SKRIPSI NOVRI ANDRE (F1F016016) Revisi Setelah Sidang
SKRIPSI NOVRI ANDRE (F1F016016) Revisi Setelah Sidang
NOVRI ANDRE
F1F016016
UNIVERSITAS BENGKULU
2021
SKRIPSI
NOVRI ANDRE
F1F016016
UNIVERSITAS BENGKULU
2021
ii
iii
MOTTO DAN PERSEMBAHAN
Motto:
“Apabila kamu telah selesai (dari suatu urusan), maka kerjakanlah dengan
sungguh-sungguh (urusan) yang lain” (Q.S Al-Insyirah 7)
Persembahan:
2. Kakakku dan suami (Nilva Yurita dan Fuad Syazali Lubis), kepada
Abangku dan Istri (Defri Akbar dan Risky Tri Mentari), yang telah
memberikan semangat, motivasi dan dukunganya.
3. Ibu Dian Agustina, S.Si., M.Sc. selaku Ketua Prodi Statistika Universitas
Bengkulu dan Dosen Pembimbing Utama, Bapak Prof. Ir. Sigit Nugroho,
M.Sc., Ph.D selaku Dosen Pembimbing Pendamping, Ibu Dyah Setyo Rini,
S.Si., M.Si. selaku Dosen Penguji I, Ibu Herlin Fransiska, S.Si., M.Si.
selaku dosen Penguji II. Ibu Winalia Agwil, S.Si., M.Si selaku Pembimbing
Akademik. Terimakasih telah memberikan waktu, bimbingan, arahan, ilmu
dan saran sehingga penulis dapat menyelesaikan skripsi ini dengan baik.
4. Semua Bapak Ibu dosen serta staf dan karyawan di Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Bengkulu.
iv
PERNYATAAN KEASLIAN TULISAN
NPM : F1F016016
Fakultas : MIPA
Menyatakan dengan sesungguhnya bahwa skripsi ini disusun sebagai syarat untuk
memperoleh gelar Sarjana Statistika (S.Stat) dari Program Studi Statistika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Bengkulu seluruhnya
merupakan hasil karya sendiri.
Bagian tertentu dalam penulisan skripsi ini dikutip dari hasil karya orang lain yang
telah dicantumkan sumbernya secara jelas sesuai norma, etika, dan kaidah
penulisan ilmiah.
Apabila dikemudian hari ditemukan seluruh atau sebagian skripsi ini adanya
plagiat dalam bagian-bagian tertentu, saya bersedia menerima sanksi sesuai dengan
perundangan yang berlaku.
Novri Andre
v
ABSTRAK
Oleh:
NOVRI ANDRE
F1F016016
vi
ABSTRACT
(Case Study: Pregnant Women in Ratu Agung Public Health Center, Bengkulu City)
NOVRI ANDRE
F1F016016
vii
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis curahkan kepada Allah SWT
yang telah memberikan limpahan rahmat dan karunia-Nya sehingga penulis dapat
dukungan, serta bimbingan dari berbagai pihak. Oleh karena itu, dalam
1. Ibu Dian Agustina, S.Si., M.Sc. selaku Dosen Pembimbing Utama yang
2. Bapak Prof. Ir. Sigit Nugroho, M.Sc., Ph.D. selaku Dosen Pembimbing
baik.
3. Ibu Dyah Setyo Rini, S.Si., M.Sc. selaku Dosen Penguji I yang telah
viii
4. Ibu Herlin Fransiska, S.Si., M.Si. selaku Dosen Penguji II yang telah
5. Ibu Winalia Agwil, S.Si., M.Si. selaku Dosen Pembimbing Akademik yang
Universitas Bengkulu.
8. Semua pihak yang ikut serta membantu dalam penyelesaian skripsi ini.
dan kesalahan. Oleh karena itu, kritik dan saran yang membangun sangat penulis
harapkan demi kesempurnaan skripsi ini. Penulis berharap semoga skripsi ini dapat
Novri Andre
ix
DAFTAR ISI
JUDUL
SKRIPSI....................................................................................................................i
MOTTO DAN PERSEMBAHAN.........................................................................iv
PERNYATAAN KEASLIAN TULISAN..............................................................v
ABSTRAK...............................................................................................................vi
ABSTRACT...........................................................................................................vii
KATA PENGANTAR..........................................................................................viii
DAFTAR ISI............................................................................................................x
DAFTAR TABEL................................................................................................xiii
DAFTAR GAMBAR.............................................................................................xv
DAFTAR SIMBOL..............................................................................................xvi
DAFTAR LAMPIRAN.......................................................................................xvii
BAB I PENDAHULUAN......................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Rumusan Masalah.....................................................................................4
1.3 Tujuan Penelitian......................................................................................4
1.4 Manfaat Penelitian....................................................................................4
1.5 Batasan Masalah.......................................................................................5
1.6 Sistematika Penulisan...............................................................................5
BAB II TINJAUAN PUSTAKA............................................................................7
2.1 Statistika Deskriptif..................................................................................7
2.2 Data Mining...............................................................................................7
2.3 Klasifikasi...................................................................................................8
2.4 Pohon Keputusan (Decision Tree)..........................................................11
2.5 CHAID (Chi-Squared Automatic Interaction Detection)......................12
2.5.1 Definisi CHAID............................................................................12
2.5.2 Variabel dalam analisis CHAID....................................................13
x
2.5.3 Uji Chi-Square..............................................................................14
2.5.4 Koreksi Bonferroni (Bonferroni Correction)................................16
2.5.5 Tahapan Klasifikasi CHAID.........................................................17
2.5.6 Kunggulan CHAID........................................................................19
2.6 CART (Classification and Regression Trees).........................................20
2.6.1 Definisi CART..............................................................................20
2.6.2 Tahapan Klasifikasi CART...........................................................20
2.6.3 Keunggulan CART........................................................................21
2.7 Perbandingan Metode CHAID dan CART...........................................22
2.8 Preeklampsia...........................................................................................22
2.9 Faktor-Faktor Penyebab Preeklampsia................................................24
2.9.1 Umur/ Usia ibu..............................................................................24
2.9.2 Paritas............................................................................................24
2.9.3 Status Pekerjaan............................................................................25
2.9.4 Riwayat Penyakit...........................................................................25
2.9.5 Riwayat Konseling........................................................................25
2.9.6 Pendidikan Ibu...............................................................................25
2.9.7 Anemia..........................................................................................26
2.9.8 Jarak Kehamilan............................................................................26
2.9.9 Obesitas.........................................................................................27
2.10Penelitian Sebelumnya............................................................................27
BAB IIIMETODE PENELITIAN.......................................................................36
3.1 Jenis dan Sumber Data...........................................................................36
3.2 Waktu Penelitian.....................................................................................36
3.3 Varabel Penelitian...................................................................................36
3.4 Diagram Alur Penelitian.........................................................................38
BAB IV HASIL DAN PEMBAHASAN...............................................................39
4.1 Karakteristik Data..................................................................................39
4.1.1 Umur Ibu.......................................................................................39
4.1.2 Paritas............................................................................................40
4.1.3 Status Pekerjaan............................................................................40
xi
4.1.4 Riwayat penyakit...........................................................................41
4.1.5 Riwayat konseling.........................................................................41
4.1.6 Pendidikan ibu...............................................................................42
4.1.7 Anemia..........................................................................................42
4.1.8 Jarak kehamilan.............................................................................43
4.1.9 Obesitas.........................................................................................43
4.2 Analisis CHAID.......................................................................................44
4.3 Analisis CART.........................................................................................54
4.4 Perbandingan CHAID dan CART........................................................63
BAB V KESIMPULAN DAN SARAN...............................................................65
5.1 Kesimpulan..............................................................................................65
5.2 Saran.........................................................................................................66
DAFTAR PUSTAKA..........................................................................................xvii
LAMPIRAN..........................................................................................................xxi
xii
DAFTAR TABEL
xiii
Tabel 4.22 Nilai Impuritas Iterasi (3)......................................................................58
Tabel 4.23 Nilai Impuritas Iterasi (4)......................................................................58
Tabel 4.24 Nilai Impuritas Iterasi (5)......................................................................58
Tabel 4.25 Segmen Ibu Hamil Dengan Cart...........................................................61
Tabel 4.26 Persentase Segmen Klasifikasi Dengan Cart........................................62
Tabel 4.27 Keakuratan Klasifikasi Cart..................................................................63
Tabel 4.28 Perbandingam Chaid Dan Cart..............................................................64
xiv
DAFTAR GAMBAR
xv
DAFTAR SIMBOL
X :Variabel Independen
Y :Variabel Dependen
Eij :Nilai harapan pengamatan pada baris ke-i dan kolom ke- j
M :Pengali Bonferroni
xvi
DAFTAR LAMPIRAN
xvii
BAB I
PENDAHULUAN
Kesejahteraan suatu negara dipengaruhi oleh kesehatan ibu dan anak, yang
meningkatnya kesadaran, kemauan dan kemampuan hidup sehat bagi setiap orang.
