weighing more than 2500 grams. If the possibility of giving birth to LBW can be done early, then the incidence of LBW can be minimized. Probabilistic Neural Network (PNN) is an algorithm that uses a probability function. PNN is often used in classification because it can map each input pattern to the optimal number of classifications, is faster, and more accurate than other neural network models. The data used in this study is the medical record data of patients giving birth in 2020 at the Banjar City Regional General Hospital. The response variable in this study was the classification of birth weight, while the predictor variables in this study were maternal age, systolic blood pressure, diastolic blood pressure, maternal weight, maternal height, maternal hemoglobin, parity and gestational duration. The result of this research is the accuracy of 95% with the proportion of training and testing data distribution is 80:20. The results of the PNN classification on 20 test data, namely there were 17 infants classified into class 1 (normal birth weight) and 3 infants classified into class 2 (low birth weight).

Abstrak. Berdasarkan Laporan Kinerja Instansi Pemerintah (LKIP) Dinas Kesehatan Kota Banjar tahun 2018, terdapat sebanyak 32 kasus Angka Kematian Bayi (AKB) dengan penyebab utama yaitu Bayi Berat Lahir Rendah (BBLR) sebesar 56%, Asfiksia sebesar 30%, serta cacat bawaan sebesar 14%. Kematian bayi karena BBLR memiliki risiko 4 kali lebih besar dibandingkan dengan bayi lahir dengan berat lebih dari 2500 gram. Apabila kemungkinan ibu melahirkan BBLR dapat dilakukan lebih awal, maka kejadian BBLR dapat diminimalisir. Probabilistic Neural Network (PNN) adalah salah satu algoritma yang menggunakan fungsi peluang. PNN sering digunakan dalam klasifikasi karena dapat memetakan setiap pola input ke jumlah klasifikasi yang optimal, lebih cepat, dan lebih akurat dibandingkan model jaringan saraf lainnya. Data yang digunakan dalam penelitian ini yaitu data rekam medis pasien ibu melahirkan pada tahun 2020 di Rumah Sakit Umum Daerah Kota Banjar. Variabel respon pada penelitian ini yaitu klasifikasi berat bayi lahir sedangkan variabel prediktor dari penelitian ini yaitu usia ibu, tekanan darah sistol, tekanan darah diastol, berat badan ibu, tinggi badan ibu, hemoglobin ibu, paritas dan lama gestasi. Hasil dari penelitian ini yaitu didapat ketepatan akurasi sebesar 95% dengan proporsi pembagaian data training dan testing sebesar 80:20. Hasil klasifikasi PNN pada 20 data uji yaitu terdapat sebanyak 17 bayi yang diklasifikasikan ke dalam kelas 1 (berat bayi lahir normal) dan  diklasifikasikan ke dalam kelas 2 (berat bayi lahir rendah).