Prediksi Angka Kelahiran dalam Berbagai Kelompok Umur Ibu Menggunakan Metode K-Nearest Neighbor: Prediction of Birth Rates in Different Age Groups of Mothers Using the  K-Nearest Neighbor (K-NN) Method

Vinka Syafana; Shofa Shofiah Hilabi; Elfina Novalia; Baenil Huda

doi:10.57152/malcom.v4i3.1392

Authors

Vinka Syafana Universitas Buana Perjuangan Karawang
Shofa Shofiah Hilabi Universitas Buana Perjuangan Karawang
Elfina Novalia Universitas Buana Perjuangan Karawang
Baenil Huda Universitas Buana Perjuangan Karawang

DOI:

https://doi.org/10.57152/malcom.v4i3.1392

Keywords:

Angka Kelahiran, Kelompok Umur Ibu, K-Nearest Neighbor, Sistem Informasi

Abstract

Studi ini bertujuan untuk mengembangkan prediksi angka kelahiran dalam berbagai kelompok umur ibu melalui pendekatan metode K-Nearest Neighbors (K-NN) dalam suatu sistem informasi. Penelitian ini difokuskan pada analisis dinamika kelahiran dalam konteks kelompok umur ibu, yang merupakan informasi kritis dalam perencanaan kebijakan kesehatan dan pengembangan sosial. Metode K-NN digunakan sebagai pendekatan analisis utama untuk meramalkan angka kelahiran, memanfaatkan pola kemiripan dalam karakteristik kelompok umur ibu. Integrasi metode K-NN dalam sistem informasi memungkinkan pengelolaan dan analisis data yang lebih efisien untuk mendukung kebijakan perencanaan keluarga. Data yang digunakan mencakup variabel demografis, ekonomi, dan sosial yang dapat memengaruhi tingkat kelahiran. Hasil prediksi angka kelahiran diharapkan dapat memberikan wawasan mendalam tentang perubahan dinamis dalam struktur kelahiran, memungkinkan pemahaman yang lebih baik untuk mengarahkan kebijakan kesehatan dan strategi intervensi yang lebih terarah. Penelitian ini menghadirkan kontribusi pada pengembangan sistem informasi yang dapat mendukung analisis prediktif dalam konteks kelahiran. Implikasi temuan ini relevan untuk kebijakan kesehatan, demografi, dan perencanaan keluarga, serta dapat membantu merancang langkah-langkah intervensi yang lebih efektif dan tepat sasaran.

Downloads

Download data is not yet available.

References

D. K. Indahsari and Y. I. Kurniawan, “Aplikasi Prediksi Usia Kelahiran Dengan Metode K-Nearest Neighbor,” J. Kebidanan, vol. 11, no. 01, p. 1, 2019, doi: 10.35872/jurkeb.v11i01.335.

Triana, E. Utami, and A. Dwi Hartanto, “INFOKES?: Jurnal Ilmiah Rekam Medis dan Informatika Kesehatan IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR PADA APLIKASI DETEKSI RESIKO TINGGI PADA KEHAMILAN,” vol. 13, no. 2, pp. 64–71, 2023.

R. Hidayat and T. Astuti, “Diagnosis Preeklamsia pada Ibu Hamil Berdasarkan Algoritme K- Nearest Neighbour,” J. Ilmu-ilmu Inform. dan Manaj. STMIK, vol. 14, no. 2, pp. 106–116, 2020.

N. Khoiruzzaman, R. D. Ramadhani, and A. Junaidi, “Hasil Klasifikasi Algoritma Backpropagation dan K-Nearest Neighbor pada Cardiovascular Disease,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 1, no. 1, pp. 17–27, 2021, doi: 10.20895/dinda.v1i1.141.

M. Y. Pusadan, A. Ghifari, and Y. Anshori, “Implementasi Data Mining untuk Prediksi Status Proses Persalinan pada Ibu Hamil Menggunakan Algoritma Naive Bayes,” Technomedia J., vol. 8, no. 1 Juni, pp. 137–153, 2023, doi: 10.33050/tmj.v8i1.1980.

H. A. Damar Rani and S. Zuhri, “Sistem Prediksi Kondisi Kelahiran Bayi menggunakan Klasifikasi Naïve Bayes,” Joined J. (Journal Informatics Educ., vol. 3, no. 2, p. 48, 2020, doi: 10.31331/joined.v3i2.1432.

Salsabila, S. Martha, and W. Andani, “Komparasi Algoritma K-Nearest Neighbor Dengan Euclidean Distance Dan Manhattan Distance Untuk Klasifikasi Stunting Balita,” Bul. Ilm. Math. Stat. dan Ter., vol. 13, no. 2, pp. 285–292, 2024.