yang diakibatkan langsung oleh kehamilan dan persalinannya, dan penyebab tidak
langsung merupakan kematian yang terjadi pada ibu hamil yang disebabkan oleh
Menurut World Health Organization (WHO), AKI di dunia pada tahun 2019
adalah 261 per 100.000 kelahiran hidup atau diperkirakan jumlah kematian ibu
yaitu sebesar 94%. Untuk itu, WHO menerapkan agenda Millenium Developments
Goals (MDGs) yang hendak dicapai oleh seluruh negara di dunia, yaitu
menurunkan AKI didunia. Setelah berakhirnya MDGs pada tahun 2015 agenda
dari 70 per 100.000 kelahiran hingga kurun waktu 2030 (WHO, 2019).
Di Indonesia AKI tiap tahun terus meningkat, pada tahun 2019 dari 100%
kematian ibu dalam bidang obstetri, yaitu pendarahan sebanyak 27,03%, infeksi
33,07%.
darah (hipertensi) dan kandungan protein yang tinggi didalam urin (proteinuria)
kondisi dimana protein dalam urin manusia yang melebihi nilai normal yaitu lebih
dari 150 mg/hari atau pada anak-anak lebih dari 140 mg/m2 (Bawazier, 2006).
Menurut data laporan Dinas Kesehatan Provinsi Bengkulu tahun 2019, AKI di
Provinsi bengkulu masih tergolong tinggi yakni 162 per 100 ribu kelahiran hidup
dan masih diatas rata-rata nasional yaitu 132 per 100 ribu kelahiran. Pada tahun
2019 secara absolut jumlah kematian ibu yakni sebanyak 35 kasus, 75%
merupakan salah satu puskesmas yang memiliki wilayah kerja yang cukup luas dan
2
berada disekitar salah satu universitas yang ada di Provinsi Bengkulu. Berdasarkan
data yang diperoleh dari Puskesmas Ratu Agung pada tahun 2018 terdapat kasus
preeklamsia sebanyak 47 kasus dari 210 ibu bersalin. Pada tahun 2019 terdapat
metode CHAID dan CART. Metode CHAID dan CART merupakan salah satu
metode klasifikasi. Kedua metode ini akan menghasilkan pohon keputusan yang
pada Ibu hamil dapat diidentifikasi dan diturunkan sehingga akan berdampak pula
pernah dilakukan sebelumnya oleh Reny pada tahun 2019 dengan metode CHAID
CHAID adalah sebesar 67% sedangkan pada CART sebesar 74%. Penelitian
Khalfia pada tahun 2019 menyimpulkan bahwa penerapan metode CHAID pada
klasifikasi status kerja di Kabupaten Brebes dipengaruhi oleh faktor umur, status
3
tingkatan. Hasil pengujian akurasi yang diperoleh sebesar 83.51%. Sedangkan
sebagai berikut:
1. Variabel apa saja yang mempengaruhi terjadinya preeklampsia pada Ibu hamil
dan CART?
analisis CHAID dan CART di wilayah kerja Puskesmas Ratu Agung serta
1. Bagi penulis
preeklampsia.
4
b. Mengetahui hasil klasifikasi dan perbandingan dari metode CHAID dan
CART.
2. Bagi pembaca
b. Jenis data yang digunakan pada penelitian ini berupa format .xlsx dan .csv
BAB I PENDAHULUAN
Bab ini merupakan bab yang memuat latar belakang dari penelitian,
Bab ini memuat pengertian, definisi dan teori yang digunakan untuk
melakukan penelitian.
5
Bab ini merupakan bab yang memuat gambaran rancangan
dianalisis.
Bab ini merupakan bab yang memuat hasil analisis dan pembahasan
Bab ini merupakan bab yang memuat rangkuman dari hasil secara
DAFTAR PUSTAKA
6
BAB II
TINJAUAN PUSTAKA
umum atau generalisasi (Sugiyono, 2007). Selain dalam bentuk ukuran pemusatan
Data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan
Menurut Paratu (2012) teknik data mining dibagi menjadi beberapa kelompok
a. Deskripsi
Terkadang peneliti dan analisis secara sederhana ingin mencoba mencari cara
untuk menggambarkan pola dan kecenderungan yang terdapat dalam data. Sebagai
atau fakta bahwa siapa yang tidak cukup profesional akan sedikit didukung dalam
c. Estimasi
Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih
lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi.
Selanjutnya, pada peninjauan berikut estimasi nilai dari variabel target dibuat
d. Pengelompokkan
memiliki kemiripan.
e. Asosiasi
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul
dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang
belanja.
2.3 Klasifikasi
dari sejumlah objek, gagasan, buku atau benda-benda lain ke dalam kelas atau
8
Bayesian, Jaringan Saraf Tiruan, teknik yang berbasis konsep aturan asosiasi, dan
teknik lain.
klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi yang seharusnya
(Prasetyo, 2012).
