Perpustakaan Digital ITB

Kelahiran prematur merupakan kondisi kelahiran bayi yang terjadi sebelum melewati usia kehamilan 37 minggu. Bayi yang terlahir prematur berisiko tinggi mengalami komplikasi kesehatan hingga kematian dikarenakan pertumbuhan organ yang belum sempurna. Kelahiran prematur dapat disebabkan oleh berbagai faktor, seperti histori medis dan kondisi sosioekonomi ibu. Menurut USAID 2015, Indonesia berada pada peringkat ke-5 tertinggi kelahiran bayi prematur di dunia dengan prevalensi sebesar 15%, dimana terdapat 779.000 kasus kelahiran prematur di setiap tahunnya. Oleh karena itu, diperlukan metode yang dapat membantu melakukan prediksi kelahiran prematur, yaitu dengan menggunakan artificial intelligence berbasis machine learning. Penelitian ini dilakukan dengan menggunakan Indonesia National Demographic and Health Survey 2017 dataset. Berdasarkan penelitian yang dilakukan, diperoleh sebanyak 17 fitur yang menjadi faktor risiko, yaitu terkait histori medis ibu, aktivitas merokok ibu, serta tingkat pendidikan dan pengetahuan ibu. Kemudian didapatkan bahwa model Logistic Regression memiliki performa terbaik. Optimalisasi model dilakukan dengan menggunakan logaritmic transformation dan hyperparameter tuning sehingga model prediksi kelahiran prematur memiliki tingkat akurasi sebesar 73.10%, presisi sebesar 75.89%, recall sebesar 67.75%, dan ROC-AUC sebesar 80%.