Diandra Hanan, Prabowo (2025) Analisis keakuratan 3 machine learning pada cardiotocography untuk klasifikasi kondisi janin (parameter kontraksi rahim dan tombol penanda). Skripsi thesis, Politeknik Kesehatan Kemenkes Surabaya.
![[thumbnail of 1. Cover.pdf]](http://repo.poltekkes-surabaya.ac.id/style/images/fileicons/text.png) |
Text
1. Cover.pdf Download (1MB) |
|
Text
2. Halaman Persetujuan Pembimbing.pdf Restricted to Repository staff only Download (403kB) |
|
Text
3. Halaman Pengesahan Penguji.pdf Restricted to Repository staff only Download (492kB) |
|
Text
4. Surat Pernyataan Orisinalitas.pdf Restricted to Repository staff only Download (1MB) |
|
Text
5. Abstrak.pdf Download (227kB) |
|
Text
6. Kata Pengantar.pdf Restricted to Repository staff only Download (139kB) |
|
Text
7. Daftar Isi.pdf Download (267kB) |
|
Text
8. Daftar Tabel.pdf Download (134kB) |
|
Text
9. Daftar Bagan.pdf Download (135kB) |
|
Text
10. Daftar Gambar.pdf Download (208kB) |
|
Text
11. Daftar Singkatan dan Simbol.pdf Download (179kB) |
|
Text
12. Daftar Lampiran.pdf Download (114kB) |
|
Text
13. Bab 1.pdf Restricted to Repository staff only Download (246kB) |
|
Text
14. Bab 2.pdf Restricted to Repository staff only Download (576kB) |
|
Text
15. Bab 3.pdf Restricted to Repository staff only Download (639kB) |
|
Text
16. Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
17. Bab 5.pdf Restricted to Repository staff only Download (656kB) |
|
Text
18. Bab 6.pdf Restricted to Repository staff only Download (220kB) |
|
Text
19. Daftar Pustaka.pdf Download (212kB) |
|
Text
20. Lampiran.pdf Restricted to Repository staff only Download (585kB) |
|
Text
21. Artikel.pdf Restricted to Repository staff only Download (565kB) |
Abstract
Cardiotocography (CTG) merupakan metode non-invasif yang digunakan untuk memantau kondisi janin dengan merekam denyut jantung janin dan kontraksi rahim selama kehamilan. Interpretasi CTG yang akurat sangat penting dalam mendeteksi dini tanda-tanda gangguan pada janin, tetapi dalam praktiknya sering kali masih bersifat subjektif dan bergantung pada pengalaman tenaga medis. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kondisi janin berbasis CTG dengan pendekatan algoritma machine learning, serta menganalisis dan membandingkan tingkat akurasi tiga algoritma: Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Random Forest (RF). Dataset yang digunakan berasal dari UCI Machine Learning Repository dan diproses melalui tahapan pra-pemrosesan, ekstraksi fitur, pelatihan model, serta validasi menggunakan metode k-fold cross-validation. Selain pengolahan perangkat lunak, penelitian ini juga mencakup pengembangan perangkat keras menggunakan sensor FlexiForce, ESP32, dan Raspberry Pi 3 untuk menangkap, memproses, dan menampilkan data CTG secara real-time pada monitor LCD 7 inci. Hasil menunjukkan bahwa algoritma Random Forest memberikan performa klasifikasi terbaik dengan akurasi 94,83%, serta presisi dan waktu prediksi yang unggul dibandingkan KNN dan SVM. Oleh karena itu, Random Forest direkomendasikan sebagai model yang paling efektif untuk mendukung sistem pengambilan keputusan dalam evaluasi kondisi janin, dengan potensi besar dalam meningkatkan akurasi diagnosis dan pelayanan kesehatan prenatal
| Item Type: | Thesis (Skripsi) |
|---|---|
| Contributors: | Contribution Contributor NIDN/NIDK UNSPECIFIED Endro, Yulianto nidn4017077601 UNSPECIFIED Triana, Rahmawati nidn4023068101 |
| Additional Information: | 11SKR20250037 |
| Uncontrolled Keywords: | cardiotocography, klasifikasi janin, machine learning, SVM, KNN, Random Forest. |
| Subjects: | R Medicine > Medical Electronics > Biomedical Engineering |
| Divisions: | Poltekkes Kemenkes Surabaya > Jurusan Teknologi Elektromedik > Program Studi Sarjana Terapan Teknologi Rekayasa Elektro-medis |
| Depositing User: | Shirly Qurrota Ainy |
| Date Deposited: | 16 Apr 2026 02:19 |
| Last Modified: | 16 Apr 2026 02:19 |
| URI: | http://repo.poltekkes-surabaya.ac.id/id/eprint/11736 |
Actions (login required)
 |
View Item |