9
a. Akurasi Klasifikasi
Akurasi dapat dihitung dengan proporsi dari prediksi yang bernilai positif dan
benar dengan keseluruhan data. Menurut Sokolova dan Lapalme (2009) suatu
klasifikasi dapat dikatakan baik apabila nilai akurasinya berada diatas 65%. Nilai
TP+TN
Akurasi= × 100 %( 2.1)
TP+ TN+ FN + FP
TN=True Negative
FN =False Negative
FP=False Negative
FP+ FN
Laju Error= × 100 %( 2.2)
TP+TN + FN + FP
b. Presisi
diklasifikasikan secara benar dibagi dengan total data yang diklasifikasi positif:
TP
Presisi= ×100 % (2.3)
TP+ FP
c. Recall
TP
Recall= ×100 % (2.4)
TP+ FN
10
2.4 Pohon Keputusan (Decision Tree)
Pohon keputusan atau decision tree merupakan teknik data mining yang
digunakan untuk mengeksplorasi data dengan membagi kumpulan data yang besar
menjadi himpunan record yang lebih kecil dan memperhatikan variabel tujuannya
mengklasifikasi data yang tidak diketahui, nilai atribut akan diuji dengan cara
11
Gambar 2.1 Bentuk Pohon Keputusan
CHAID pertama kali diperkenalkan dalam sebuah artikel berjudul “An Exploratory
Technique for Investigating Large Quantities of Categorical Data” oleh Dr. G.V.
Kass tahun 1980. Prosedurnya merupakan bagian dari teknik terdahulu yang
12
Menurut Sharp et at (2002) Analisis CHAID dapat diringkas menjadi 3
2. Koreksi bonferroni.
kategori variabel.
dalam CHAID dilakukan berdasarkan pada hubungan yang ada antara kedua
variabel tersebut, oleh karena itu CHAID termasuk dalam metode dependensi
geografis.
13
3. Mengambang (floating): kategori-kategori pada variabel ini akan
manapun.
hubungan antara dua variabel tertentu atau tidak pada tiap levelnya. Misal suatu
variabel pertama memilikir kategori dan variabel kedua memiliki c kategori maka
nij adalah pengamatan pada variabel pertama di level i dan variabel kedua di level
Faktor II
14
Tabel 2.3. Probabilitas sel
Faktor II
ni •
^pi= (2.5)
n
n• j
^p j= (2.6)
n
ni • n• j
^pij = (2.7)
n
ni • n • j
Eij = (2.8)
n
15
Statistik uji chi-Square:
r c
χ 2=∑ ∑ ¿ ¿ ¿ ¿
i=1 j =1
bersamaan (Kunto dan Hasana, 2006). Biasanya koreksi ini digunakan dalam
perbandingan berganda.
kategori. Dengan demikian nilai p-value dari uji chi-Squared yang baru
16
merupakan perkaliannya dengan pengali bonferroni sesuai dengan jenis
variabelnya.
satu sama lain, peluang untuk melakukan kesalahan tipe 1 atau α (dalam satu atau
lebih), akan sama dengan 1 dikurangi peluang untuk tidak melakukan kesalahan
tipe 1 dalam uji tersebut, di mana nilainya akan lebih besar dari α yang telah
ditentukan. Secara umum, hal tersebut dapat dirumuskan sebagai berikut (Bagozzi,
1994):
M= (c−1
r −1 )
(2.11)
( ) ( )
M = c−2 +r c−2 (2.13)
r −2 r−2
CHAID secara garis besar dapat dibagi menjadi tiga tahap, yaitu
17
1. Tahap Penggabungan
berikut:
sebanyak J kategori.
r c
χ 2 hitung=∑ ∑ ¿ ¿ ¿ ¿
i=1 j =1
d. Untuk suatu kategori gabungan yang terdiri dari 3 kategori atau lebih,
tersebut dengan kategori yang lain dalam satu kategori gabungan. Jika
dengan yang lain. Jika lebih dari satu kategori yang bisa dipilih untuk
18
dipisah, pisahkan salah satu yang mempunyai nilai chi-square tertinggi.
digabung.
2. Tahap Pemisahan
akan digunakan sebagai pemisah simpul terbaik. Jika tidak ada variabel
3. Tahap Penghentian
Tahap ini dilakukan jika sudah tidak ada hubungan antara variabel
4. Tahap Akurasi
interaksi dari semua faktor secara otomatis akan tepat pada sasaran.
19
2.6 CART (Classification and Regression Trees)
teknik pohon keputusan (decision tree). Metode ini merupakan teknik klasifikasi
terkumpul dalam suatu ruang yang disebut simpul (node) menjadi dua kelompok
yang disebut simpul anak (child nodes). Istilah “recursive” berarti prosedur
penyekatan secara biner dilakukan secara berulangulang. Setiap simpul anak yang
diperoleh dari penyekatan simpul awal kemudian bisa dipilah kembali menjadi
dua simpul anak lagi, dan begitu seterusnya hingga memenuhi kriteria tertentu.
dilakukan dengan cara memilah suatu kumpulan data menjadi beberapa bagian
atau partisi. Tujuan utama CART untuk mendapatkan suatu kelompok data
optimum.
optimum.
20
Menyusun calon cabang terhadap seluruh variabel independen. . Kemudian
caloncabang kanan t R
P R= ( 2.16)
banyak data
Pada tahap ini digunakan indeks gini untuk melihat kinerja calon cabang
dengan rumus:
jumlah
kategori
i (t )=1− ∑ 2
P ( j|t ) (2.19)
j=1
Tahapan ini dilakukan dengan cara menghitung nilai impuritas atau nilai
4. Tahapan Akurasi
21
1. Variabel-variabel dalam analisis CART, baik variabel dependen maupun
tertentu
6. Interpretasi dari hasil analisis CART yang berupa pohon keputusan sangat
mudah dipahami
metode CHAID dan CART. Kedua metode ini memiliki perbedaan dalam
Square untuk menentukan pemisah terbaik pada setiap langkahnya. Dari perbedaan
2.8 Preeklampsia
22
diketahui dapat meningkat pada ibu hamil dengan primigravida,
dengan usia kurang dari 20 tahun atau lebih dari 35 tahun, janin besar, kehamilan
lebih dari satu (kembar), morbid obesitas, riwayat preeklampsia pada kehamilan
fungsi organ (diabetes mellitus, penyakit ginjal, migrain, dan hipertensi), serta ibu
hamil dengan hydrops foetalis, mola hidatidosa, anti fosfolipid antibodies, dan
spesifik hanya muncul pada saat kehamilan dengan umur > 20 minggu (kecuali
pada penyakit trofoblastik) dan dapat didiagnosis dengan kriteria sebagai berikut:
a. Ada peningkatan tekanan darah selama kehamilan (sistolik = 140 mmHg atau
gram protein selama 24 jam atau = 30 mg/dL dengan hasil reagen urin = +1)
kepala, gangguan penglihatan, nyeri pada abdomen, nilai trombosit rendah dan
jenis yaitu :
a. Preeklampsia ringan
23
b. Preeklampsia berat
1. Tekanan darah lebih > 160/110 mmHg pada umur kehamilan > 20 minggu
kurang dari 20 tahun atau lebih dari 35 tahun merupakan usia rentan terjadinya
preeklampsia (Wiknjosastro, H. 2006). Ibu yang hamil pada usia dibawah 20 tahun
dianggap belum aman karena pada saat itu kondisi panggul belum berkembang
secara optimal dan mental yang juga belum siap untuk menghadapi kehamilan dan
2.9.2 Paritas
24
2.9.3 Status Pekerjaan
Suatu studi menunjukkan bahwa wanita yang memiliki jam bekerja dengan
rata-rata 74 jam per minggu selama masa kehamilan akan memiliki risiko
terjadinya preeklampsia yang lebih tinggi jika dibandingkan dengan wanita yang
memiliki pekerjaan yang didominasi oleh berdiri maupun berjalan akan memiliki
suatu penyakit, pada ibu hamil adanya riwayat penyakit merupakan suatu kondisi
preeklmpsia (Varney, 2007). Ibu hamil yang memiliki hipertensi memiliki risiko
ibu hamil, yang dilaksanakan lewat tatap muka dalam bentuk wawancara, dengan
25
seseorang maka akan semakin mudah mendapatkan informasi. Semakin banyak
informasi yang masuk maka akan semakin banyak pula pengetahuan yang
bahwa sebesar 93,9% kejadian Preeklampsia terjadi pada Ibu yang berpendidikan
2.9.7 Anemia
Salah satu penyebab anemia karena kurang gizi, anemia berat memiliki 3
sampai 6 kali risiko lebih tinggi secara signifikan pada preeklampsia dibandingkan
wanita yang tidak anemia. Hal ini terkait mikronutrien dan kekeurangan
2007).
