PENERAPAN METODE K-NEAREST NEIGHBOR DALAM KLASIFIKASI STATUS KESEHATAN JANIN PADA DATA KARDIOTOKOGRAFI

Pemantauan kesehatan janin melalui Kardiotokografi (CTG) adalah praktik yang umum digunakan untuk menilai kesejahteraan janin selama kehamilan. Namun, salah satu tantangan utama dalam pemantauan ini adalah klasifikasi status kesehatan janin dengan tingkat akurasi tinggi. Metode klasifikasi yang tepat diperlukan untuk memprediksi kondisi janin, terutama dalam mengidentifikasi hipoksia. Penelitian ini memfokuskan pada penggunaan metode K-Nearest Neighbor (KNN) dalam klasifikasi status kesehatan janin berdasarkan data CTG. Data yang digunakan dalam penelitian ini adalah data yang didapatkan dari penelitian terdahulu dan dipublikasi pada tahun 2020 di Kaggle. Data yang digunakan sebanyak 2.126 data CTG yang terdiri dari 1.655 pada kasus normal, 295 pada kasus suspect, dan 176 pada kasus patologis dengan total 21 variabel kriteria dan 1 variabel target. Berdasarkan uji coba menggunakan metode KNN pada data CTG, akurasi terendah diperoleh pada k=1 dengan tingkat akurasi sebesar 60.23%. Sementara itu, nilai k=5, 7, dan 9 menunjukkan peningkatan signifikan dalam akurasi, mencapai 72.73%. Dari hasil uji coba ini, dapat disimpulkan bahwa metode KNN memberikan tingkat akurasi yang bervariasi, dengan performa yang lebih baik pada nilai k yang sedikit lebih tinggi, khususnya pada nilai k=5, 7, dan 9.rnrnKata kunci: Kehamilan, Kesehatan janin, K-Nearest Neighbor, Kardiotokografi.