Abstrak

Persalinan caesar merupakan suatu tindakan operatif pada ibu bersalin dengan melakukan insisi pada kulit, dinding perut dan dinding rahim untuk menyelamatkan ibu serta bayi. Tindakan caesar dilakukan jika sang ibu tidak dapat melahirkan secara normal yang disebabkan oleh suatu indikasi tertentu. Untuk mengurangi resiko persalinan pada ibu dan bayi, perlu dilakukan pemeriksaan kondisi calon pasien caesar, maka dapat dilakukan penerapan dan pemanfaatan teknik data mining guna meminimalisir kesalahan dalam pemeriksaan. Klasifikasi yaitu salah satu poin penting dalam data mining atau pembelajaran mesin. Klasifikasi merupakan suatu pengelompokan data dimana data tersebut memiliki kelas label atau target. Salah satu metode data mining untuk masalah klasifikasi yang bisa implementasikan yaitu Neural Network. Untuk meningkatkan hasil akurasi penelitian, maka dapat digunakan pembobotan atribut menggunakan Particle Swarm Optimization. Pada penelitian yang dilakukan, teknik klasifikasi metode Neural Network dan Particle Swarm Optimization diterapkan pada Caesarian Section Classification Dataset. Setelah penelitian selesai dilakukan, diperoleh hasil akurasi menggunakan Neural Network mencapai 87.50% dengan nilai Area Under Curve (AUC) yaitu 1.000. Kemudian hasil akurasi menggunakan Neural Network berbasis Particle Swarm Optimization mengalami peningkatan sebesar 6.25% dengan akurasi mencapai 93.75% dan Area Under Curve (AUC) yaitu 0.913.