Jarak kehamilan yang terlalu dekat merupakan jarak antara kehamilan satu
dengan berikutnya kurang dari 2 tahun (24 bulan) termasuk salah satu yang dapat
mengalami preeklampsia lebih besar dibanding dengan ibu jarak kehamilan 2-5
tahun (Prawirohardjo, 2009). Hal ini dikarenakan kondisi rahim Ibu belum pulih
dan waktu Ibu untuk menyususi dan merawat bayi kurang. Ibu yang hamil lagi
sebelum 2 tahun sejak melahirkan anak terakhir cenderung lebih sering mengalami
26
2.9.9 Obesitas
melebihi batas kebutuhan skeletal dan fisik sebagai akibat dari akumulasi lemak
berlebihan dalam tubuh (Eger, 2001). Pada ibu hamil yang mengalami obesitas,
risiko preeklampsia meningkat sebesar 2 kali lipat setiap peningkatan berat badan
sebesar 5-7 kg/m2. Selain itu ditemukan adanya peningkatan risiko preeklampsia
dengan adanya peningkatan BMI (Body Mass Index) (Wafiyatunisa dan Rodiani,
2016).
Pada penelitian sebelumnya yang dilakukan oleh Reny pada tahun 2018
segmen ibu hamil yang mengalami preeklampsia dengan metode CHAID adalah
ibu hamil yang memiliki riwayat komplikasi (100%) dan ibu hamil yang memiliki
riwayat penyakit, jarak kehamilan kurang dari 2 atau lebih dari 5 tahun dan tidak
hamil yang tidak memiliki riwayat penyakit, jarak kehamilan kurang dari 2 atau
lebih dari 5 tahun dan tidak memiliki riwayat komplikasi (55,6%). Adapun segmen
ibu hamil yang mengalami preeklampsia dengan metode CART adalah ibu hamil
yang memiliki riwayat komplikasi (100%), ibu hamil yang anemia, tidak bekerja,
jarak kehamilan 2-5 tahun dan tidak ada riwayat komplikasi (80%), ibu hamil yang
berumur kurang dari 20 atau lebih dari 35 tahun, tidak anemia, tidak ada riwayat
27
penyakit, jarak kehamilan kurang dari 2 atau lebih dari 5 tahun dan tidak ada
riwayat komplikasi (83,3%) dan ibu hamil yang ada riwayat penyakit, jarak
kehamilan kurang dari 2 atau lebih dari 5 tahun dan tidak ada riwayat komplikasi
Hasil dari penelitian Khalfia Helena pada tahun 2019 yang berjudul Penerapan
And Regression Trees (CART) pada Klasifikasi Status Kerja di Kabupaten Brebes
dengan faktor yang mempengaruhi antara lain umur, status perkawinan, dan
28
BAB III
METODE PENELITIAN
Jenis data dalam penelitian ini merupakan data sekunder yang diambil dari data
rekam medis Puskesmas Ratu Agung Kota Bengkulu sebanyak 110 data. Teknik
independen.
1: Preeklampsia
1: Bekerja
1: Ada
1:Rutin
1: Rendah (<SMA)
Anemia 0: Tidak
1: Ya
Obesitas 0: Tidak
1: Ya
Mulai
37
Pengumpulan data
Input data
CHAID CART
Selesai
38
BAB IV
Penelitian ini terdiri dari 110 ibu hamil yang meliputi 55 ibu mengalami
Ratu Agung Kota Bengkulu. Adapun karekteristik data ibu hamil yang menjadi
Berikut adalah persentasi umur dari 110 ibu hamil terhadap status
preklamsia:
Berdasarkan Tabel 4.1 dilihat bahwa dari 110 ibu hamil yang diteliti, ibu
yang berumur 20-35 tahun lebih tinggi untuk tidak mengalami preeklampsia, yaitu
Sedangkan ibu hamil yang berumur <20 atau >35 lebih tinggi mengalami
39
4.1.2 Paritas
Berikut adalah persentase paritas dari 110 ibu hamil terhadap status
preeklamsia:
Berdasarkan Tabel 4.2 dapat dilihat bahwa dari 110 Ibu hamil yang diteliti,
kejadian preeklamsia lebih banyak terjadi pada ibu hamil yang memiliki paritas 2-3
sebesar 65,5% dan sebesar 56,4% tidak mengalami preeklamsia. Sedangkan 34,5%
ibu hamil yang memiliki paritas 1 atau >3 mengalami preeklamsia dan 43,6% tidak
mengalami preeklamsia.
Berikut adalah persentase status pekerjaan dari 110 ibu hamil terhadap
status preeklamsia:
Status Pekerjaan
Total
Tidak Bekerja Bekerja
Tidak N 21 34 55
Preeklamsia % 38.2% 61.8% 100.0%
Preeklamsia
N 30 25 55
Preeklamsia
% 54.5% 45.5% 100.0%
Total 51 59 110
40
Berdasarkan tabel 4.3 dari 110 ibu hamil dipuskesmas Ratu Agung, 54,5%
ibu hamil yang tidak bekerja mengalami preeklamsia, sedangkan 61,8% ibu yang
Berikut adalah persentase riwayat penyakit dari 110 ibu hamil terhadap
status preeklamsia:
Riwayat Penyakit
Total
Tidak Ada Ada
Tidak N 36 19 55
Preeklamsia % 65.5% 34.5% 100.0%
Preeklamsia
N 20 35 55
Preeklamsia
% 36.4% 63.6% 100.0%
Total 56 54 110
Berdasarkan tabel 4.4 dari 110 ibu hamil di puskesmas Ratu Agung, 36,4%
preeklamsia.
