Sistem identifikasi faktor risiko kesehatan maternal dengan outlier handling isolation forest menggunakan metode kernel extreme learning machine

Kesehatan maternal adalah kunci dalam mencegah kematian ibu dan anak selama kehamilan, persalinan, dan pasca persalinan. Faktor-faktor seperti usia, tekanan darah, gula darah, suhu tubuh, dan denyut jantung memengaruhi risiko kematian maternal, yang terbagi ke dalam tiga kategori: risiko tinggi, sedang, dan rendah kematian maternal. Identifikasi risiko ini penting untuk mencegah komplikasi kesehatan pada ibu dan anak serta menurunkan angka kematian. Salah satu metode sering digunakan untuk mengidentifikasi masalah kesehatan adalah Kernel Extreme Learning Machine (KELM). Sebagai pengembangan dari ELM, KELM menggunakan fungsi kernel untuk meningkatkan kemampuan klasifikasi dan akurasi. Data dalam penelitian ini memiliki range data yang tinggi, sehingga penggunaan outlier handling Isolation Forest dilakukan untuk memperbaiki kinerja model KELM. Penelitian ini bertujuan untuk mengidentifikasi risiko komplikasi kehamilan melalui penerapan outlier handling isolation forest dengan menggunakan metode KELM untuk pendeteksiannya. Penelitian ini menggunakan uji coba parameter KELM diantaranya menggunakan jenis kernel seperti linear, polynomial, sigmoid, dan RBF. Selain itu juga menggunakan uji coba koefisien regulasi 0.1, 1, 10, dan 100, serta uji coba outlier handling Isolation Forest yang dibandingkan dengan tanpa outlier handling Isolation Forest. Hasil penelitian menunjukkan model terbaik terletak pada percobaan kernel polynomial dengan outlier handling Isolation Forest dan koefisien regulasi 0.1. Hasil evaluasi menghasilkan nilai akurasi sebesar 92.45%, sensitivitas sebesar 91.63%, dan spesifisitas sebesar 95.83%.