Setiap persalinan memiliki risiko baik bagi ibu maupun janin, berupa risiko kesakitan hingga kematian. Jika ibu atau janin dalam keadaan yang dapat menimbulkan komplikasi persalinan, maka untuk menyelamatkan keduanya diperlukan tindakan persalinan, salah satunya yang merupakan persalinan seksio sesarea (1). Faktor risiko yang dapat menyebabkan persalinan sesar adalah faktor yang berasal dari: janin, faktor biologis ibu, dan faktor lingkungan. Seorang ibu hamil yang memiliki pengetahuan yang tinggi. Risiko kehamilan memungkinkan ibu untuk berpikir dan menentukan sikap yang benar, berperilaku preventif, menghindari atau mengatasi risiko tersebut untuk menjaga kehamilan dan persalinan agar dapat berjalan dengan aman dan baik. Angka kematian ibu di Indonesia berkaitan dengan rendahnya pengetahuan ibu tentang risiko tinggi kehamilan, terutama dengan persalinan sesar.
Sistem prediksi yang disajikan dalam artikel ini menggunakan metode Dempster Shafer, metode yang akan mengumpulkan informasi dan pengetahuan dari seorang pakar berupa nilai yang disebut fungsi keyakinan. Proses ini Metodenya sama dengan standar yang digunakan oleh seorang ahli dalam membuat prediksi, yaitu berupa daftar pertanyaan tentang persalinan sesar.
Sistem prediksi yang disajikan dalam artikel ini dapat diterapkan sebagai informasi bagi ibu hamil untuk meningkatkan kesadaran akan kehamilan resiko tinggi yang akan berdampak pada proses persalinan yang akan dilakukan. Data akan diolah dengan metode Dempster Shafer untuk menentukan tingkat keyakinan suatu kesimpulan berdasarkan fakta (faktor risiko persalinan sesar) yang ada dimana terdapat nilai densitas probabilitas berdasarkan faktor risiko yang diberikan oleh pengguna pada saat prediksi dibuat. Tipe dari Mesin inferensi yang digunakan pada sistem pakar ini adalah forward chaining. Metode ini dimulai dari sekumpulan fakta tentang risiko faktor dan gejala yang diberikan oleh pengguna sebagai masukan ke dalam sistem, yang kemudian dihitung sampai tujuan akhir di berupa kesimpulan yaitu prediksi risiko persalinan sesar yang dialami.
Desain sistem prediksi yang dijelaskan dalam artikel ini menggunakan Aplikasi Android sebagai pengembangan antarmuka pengguna perangkat lunak bersama dengan perangkat lunak enymotion sebagai emulator untuk pengujian dan evaluasi aplikasi. Sistem ini disebut Persiapan Persalinan atau PREPER (Prediksi Persalinan) 2.0 Bahasa Indonesia seperti terlihat pada Gambar 3. Sebanyak 100 medis Data yang digunakan sebagai data uji terdiri dari 50 data persalinan normal dan 50 data persalinan sesar. Data itu diambil di Rumah Sakit Haji Surabaya (Rumah Sakit Haji Surabaya), Indonesia. Sistem prediksi ini dikembangkan di Laboratorium Teknik Biomedik, Fakultas Sains dan Teknologi, Universitas Airlangga.
Secara keseluruhan, sistem prediksi mampu memprediksi risiko persalinan sesar, dengan persentase yang akurat 85%. Jika sistem tidak dapat memberikan prediksi yang benar pada data yang diuji, maka dapat dikatakan terkait dengan kondisi pasien saat ini itu sendiri dan juga kemampuan sistem yang tidak mampu memprediksi abnormal kondisi.
Kecerdasan buatan merupakan salah satu bagian dari ilmu komputer, salah satunya adalah sistem pakar. Pakar itu sendiri adalah individu yang memiliki kemampuan pemahaman yang tinggi terhadap suatu masalah, misalnya seorang dokter. Kemampuan keahlian digunakan adalah untuk dapat mengenali dan merumuskan masalah, memecahkan masalah secara tepat dan menjelaskan solusi. Itu Sistem prediksi yang diusulkan dalam artikel ini didasarkan pada metode Dempster Shafer yang diwakili oleh kepercayaan nilai dan nilai plausibility untuk setiap faktor risiko yang diproses melalui mesin inferensi maju. Nilai dari keyakinan dan nilai plausibility diberikan oleh para ahli di bidangnya, dalam hal ini yaitu dokter kandungan dan ginekolog. Hasil dari sistem prediksi ini menunjukkan persentase akurasi sebesar 85% yang menjelaskan bahwa Aplikasi ini mampu memprediksi risiko persalinan sesar dengan tepat.
Sumber:
https://aip.scitation.org/doi/10.1063/5.0035200
Expert system for risk prediction of cesarean section delivery with Dempster Shafer method
Ismaiba, Riries Rulaningtyas, Katherine, Ernawati