Berikut adalah persentase riwayat konseling dari 110 ibu hamil terhadap
status preeklamsia:
41
Tabel 4.5 Karakteristik Riwayat Konseling Ibu Hamil
Riwayat Konseling
Tidak Total
Rutin
Rutin
Tidak N 26 29 55
Preeklamsia % 47.3% 52.7% 100.0%
Preeklamsia
N 23 32 55
Preeklamsia
% 41.8% 58.2% 100.0%
Total 49 61 110
Berdasarkan tabel 4.5 dari 110 ibu hamil di puskesmas Ratu Agung, 41,8%
Berikut adalah persentase Pendidikan ibu hamil dari 110 ibu hamil
Berdasarkan Tabel 4.6, dari 110 ibu hamil di puskesmas Ratu Agung
60,0% mengalami preeklamsia karena rendahnya pendidikan, dan 40,0% ibu hamil
4.1.7 Anemia
Berikut adalah persentase Anemia dari 110 ibu hamil terhadap status
preeklamsia:
42
Tabel 4.7 Karakteristik Anemia Ibu Hamil
Anemia
Total
Tidak Ya
Tidak N 32 23 55
Preeklamsia % 58.2% 41.8% 100.0%
Preeklamsia
N 46 9 55
Preeklamsia
% 83.6% 16.4% 100.0%
Total 78 32 110
Berdasarkan Tabel 4.7, dari 110 ibu hamil di puskesmas Ratu Agung
83,6% mengalami preeklamsia karena tidak ada riwayat anemia, dan 14,4% ibu
Berikut adalah persentase jarak kehamilan dari 110 ibu hamil terhadap
status preeklamsia:
Jarak Kehamilan
Total
Tidak
Beresiko
Beresiko
Tidak N 38 17 55
Preeklamsia % 69% 31% 100.0%
Preeklamsia
N 31 24 55
Preeklamsia
% 56,3% 43,4% 100.0%
Total 69 41 110
Berdasarkan Tabel 4.8, dari 110 ibu hamil di puskesmas Ratu Agung
66,7% mengalami preeklamsia pada jarak kehamilan 2-5 tahun, dan 33,3% ibu
hamil mengalami preeklamsia pada jarak kehamilan <2 atau >5 tahun.
4.1.9 Obesitas
Berikut adalah persentase obesitas dari 110 ibu hamil terhadap status
preeklamsia:
43
Tabel 4.9 Karakteristik Obesitas Ibu Hamil
Obesitas
Total
Tidak Ya
Tidak N 14 41 55
Preeklamsia % 25.5% 74.5% 100.0%
Preeklamsia
N 13 42 55
Preeklamsia
% 23.6% 76.4% 100.0%
Total 27 83 110
Berdasarkan Tabel 4.9 dari 110 ibu hamil di puskesmas Ratu Agung
mengalami preeklamsia karena obesitas sebesar 74,5% dan ibu hamil mengalami
independen yang paling signifikan yang nantinya akan dijadikan sebagai pemisah
atau penyekat awal dalam pembentukan pohon keputusan. Pada penelitian ini,
yang menjadi variabel independennya adalah umur ibu, paritas, status pekerjaan,
riwayat penyakit, riwayat konseling, pendidikan ibu, anemia, jarak kehamilan, dan
obesitas.
atau tidaknya pengaruh yang signifikan antara dua variabel. Berikut adalah tahapan
analisis chi-square:
44
3. Statistik Uji chi-Square
5%, akan dilihat variabel independen yang memiliki nilai p−value yang kurang
45
2 2
dari tingkat signifikansi atau yang memiliki χ hitung yang melebihi nilai χ tabel .
Variabel yang paling signifikan ditentukan oleh nilai p−value terkecil atau nilai
2
χ hitung terbesar. Dari 9 variabel independen dapat dilihat bahwa variabel yang
paling signifikan terhadap preeklampsia berdasarkan nilai χ 2hitung yang paling tinggi,
yaitu 9,312 atau nilai p−value yang paling rendah, yaitu 0,002 adalah variabel
riwayat penyakit. Oleh karena itu, variabel ini akan dijadikan sebagai pohon
merupakan pemisah terbaik karena memiliki nilai chi-Square paling besar atau
nilai p-value yang paling kecil. Kategori pada riwayat penyakit akan dijadikan
46
sebagai pemisah untuk menentukan simpul anak. Proses pemisahan akan dilakukan
terus menerus hingga tidak terdapat lagi variabel independen yang signifikan.
Simpul induk atau node 0 menampilkan bahwa data yang digunakan dalam
penelitian ini sebanyak 110 pasien ibu hamil dengan rincian 50% yang mengalami
riwayat penyakit dengan kategori ada menjelaskan bahwa sebanyak 64,8% ibu
35,2% ibu hamil dengan adanya riwayat penyakit tidak terkena preeklamsia. Pada
node 2 variabel riwayat penyakit dengan kategori tidak ada menjelaskan bahwa
sebanyak 35,7% ibu hamil yang tidak memiliki riwayat penyakit mengalami
preeklamsia dan 64,3% ibu hamil yang tidak memiliki riwayat penyakit tidak
melihat apakah terdapat variabel prediktor yang akan menjadi cabang dari masing-
masing node riwayat penyakit dan setelah dilakukan pengujian diperoleh bahwa
Untuk melihat variabel prediktor man yang akan menjadi cabang dari masing-
masing node maka dapat dilihat dari variabel prediktor yang memiliki hubungan
yang kuat dengan preeklampsia maka riwayat penyakit tidak lagi diikut sertakan
47
Tabel 4.11 Uji Chi-Square ke 2
2 2
Pasangan Variabel kategori χ hitung χ tabel p−value Keterangan
48
Berdasarkan Tabel 4.11 dapat diketahui bahwa dengan menggunakan tingkat
signifikansi (α ) sebesar 5%, diperoleh variabel anemia yang akan menjadi cabang
dari node 1 (kategori ada) dengan nilai p−value yang paling kecil yaitu 0,000 dan
2
χ hitung yang paling besar yaitu 16,241 dibandingkan variabel lain. Karena itu dapat
preeklamsia dan riwayat penyakit. Untuk node 2 (kategor tidak ada) yang menjadi
variabel prediktor yaitu paritas, dengan nilai p−value sebesar 0,028 dan nilai χ 2hitung
yang paling besar yaitu 4,851 dibandingkan variabel yang lain. Sehingga pohon
yang terbentuk dengan adanya penambahan variabelm anemia dan paritas menjadi
3 dan node 4, dimana node 3 merupakan variabel anemia dengan kategori ya dan
dan node 4 dengan kategori tidak. Kemudian node 2 bercabang menjadi node 5
49
dan node 6, dimana node 5 merupakan variabel paritas dengan kategori tidak
berisiko (paritas 2-3) dan node 6 dengan kategri beresiko (paritas 1 atau >3).
Pada Gambar 4.2 dapat dilihat bahwa berdasarkan node 3 ibu hamil yang
mengalami preeklampsia lebih banyak terjadi pada ibu yang mengalami anemia,
sedangkan ibu yang tidak mengalami anemia lebih cenderung tidak terkena
preeklamsia. Kemudian pada node 5 dapat dilihat bahwa ibu yang berada pada
paritas 1 atau >3 lebih banyak mengalami preelamsia dibandingkan dengan ibu
yang berada paritas 2-3 di node 6. Untuk melihat apakah masih terdapat cabang
pada variabel anemia maka dapat dilakukan kembali pengujian chi-Square pada
50
Berdasarkan Tabel 4.12 dapat dilihat bahwa pada iterasi ke 3 tidak ada lagi
pasangan variabel yang signifikan, sehingga tidak ada variabel prediktor untuk
menjadi cabang dari variabel anemia. Sehingga dapat disimpulkan bahwa proses
cabang pada variabel paritas maka dapat dilakukan kembali pengujian chi-Square
Berdasarkan Tabel 4.13 dapat dilihat bahwa pada iterasi ke 4 tidak ada lagi
pasangan variabel yang signifikan, sehingga tidak ada variabel prediktor untuk
51
menjadi cabang dari variabel paritas. Sehingga dapat disimpulkan bahwa proses
maka segmentasi ibu hamil dapat diklasifikasikan seperti Tabel 4.14 berikut:
Berdasarkan Tabel 4.15 dapat diketahui bahwa ibu hamil yang tidak
memiliki risiko mengalami preeklampsia adalah ibu hamil pada segmen 4 dan 6,
52
sedangkan ibu hamil yang mengalami preeklampsia adalah ibu hamil pada segmen
1 dan 3.
