KLASIFIKASI DATA BERAT BAYI LAHIR MENGGUNAKAN PROBABILISTIC NEURAL NETWORK DAN REGRESI LOGISTIK (Studi Kasus di Rumah Sakit Islam Sultan Agung Semarang Tahun 2014) SKRIPSI Disusun oleh: ERFAN SOFHA 24010211130060 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2015
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
KLASIFIKASI DATA BERAT BAYI LAHIR MENGGUNAKAN
PROBABILISTIC NEURAL NETWORK DAN REGRESI LOGISTIK
(Studi Kasus di Rumah Sakit Islam Sultan Agung Semarang Tahun 2014)
SKRIPSI
Disusun oleh:
ERFAN SOFHA
24010211130060
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
i
KLASIFIKASI DATA BERAT BAYI LAHIR MENGGUNAKAN
PROBABILISTIC NEURAL NETWORK DAN REGRESI LOGISTIK
(Studi Kasus di Rumah Sakit Islam Sultan Agung Semarang Tahun 2014)
ERFAN SOFHA
24010211130060
Skripsi
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar
Sarjana Statistika pada Jurusan Statistika
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
i
iii
iv
KATA PENGANTAR
Puji syukur ke hadirat Allah Tuhan Yang Maha Esa atas rahmat, hidayah
serta karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir ini yang
berjudul “Klasifikasi Data Berat Bayi Lahir Menggunakan Probabilistik Neural
Network dan Regresi Logistik (Studi Kasus di Rumah Sakit Islam Sultan Agung
Semarang Tahun 2014)”.
Penulis menyadari bahwa penulisan tugas akhir ini tidak akan berjalan
dengan baik tanpa adanya dukungan dan bantuan berbagai pihak. Oleh karena itu
pada kesempatan ini penulis ingin mengucapkan terima kasih kepada:
1. Ibu Dra. Hj. Dwi Ispriyanti, M.Si, selaku Ketua Jurusan Statistika Fakultas
Sains dan Matematika Universitas Diponegoro.
2. Bapak Hasbi Yasin, S.Si, M.Si selaku Dosen Pembimbing I dan Ibu Rita
Rahmawati S.Si, M.Si. selaku Dosen Pembimbing II.
3. Bapak Ibu Dosen Jurusan Statistika Fakultas Sains dan Matematika
Universitas Diponegoro.
4. Semua pihak yang tidak dapat penulis sebutkan satu-satu.
Penulis menyadari bahwa laporan ini jauh dari sempurna. Oleh karena itu,
penulis sangat mengharapkan kritik dan saran yang bersifat membangun dan
semoga tugas akhir ini dapat bermanfaat bagi semua pihak.
Semarang, Agustus 2015
Penulis
v
ABSTRAK
Berat Bayi Lahir (BBL) merupakan berat bayi yang ditimbang dalam satu jamsetelah lahir. Faktor-faktor yang mempengaruhi BBL antara lain umur ibu, lamagestasi, berat badan, tinggi badan, tekanan darah, hemoglobin dan paritas. Salah satukemungkinan bayi lahir adalah Berat Bayi Lahir Rendah (BBLR) (BBL < 2500gram). BBLR merupakan salah satu faktor penyebab kematian bayi. Penelitian inimenggunakan Probabilistic Neural Network (PNN) dan Regresi Logistik untukmengklasifikasi data berat bayi lahir di RSI Sultan Agung Semarang tahun 2014.Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi BBLmenggunakan regresi logistik serta mencari motode terbaik antara metode PNN danregresi logistik dalam mengklasifikasi data BBL. Hasil yang didapat yaitu, faktor-faktor yang berpengaruh terhadap BBL di RSI Sultan Agung Semarang adalahgestasi, berat badan dan hemoglobin. Ketepatan klasifikasi metode PNN pada datalatih sebesar 100%, lebih baik daripada metode regresi logistik yang hanya 88,2%,sementara pada data uji memiliki akurasi yang sama besar yaitu 86,67%.
Kata Kunci: BBL, BBLR, PNN, Regresi Logistik, Klasifikasi
vi
ABSTRACT
Birth Weight Infant (BWI) is the baby’s weight weighed in an hour afterbeing born. Factors that may influence the BWI such as maternal age, length ofgestation, body weight, height, blood pressure, hemoglobin and parity. Onepossibility of BWI is Low Birth Weight Infant (LBWI) (BWI < 2500 gram). LBWI isone of the causes of infant mortality. This study use the Probabilistic Neural Network(PNN) and Logistic Regression to classify the birth weight of infant in RSI SultanAgung Semarang along the year of 2014. This study’s aims are to know the factorsthat affect the BWI by using logistic regression and finally finding the best methodbetween PNN and logistic regression methods in classifying the BWI data. As aresult, gestation, body weight and hemoglobin are the factors that affect the BWI inRSI Sultan Agung Semarang. The accuracy of PNN classification method on trainingdata is 100%, which is better than the logistic regression method giving only about88,2%, while the testing data has the same great accuracy at 86,67%.