PENDIDIKAN
DOSEN : Prof. Dr. Ir. SYAFRUDDIN SYARIF, MT
PRODI : PASCA SARJANA MAGISTER KEBIDANAN
KELAS :A
OLEH :
SITTI NURJANNAH (P102211003)
MULIANA (P102211006)
TIRTA ROHMAWANTI (P102211008)
RINA SULISTHIA ARBIE (P102211015)
MIRA MARWATI (P102211019)
DESI HERIYANA (P102211023)
ABSTRAK
Hipertensi dalam kehamilan akan muncul dalam bentuk pre-eklampsia (PE) dan Eklampsia (E)
dan keduanya memberikan morbiditas dan mortalitas yang tinggi bagi ibu dan bayi. Tingkat
hipertensi dalam kehamilan adalah sekitar 5-15% dan merupakan salah satu dari 3 penyebab
kematian dan kesakitan ibu bersalin disamping dari infeksi dan pendarahan. Metode penelitian
yang digunakan adalah literatur review Pencarian Jurnal melalui dua database elektronik yaitu
Google Scholar dan Proquest dengan menggunakan boolean operator (AND). Hasil Peneltian
studi relevan yang menunjukkan sistem pakar dapat digunakan mendiagnosa hipertensi pada
kehamilan. Kesimpulan menunjukkan bahwa sistem pakar dapat digunakan mendiagnosa
hipertensi pada kehamilan dengan keakuratan diatas 70%.
Kata Kunci : Sistem Pakar, Hipertensi, Kehamilan
Robby Rizky, Naïve bayes Aplikasi ini memberikan solusi kepada pasien untuk
Susilawati, Zaenal mendapatkan informasi terkait penyakit hipertensi
Hakim, Lili Sujai(3) yang dideritanya tanpa harus mengantri.
Desta Yolanda, Certainty Dari 10 data rata-rata akurasi yang didapatkan adalah
Derisma, Dodon Factor sebesar 73,65%, akurasi tertinggin mencapai 98,46%
Yendri(4) dengan hasil diagnosa risiko pre hipertensi dan
akurasi tersendah sebesar 40% dengan hasil
diagnosa normal. Sehingga secara umum dapat
dikatakan sistem yang dirancang dapat bekerja
dengan baik.
Yusran timur samuel Naïve bayes Penggunaan naïve bayes untuk memprediksi
dan frengki simbolon(5) seseorang menderita penyakit hipertensi dapat
digunakan karena memiliki akurasi yang tinggi
sebesar 88%
Misrawati Aprilyana Naïve bayes Perhitungan sistem pakar ini dihitung berdasarkan
Puspa(6) dari proses basis aturan. Setelah melakukan
pengujian dari beberapa proses utama yang
menggunakan naïve bayes, maka secara umum
sistem telah bekerja dengan baik. Berdasarkan pada
pengujian yang telah dilakukan.
Emma R. Simarmata(7) Forward Sistem pakar diagnosa penyakit hipertensi ini telah
Chaining berhasil dibangun sehingga bisa menjadi suatu
media informasi, pengetahuan dan sarana deteksi
(berdasarkan gejala atau keluhan) bagi orang awan
dalam mendeteksi kondisi awal dari penyakit
hipertensi secara mandiri dengan bantuan teknologi.
Robby Rizky, Zaenal Naïve bayes Dapat mendiagnosis penyakit hipertensi pada ibu
Hakim(8) hamil Dapat menentukan presentasi penyakit
hipertensi secara akurat
Ari Muzakir, Rika Decision tree Setelah mendapatkan decision tree dan rules yang
Anisa Wulandari(9) dapat memprediksi penyakit hipertensi dalam
kehamilan, dilakukan evaluasi dengan supplied test
set menggunakan WEKA dihasilkan kesalahan
(error) 7,3% dan tingkat akurasi 92,7%.
Rawansyah, Vivin Ayu Fuzzy logic Hal ini dapat dibuktikan dengan hasil pengujian
Lestari, Anita Sari(13) keakurasian sistem dengan data sebanyak 416
sebesar 89,33%