Ibu hamil yang memiliki risiko mengalami preeklampsia tertinggi adalah pada
segmen ke-3, yaitu ibu hamil yang memiliki riwayat anemia, dengan persentase
sebesar 83,3%. Hal ini sejalan dengan penelitian Ali et al (2011) wanita dengan
anemia berat memiliki 3-6 kali lebih tinggi risiko preeklampsia dibandingkan
wanita tanpa anemia. Kemudian ibu yang beresiko mengalami preeklamsia adalah
pada segmen ke-1 yaitu ibu hamil yang memiliki riwayat penyakit dengan
persentase sebesar 64,8%. Hal ini sejalan dengan penelitian yang dilakukan oleh
Varney (2007) mengatakan bahwa ibu hamil yang memiliki riwayat penyakit
Berdasarkan Tabel 4.15 dapat dilihat bahwa ibu yang tidak mengalami
preeklamsia tertinggi adalah pada segmen ke-6, yaitu ibu hamil yang tidak
memiliki riwayat penyakit dan memiliki paritas 2-3. Hal ini sejalan dengan dengan
penelitian yang dilakukan oleh Djannah dan Arianti (2010) yang mengtakan bahwa
kejadian preeklampsia pada ibu hamil dengan menggunakan CHAID maka dapat
53
Hasil Prediksi
Observasi Tidak
Preeklamsia
preeklamsia
Tidak
49 6
preeklamsia
Preeklamsia 25 30
sebagai berikut:
49+30
akurasi= =0,718
49+6+ 25+30
25+6
tingkat kesalahan= =0,282
49+6+25+ 30
adalah sebesar 0,718 atau 71,8% dengan tingkat kesalahan sebesar 0,282 atau
28,2%.
lengkap. Pada penelitian ini, yang menjadi variabel prediktor adalah umur ibu,
obesitas dan jarak kehamilan. Mengingat ciri khas CART yang setiap noktah
keputusannya bercabang biner, maka calon cabang akan diberi nama calon cabang
54
1 Umur : 20-35 Tahun Umur : 35 Tahun
2 Paritas : Paritas 1 Atau >3 Paritas : Paritas 2-3
3 Riwayat Penyakit : Tidak Ada Riwayat Penyakit : Ada
4 Status Pekerjaan : Tidak Bekerja Status Pekerjaan : Bekerja
5 Riwayat Konseling : Tidak Rutin Riwayat Konseling : Rutin
6 Pendidikan : Tinggi Pendidikan : Rendah
7 Anemia : Ya Anemia : Tidak
8 Obesitas : Tidak Obesitas : Ya
9 Jarak Kehamilan : Tidak Beresiko Jarak Kehamilan : Beresiko
masing cabang dengan persamaan (2.15) dan (2.16), sehingga didapatkan hasil
peluang untuk cabang kiri dan cabang kanan seperti pada Tabel 4.18 berikut:
persamaan (2.18) dan mencari nilai gini indeks dengan persamaan (2.19) sehingga
55
Preklamsia 0,36 0,65
Tidak Preklamsia 0,38 0,63
4 0,50
Preklamsia 0,54 0,46
Tidak Preklamsia 0,51 0,59
5 0,50
Preklamsia 0,45 0,65
Tidak Preklamsia 0,44 0,57
6 0,50
Preklamsia 0,56 0,43
Tidak Preklamsia 0,41 0,72
7 0,41
Preklamsia 0,59 0,28
Tidak Preklamsia 0,52 0,49
8 0,37
Preklamsia 0,48 0,51
Tidak Preklamsia 0,55 0,41
9 0,47
Preklamsia 0,45 0,59
memecah simpul induk menjadi beberapa node. Proses pemecahan ini dilihat
Berdasarkan Tabel 4.20 dapat kita lihat bahwa cabang pemilah pertama yaitu
variabel riwayat penyakit karena memiliki nilai impuritas yang paling besar
56
dibandingkan variabel yang lain yakni sebesar 0,42. Berikut adalah gambar pohon
pada analisis CHAID bahwa variabel riwayat penyakit menjadi pemisah terbaik
pada bagian kiri dan kanan, sesuai dengan kategori variabelnya yang terdiri dari
dua kategori. Pada cabang kiri, diisi oleh kategori ada riwayat penyakit dan pada
cabang kanan diisi oleh kategori tidak ada riwayat penyakit. Kemudian akan
penentuan cabang didasarkan pada nilai chi-Square terbesar, maka pada CART
didasarkan pada penurunan nilai impuritas terbesar seperti hasil perhitungan pada
Variabel ∅ (s∨t)
Umur 0,007
Paritas 0,020
57
Status Pekerjaan 0,016
Riwayat Konseling 0,014
Pendidikan 0,009
Anemia 0,067
Obesitas 0,002
Jarak Kehamilan 0,013
Berikut adalah hasil iterasi ke 3 pada analisis CART dimana dapat dilihat
penurunan nilai impuritas.
Variabel ∅ ( s∨t)
Umur 0,001
Paritas 0,020
Pendidikan 0,009
Obesitas 0,002
Variabel ∅ ( s∨t)
Umur 0,001
Status Pekerjaan 0,02
Riwayat Konseling -0,05
Pendidikan 0,009
Obesitas 0,002
Jarak Kehamilan 0,013
58
Tabel 4.24 Nilai Impuritas Iterasi (5)
Variabel ∅ (s∨t )
Umur -0,001
Status Pekerjaan 0,02
Riwayat Konseling -0,05
Pendidikan 0,009
Obesitas 0,001
lain, yaitu sebesar 0,042. Riwayat penyakit kemudian bercabang menjadi dua
dengan kategori ada riwayat penyakit pada sebelah kiri (node 1) dan tidak ada
59
riwayat penyakit sebelah kanan (node 2). Pada node 1 dapat dilihat bahwa
sebanyak 64,8% kejadian preeklampsia terjadi pada ibu yang memiliki riwayat
Node 1 (ada riwayat penyakit) kemudian bercabang yang diisi oleh variabel
anemia dan memiliki nilai impuritas sebesar 0,067 dengan cabang kirinya adalah
ya (node 3) dan cabang kanannya adalah tidak anemia (node 4). Dari kedua cabang
tersebut dapat dilihat bahwa preeklampsia lebih banyak terjadi pada ibu hamil yang
Node 2 (tidak ada riwayat penyakit) kemudian bercabang yang disi oleh
variabel paritas dikarenakan memiliki nilai impuritas sebesar 0,020 dengan cabang
kirinya adalah paritas 1 atau >3 (node 5) dan cabang kanannya adalah paritas 2-3
(node 6). Dari kedua cabang tersebut dapat dilihat bahwa preeklampsia lebih
banyak terjadi pada ibu hamil pada paritas 1 atau >3 yaitu sebesar 47,1%.
yang disi oleh variabel pendidikan dikarenakan memiliki nilai impuritas sebesar
0,010 dengan cabang kirinya adalah rendah (node 7) dan cabang kanannya adalah
tinggi (node 8). Dari kedua cabang tersebut dapat dilihat bahwa preeklampsia lebih
banyak terjadi pada ibu hamil dengan pendidikn rendah yaitu sebesar 94,7%.
