SAFITRI, AULIA RAHMA (2016) KLASIFIKASI RISIKO INFEKSI PADA BAYI BARU LAHIR DI RUMAH SAKIT UMUM DAERAH SIDOARJO MENGGUNAKAN METODE CLASSIFICATION TREES. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1312100066-Undergraduate_Theses.pdf - Published Version Download (2MB) | Preview |
Abstract
Angka kematian bayi (AKB) merupakan salah satu indikator
derajat kesehatan masyarakat yang dapat mengukur tingkat
kesejahteraan masyarakat ataupun tingkat kemiskinan di Indonesia.
AKB pada tahun 2012 sebesar 32 per 1.000 kelahiran hidup dan
proporsi kematian neonatal (bayi baru lahir) terhadap kematian
bayi meningkat menjadi 59,4%. Infeksi pada bayi baru lahir
gejalanya kurang jelas dan seringkali tidak diketahui sampai
keadaannya sudah sangat terlambat. Karakteristik bayi baru lahir
perlu diketahui untuk membantu menetapkan status risiko infeksi,
sehingga bayi dengan status positif risiko infeksi dapat diberikan
perawatan intensif dan beberapa antibiotik untuk melawan bakteri
atau kuman yang menyebabkan infeksi. Penelitian ini berguna untuk
mengetahui hasil ketepatan klasifikasi yang sudah dilakukan oleh
RSUD Sidoarjo dan juga untuk mengetahui variabel terpenting yang
berguna untuk pengklasifikasian. Berdasarkan hasil analisis
Classification Trees setelah dilakukan pre-processing dengan
menghapus data yang mengandung missing diperoleh akurasi untuk
data testing dengan aturan pemilihan pemilah indeks gini dan 10-
fold cross validation estimate untuk menentukan pohon optimal
sebesar 93,5%, dengan persentase sensitivity dan specificity masingmasing
sebesar 93,1% dan 93,9%. Faktor terpenting dalam
klasifikasi risiko infeksi pada bayi baru lahir di RSUD Sidoarjo
adalah kondisi sisa air ketuban.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Akurasi, Angka Kematian Bayi, Classification Trees, Indeks Gini, Risiko Infeksi, Accuracy, Classification Trees, Gini Index, Infant Mortality Rate, Infection Risk |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | - Davi Wah |
| Date Deposited: | 23 Dec 2016 07:10 |
| Last Modified: | 27 Dec 2018 06:55 |
| URI: | http://repository.its.ac.id/id/eprint/1194 |
Actions (login required)
 |
View Item |