Implementasi seleksi fitur chi-square pada klasifikasi kesehatan janin berdasarkan data cardiotocography dengan support vector machine

Pemantauan kesehatan janin menjadi aspek penting karena hal tersebut merupakan bentuk antisipasi terkait potensi patologis yang berkemungkinan membahayakan janin maupun ibu hamil. Sebagaimana dilansir dalam website resmi UNICEF, tercatat sebanyak 7,9 juta bayi lahir dengan keadaan cacat dan 2,3 juta kasus kematian bayi setiap tahunnya. Selain membahayakan bayi, kesehatan janin juga berdampak pada keselamatan ibu. Oleh karena itu, perlu dilakukan suatu usaha mitigasi risiko guna memperkecil potensi kecacatan dan kematian pada janin, salah satunya ialah melakukan klasifikasi terkait status kesehatan janin menggunakan algoritma SVM dengan bantuan seleksi fitur Chi-Square. Data pada penelitian berisikan 21 fitur dengan kategori 3 kelas yaitu normal, suspect dan pathology. Penelitian dilakukan untuk mengetahui seberapa signifikan proses seleksi fitur pada hasil evaluasi algoritma SVM, dengan menambahkan uji coba 3 kernel (Linear, RBF dan Polinomial). Berdasarkan hasil penelitian, penambahan seleksi fitur Chi-Square pada klasifikasi SVM menunjukkan hasil terbaik dibandingkan klasifikasi SVM tanpa seleksi fitur. Kernel Polynomial dengan parameter Cost (C)=1 dan Degree (d)=3 menunjukkan hasil terbaik pada akurasi sebesar 94.9%, sensitivitas 84.4% dan spesifisitas sebesar 98.1%.