Kemudian node 4 juga bercabang yang diisi oleh variabel jarak kehamilan
memiliki nilai impuritas sebesar 0,013 dengan cabang kirinya adalah beresiko
(node 9) dan cabang kanannya adalah tidak beresiko (node 10). Dari kedua cabang
tersebut dapat dilihat bahwa preeklampsia lebih banyak terjadi pada ibu hamil
60
Node 5 dan node 6 (paritas 1 atau >3) dan (paritas 2-3) sama-sama bercabang
dan disi oleh variabel pendidikan dikarenakan memiliki nilai impuritas sebesar
0,009 dan 0,002. Pada node 5 dapat dilihat bahwa preeklamsia pada ibu hamil
terjadi karena pendidikan rendah yaitu sebesar 58,8%. Pada node 6 ibu yang
yang terbentuk memiliki 14 simpul dan telah mencapai kedalaman maksimal yaitu
klasifikasi ibu hamil yang mengalami preeklamsia dengan metode CART seperti
Segmen Keterangan
Segmen-4 Ibu hamil yang ada riwayat penyakit dan tidak anemia
Segmen-5 Ibu hamil yang tidak ada riwayat penyakit dan paritas 1 atau >3
Segmen-6 Ibu hamil yang tidak ada riwayat penyakit dan paritas 2-3
Segmen 7 Ibu hamil yang ada riwayat penyakit, anemia, pendidikan rendah
Segmen-8 Ibu hamil yang ada riwayat penyakit, anemia, pendidikan tinggi
61
Ibu hamil yang ada riwayat penyakit, tidak anemia, jarak
Segmen-10
kehamilan tidak beresiko
Ibu hamil yang tidak ada riwayat penyakit, paritas 1 atau >3,
Segmen-11
pendidikan rendah
Ibu hamil yang tidak ada riwayat penyakit, paritas 1 atau >3,
Segmen-12
pendidikan tinggi
Ibu hamil yang tidak ada riwayat penyakit, paritas 2-3,
Segmen-13
pendidikan rendah
Ibu hamil yang tidak ada riwayat penyakit, paritas 2-3,
Segmen 14
pendidikan tinggi
62
Berdasarkan Tabel 4.23, Ibu hamil yang tidak memiliki risiko preeklampsia
tertinggi adalah pada segmen ke-13, yaitu ibu hamil yang tidak ada riwayat
penyakit, paritas 2-3, pendidikan rendah, yaitu dengan persentase sebesar 90,0%.
Hal ini sejalan dengan hasil analisis menggunakan CHAID yang telah dijelaskan
terjadinya preeklampsia pada Ibu hamil. Sedangkan Ibu hamil yang memiliki risiko
mengalami preeklampsia tertinggi dengan analisis CART adalah pada segmen ke-
7, yaitu Ibu hamil yang ada riwayat penyakit, anemia, pendidikan rendah dengan
CART maka dapat dilakukan dengan menggunakan matriks konfusi seperti Tabel
4.24 berikut:
Tidak preeklamsia 40 15
Preeklamsia 12 43
40+ 43
Akurasi= =0,755
40+15+12+ 43
12+15
Tingkat kesalahan= =0,245
40+15+ 12+ 43
63
Berdasarkan perhitungan diatas maka dapat disimpulkan bahwa nilai akurasi
0,755 atau 75,5% dwengan tingkat kesalahan sebesar 0,245 atau 24,3%.
64
BAB V
5.1 Kesimpulan
sebagai berikut:
1. Dari 110 Ibu hamil yang menjadi sampel dalam penelitian, kasus
preeklampsia sebagian besar terjadi pada ibu hamil yang berada pada
65
terjadinya preeklampsia adalah riwayat penyakit, anemia, paritas, tingkat
dan paritas 1 atau >3. Untuk klasifikasi CART segmen yang paling tinggi
rendah
5.2 Saran
Adapun saran yang diberikan sehubungan dengan penelitian ini adalah sebagai
berikut:
66
67
DAFTAR PUSTAKA
Ali. A. A., Duria. A. R., Tajeldi. M. A., Mustrafa. I. E., Ishag. A. 2011. Severe
Anaemia is Associated with a Higher Risk for Preeclampsia and Poor
Perinatal Outcomes in Kassala Hospital.http://www.biomedcentral.com/1756-
0500/4311. Diunduh tanggal 6 Juli 2016 di
Bawazier, L.A., 2006, Proteinuria dalam: Buku Ajar Ilmu Penyakit Dalam FKUI,
edisi ke-4 jilid 1: 519, Jakarta: Pusat Penerbitan Departemen Ilmu Penyakit
Dalam
BKKBN. 2007. Keluarga Berencana dan Kontrasepsi. Cetakan ke-5. Pustaka sinar
harapan, Jakarta.
Breiman, L., Friedman, J., Olshen, R. and Stone, C., 1984. Classification and
Regression Trees. Chapman Hall, New York – London.
xvii
Kemenkes RI. 2015. Profil Kesehatan Indonesia 2014. Kementerian Kesehatan
Republik Indonesia. Jakarta.
Kunto, Y.S. dan Hasana, S.N. 2006. Analisis CHAID Sebagai Alat Bantu Statistika
untuk Segmentasi Pasar. Jurnal Manajemen Pemasaran. No.2. Vol.1. hal 88-
98.
Kusrini, 2006, Sistem Pakar Teori dan Aplikasi, Penerbit Andi Offset, Yogyakarta.
Norma, N. dan Dwi S, M. 2013. Asuhan Kebidanan: Patologi Teori dan Tinjauan
Kasus. Nuha Medika. Yogyakarta.
Prasetyo, E. 2012. Data Mining : Konsep dan Aplikasi menggunakan Matlab. Andi
Offset. Yogyakarta.
xviii
Rahayu, R. S. 2015. Identifikasi Faktor-Faktor Yang Mempengaruhi Terjadinya
Preeklampsia Dengan Metode CHAID. Skripsi. Jurusan Statistika Fakultas
Sains Dan Matematika. Universitas Diponegoro. Semarang.