I. Pembelajaran et al., “JURNAL INFORMATIKA DAN TEKNOLOGI INFORMASI P ROGRAM S TUDI I NFORMATIKA – F AKULTAS T EKNIK - U NIVERSITAS J ANABADRA,” vol. 8, no. 1, 2023.

H. I. Purwanto and S. Wibisono, “AHP-CBR Untuk Deteksi Dini Stunting Pada Balita Menggunakan Algoritma Similaritas K-NN,” INFORMATICS Educ. Prof. J. Informatics, vol. 7, no. 1, pp. 64–73, 2023, [Online]. Available: https://ejournal-binainsani.ac.id/index.php/ITBI/article/view/2121

S. Kasus et al., “Penerapan Data Mining Metode K-Nearest Neighbor Untuk Memprediksi Kelulusan Siswa Sekolah Menengah Pertama,” SMARTICS J., vol. 9, no. 1, pp. 14–19, 2023, [Online]. Available: https://doi.org/10.21067/smartics.v9i1.8088

T. Widyanti, S. S. Hilabi, A. Hananto, Tukino, and E. Novalia, “Implementasi K-Means dan K-Nearest Neighborspada Kategori Siswa Berprestasi,” J. Inf. dan Teknol., vol. 5, no. 1, pp. 75–82, 2023, doi: 10.37034/jidt.v5i1.255.

Juliana Widyastuti Wahyuningsih, “1035325 Studi Deskriptif Sikap dan Pengetahuan Ibu Terhadap Perawatan Tali Pusat Pada Bayi Baru Lahir,” J. Kebidanan J. Med. Sci. Ilmu Kesehat. Akad. Kebidanan Budi Mulia Palembang, vol. 9, no. 2, pp. 86–89, 2019, doi: 10.35325/kebidanan.v9i2.177.

M. N. R. Fitriani, B. Priyatna, B. Huda, A. L. Hananto, and T. Tukino, “Implementasi Metode K-Means Untuk Memprediksi Status Kredit Macet,” J. Sist. Komput. dan Inform., vol. 4, no. 3, p. 554, 2023, doi: 10.30865/json.v4i3.5953.

A. M. M. Anwar, P. Harsani, and A. Maesya, “Penentuan Daerah Prioritas Pelayanan Akta Kelahiran Dengan Metode K-Nn Dan K-Means,” Komputasi J. Ilm. Ilmu Komput. dan Mat., vol. 17, no. 1, pp. 319–328, 2020, doi: 10.33751/komputasi.v17i1.1884.

U. Nijunnihayah and S. S. Hilabi, “Implementation of the K-Nearest Neighbor Algorithm to Predict Sales of Medical Devices in Medical Devices Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes,” vol. 4, no. April, pp. 695–701, 2024.

D. W. Farkhina Dwi Utari, Amril Mutoi Siregar, “Implementasi Algoritme K-Nearest Neighboar ( K-NN ) untuk Prediksi Hasil Produksi,” Sci. Student J. Information, Technol. Sci., vol. 1, no. 1, pp. 21–25, 2020.

R. Rahmadini, Enjel Erika LorencisLubis, Aji Priansyah, Yolanda R.W.N, and Tuti Meutia, “Penerapan Data Mining Untuk Memprediksi Harga Bahan Pangan Di Indonesia Menggunakan Algoritma K-Nearest Neighbor,” J. Mhs. Akunt. Samudra, vol. 4, no. 4, pp. 223–235, 2023, doi: 10.33059/jmas.v4i4.7074.

S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648, 2022, doi: 10.47065/bits.v3i4.1408.

D. Damayanti, “Perbandingan Akurasi Software Rapidminer dan Weka Menggunakan Algoritma K-Nearest Neighbor (K-NN),” J. Syntax Admiration, vol. 2, no. 6, pp. 994–1006, 2021, doi: 10.46799/jsa.v2i6.247.

S. Marzukhi, N. Awang, S. N. Alsagoff, and H. Mohamed, “RapidMiner and Machine Learning Techniques for Classifying Aircraft Data,” J. Phys. Conf. Ser., vol. 1997, no. 1, 2021, doi: 10.1088/1742-6596/1997/1/012012.

R. Puspita and A. Widodo, “Perbandingan Metode K-NN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.

H. Putri, A. I. Purnamasari, A. R. Dikananda, O. Nurdiawan, and S. Anwar, “Penerima Manfaat Bantuan Non Tunai Kartu Keluarga Sejahtera Menggunakan Metode NAÏVE BAYES dan K-NN,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi: 10.47065/bits.v3i3.1093.