Klasifikasi status kesehatan janin pada kardiotokografi menggunakan metode extreme learning machine

Pada masa kehamilan, seorang ibu harus selalu memperhatikan kesehatannya, Pentingnya memantau kondisi kesehatan janin agar dapat mendeteksi adanya gejala abnormal pada janin. Kardiotokografi (CTG) merupakan alat yang berfungsi untuk memantau aktivitas janin seperti detak jantung janin (FHR) dan kontraksi rahim (UC). Penelitian ini bertujuan untuk mengklasifikasi status kesehatan janin pada data kardiotkografi dengan data sebanyak 2126 pasien ibu hamil menggunakan metode Extreme Learning machine. Data tersebut berisi 21 variabel data seperti baseline Fetal heart rate, Acceleration, Uterine Contraction dll serta dengan label data normal, suspicious dan pathologic. Tahapan yang dilakukan yaitu input data, kemudian pre-processing menggunakan normalisasi M in − M ax. Setelah itu klasifikasi dengan pembagian data menggunakan K-fold cross validation dimana nilai K-fold 5 dan 10. Metode yang digunakan yaitu ELM dengan uji coba yaitu fungsi aktivasi sigmodi biner, bipolar dan sin. Kemudian dievaluasi menggunakan confussion matrix. Hasil uji coba terbaik ditunjukkan pada k=10, fungsi aktivasi sin dan hidden layer sebesar 200. Model ini menghasilkan rata-rata akurasi, sensitivitas, dan spesifisitas yang sangat baik yakni masing-masing 94, 45%, 91.46% serta 81.34% dalam waktu 1.38 detik.