Ridwan, M., Suyono, H., dan M. Sarosa. 2013. Penerapan Data Mining Untuk
Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive
Bayes Classifier. Jurnal EECCIS. Vol.7. No. 1. Hal. 59.
xix
Wiknjosastro, H. 2006. Ilmu Kebidanan. Yayasan Bina Pustaka Sarwono. Jakarta.
xx
LAMPIRAN
xxi
Noli 0 0 0 1 1 1 1 1 1 0
Ayu 0 0 0 0 0 1 1 1 1 0
vita Nuryani 0 1 0 1 1 1 1 1 1 0
Susi Hartati 0 0 1 0 0 0 0 1 0 0
Winda 0 0 0 1 1 1 0 1 0 0
Heti 0 0 0 0 0 0 0 1 1 1
Leni 1 0 1 1 1 1 0 0 1 0
Nada 1 0 0 1 0 0 0 0 0 0
Novi 1 0 0 1 1 1 1 1 1 0
Hera 1 0 1 1 1 1 0 1 1 1
Reni 1 1 0 0 1 1 1 1 1 1
Desmi 1 1 0 1 1 1 0 0 1 0
Sri Yuswarti 1 1 0 0 0 0 0 0 1 0
Erki 1 1 1 1 0 1 0 0 1 0
Kiki 1 0 0 1 1 1 0 0 1 0
Liana 1 1 0 0 0 1 0 0 1 0
Puput 1 1 0 1 1 0 1 0 1 0
Neni Fitriani 0 1 0 1 1 0 1 0 0 0
Amelia 0 0 0 0 0 1 1 0 0 0
Meilia 1 1 0 1 1 1 0 0 0 0
Rilea 0 0 0 1 0 1 0 1 0 0
Harumiah 0 1 0 0 1 0 1 0 0 0
Demi Yuliati 0 0 1 0 1 0 1 0 1 0
Permaini 0 1 1 0 1 0 1 0 1 0
Apriani 1 0 0 1 0 0 1 0 1 0
Engga 1 1 0 0 0 0 0 0 1 0
Deli 1 0 0 0 0 0 0 0 1 1
Leni Marlini 0 1 1 1 1 0 1 0 0 1
Sri Sudarsi 1 0 1 0 1 1 1 0 1 0
Risana 1 0 1 1 0 1 0 0 1 1
Agianti 0 1 1 0 1 1 1 1 1 1
xxii
Erli 1 1 0 1 0 1 0 0 1 0
Leoni 0 0 0 0 0 1 0 0 1 0
Fuji 0 0 1 0 1 1 1 0 1 1
Ovi 0 1 0 0 1 1 1 0 1 0
Adelia 0 1 0 1 0 1 1 0 1 0
Oci 0 0 0 0 0 1 0 0 1 0
Sari 0 0 1 0 1 1 1 0 1 0
Demi 1 0 0 1 0 1 0 0 1 0
Siti 1 0 0 0 0 1 1 0 0 0
Risma 1 0 0 1 0 1 0 0 0 0
Siska 1 0 1 1 1 1 1 0 0 0
Desi 0 0 0 0 1 1 0 0 0 1
Yulistri 1 0 0 0 0 1 1 0 0 1
Rahmawati 0 1 1 0 0 0 0 0 1 1
Nita 1 0 0 1 1 1 1 0 1 1
Pika 1 1 0 0 1 0 0 0 1 1
Sulastri 1 0 0 1 0 0 1 0 1 1
Lena 1 0 0 0 1 1 0 0 1 0
Herlina 1 0 0 1 0 1 0 1 1 0
Dona Astria 0 1 0 1 1 0 0 1 1 0
Linda Novia 0 0 0 0 0 0 1 1 1 0
Wulan 0 0 0 0 1 1 0 0 1 0
Ratih 1 0 0 0 0 0 0 0 1 0
Rata Wilis 1 1 0 1 1 0 1 0 1 0
Novi Saputi 0 0 1 0 0 0 0 0 1 0
Monica 0 1 1 0 0 1 0 0 1 0
Indah 0 0 1 0 0 1 1 0 1 0
Agustina 0 0 1 1 1 0 0 1 1 0
Alawiyah 0 0 1 1 1 0 0 1 1 0
Dewi Pertiwi 0 0 0 1 1 1 0 1 1 0
Tri Putri 1 0 1 0 0 1 1 1 1 0
xxiii
Mustika 1 0 0 0 0 0 0 0 1 0
Ira 0 1 1 0 1 1 0 0 1 0
Leni 0 0 1 0 1 1 0 0 1 1
Tuti Alfiah 1 0 1 0 1 0 0 0 1 1
Maswarni 0 0 0 1 1 0 0 0 1 0
Nani Saputri 1 0 0 1 0 0 0 0 1 0
Fitriyunanda 0 0 0 1 0 0 0 1 1 0
Elmawati 0 0 0 1 0 0 0 1 1 1
Kaswarni 0 0 1 0 0 1 1 0 1 0
Kasma 0 1 0 0 0 1 1 0 1 1
Sinta Putri 1 0 0 1 1 1 0 1 0 1
Dezita 0 0 1 0 1 0 0 0 1 1
Lita Nur 0 0 1 1 1 0 0 1 1 1
Yuli Safitri 0 1 1 0 1 0 1 1 1 1
Ira Permata 0 0 1 0 1 1 1 1 1 0
Wahyuning 0 0 0 1 0 0 1 1 1 0
Minas 0 0 0 0 0 0 1 0 1 0
Rena 0 1 0 0 1 0 1 1 0 1
Ingka Bulan 1 1 0 0 0 0 1 1 0 0
Larasti 1 0 1 1 0 1 1 0 1 1
Asni 0 0 1 0 1 1 0 1 1 0
Nida Nurfitri 1 1 1 1 1 0 0 1 1 1
Nimar 1 1 1 1 0 1 0 0 1 1
xxiv
Lampiran 2 Hasil analsisi CHAID
Cases
preeklamsia * umur
Crosstab
Count
umur
Preeklamsia 33 22 55
Total 70 40 110
ix
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 20.00.
b. Computed only for a 2x2 table
preeklamsia * paritas
Crosstab
Count
paritas
Preeklamsia 36 19 55
Total 67 43 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 21.50.
b. Computed only for a 2x2 table
preeklamsia * riwayatpenyakit
x
Crosstab
Count
riwayatpenyakit
Preeklamsia 20 35 55
Total 56 54 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 27.00.
b. Computed only for a 2x2 table
preeklamsia * statuspekerjaan
Crosstab
Count
statuspekerjaan
Preeklamsia 30 25 55
Total 51 59 110
xi
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 25.50.
b. Computed only for a 2x2 table
preeklamsia * riwayatkonseling
Crosstab
Count
riwayatkonseling
Preeklamsia 23 32 55
Total 49 61 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 24.50.
b. Computed only for a 2x2 table
preeklamsia * pendidikan
xii
Crosstab
Count
pendidikan
Preeklamsia 33 22 55
Total 59 51 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 25.50.
b. Computed only for a 2x2 table
preeklamsia * anemia
Crosstab
Count
anemia
ya tidak Total
Preeklamsia 46 9 55
Total 78 32 110
xiii
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.00.
b. Computed only for a 2x2 table
preeklamsia * obesitas
Crosstab
Count
obesitas
tidak ya Total
Preeklamsia 13 42 55
Total 27 83 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 13.50.
b. Computed only for a 2x2 table
preeklamsia * jarakkehamilan
xiv
Crosstab
Count
jarakkehamilan
Preeklamsia 31 24 55
Total 69 41 110
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 20.50.
b. Computed only for a 2x2 table
Model Summary
Validation None
Number of Nodes 7
xv
Number of Terminal Nodes 4
Depth 2
xvi
Risk
.282 .043
Classification
Predicted
Model Summary
Number of Nodes 15
Depth 3
xvii
xviii
Risk
.245 .041
Classification
Predicted
Tidak
Observed preeklamsia Preeklamsia Percent Correct
xix
Lampiran 4 Surat Izin Pengambilan Data
xx
xxi