PREDIKSI KEJADIAN DEPRESI POSTPARTUM DENGAN PENDEKATAN MACHINE LEARNING MELALUI RANDOM FOREST DI WILAYAH PUSKESMAS PELAMBUAN BANJARMASIN

Widia (2026) PREDIKSI KEJADIAN DEPRESI POSTPARTUM DENGAN PENDEKATAN MACHINE LEARNING MELALUI RANDOM FOREST DI WILAYAH PUSKESMAS PELAMBUAN BANJARMASIN. PROGRAM STUDI SARJANA KEPERAWATAN JURUSAN KEPERAWATAN FAKULTAS KESEHATAN UNIVERSITAS SARI MULIA BANJARMASIN 2026.

Text skripsi widia yang sudah acc pembimbing.pdf Download (1MB)

Abstract

PREDIKSI KEJADIAN DEPRESI POSTPARTUM DENGAN PENDEKATAN MACHINE LEARNING MELALUI RANDOM FOREST DI WILAYAH PUSKESMASPELAMBUAN BANJARMASIN Widia1, Winda Ayu Fazraningtyas1, Hj Latifah2, Subhannur Rahman2 1Program Studi Sarjana Keperawan, Fakultas Kesehatan Universitas Sari Mulia 2Program Studi Profesi Ners, Fakultas Kesehatan Universitas Sari Mulia Banjarmasin, Kalimantan Selatan, Indonesia *E-mail: [email protected] Abstrak Latar Belakang: Depresi Postpartum adalah masalah kesehatan mental yang terjadi pada ibu setelah melahirkan. masalah mental ini dapat berdampak pada hubungan antara ibu dan bayi baru lahir. Untuk itu penting melakukan deteksi dini depresi yang terjadi pada ibu pasca melahirkan. salah satu cara yang dapat mempercepat deteksi dini,yaitu dengan memanfaatkan AI melakukan machine learning. Tujuan: Memprediksi kejadian depresi postpartum dengan pendekatan machine learning melalui Random Forest di wilayah Puskesmas Pelambuan Metode: Desain analitik prediktif dengan pendekatan cross-sectional dengan melibatkan sebanyak 95 ibu Postpartum yang diambil dengan teknik purposive sampling. Data dikumpulkan menggunakan kuesioner Edinburgh Postnatal Depression Scale (EPDS) dan Postpartum Depression Risk Factor (PPDRF) yang telah teruji valid dan reliabel. Analisis menggunakan algoritma Random Forest melalui RapidMiner. Hasil: Sebanyak 66 responden (69,47) mengalami depresi Postpartum dan 29 responden (30,52) tidak mengalami depresi Postpartum. pendidikan terakhir, golongan darah, ketakutan menghadapi persalinan, metode persalinan, lama persalinan, merupakan faktor paling terbanyak mempengaruhi kejadian depresi Postpartum Performance dari Random Forest menunjukan dengan nilai akurasi sebesar 96,84% dan Nilai F1 Score sebesar 94,55 %. Simpulan: The random forest algorithm demonstrates excellent capability in predicting the occurrence of PPD, supporting early detection in primary healthcare settings through the use of AI.

Actions (login required)

View Item