PREDIKSI RISIKO KESEHATAN IBU HAMIL MENGGUNALAN ALGORITMA EXTREME GRADIENT BOOSTING (XGB)

Proposal_bersama
NIM: 1217050055
Year: 2025

Description

Penelitian ini membahas penerapan algoritma Extreme Gradient Boosting (XGBoost) untuk memprediksi tingkat risiko kehamilan pada ibu hamil. Model yang dikembangkan akan menggunakan beberapa parameter kesehatan seperti usia, tekanan darah (sistolik dan diastolik), jumlah kehamilan, detak jantung janin, dan kadar sel darah merah. XGBoost dipilih karena kemampuannya dalam menangani dataset besar dan kompleks, serta memiliki akurasi yang lebih baik dibandingkan algoritma machine learning lainnya. Metode penelitian yang digunakan mengacu pada CRISP-DM, yang mencakup tahapan seperti pemahaman bisnis, eksplorasi data, persiapan data, pemodelan, evaluasi, hingga implementasi model. Melalui penelitian ini, diharapkan model yang dikembangkan bisa membantu tenaga medis dalam mendeteksi risiko kehamilan lebih dini, sehingga dapat dilakukan intervensi yang lebih cepat dan tepat untuk mengurangi angka kematian ibu hamil.