Latar Belakang: Kelahiran preterm merupakan penyebab tertinggi kematian

neonatal. Indonesia menduduki posisi tertinggi di ASEAN dan kelima di dunia

untuk kelahiran preterm. Rumusan masalah: Belum adanya model prediksi

kelahiran preterm yang memperlihatkan prediktor yang berguna untuk

mengembangkan program pencegahan. Tujuan: Menemukan model prediksi

kelahiran preterm berbasis machine learning untuk deteksi dini kelahiran preterm

di Fasilitas Kesehatan Tingkat Pertama (FKTP). Metode: Penelitian ini

menggunakan desain studi case control dengan menggunakan data rekam medis

Rumah Sakit (RS) di Palembang yaitu RS YK Madira, RSMH, RS Bunda, RS Ar

Rasyid, RS Muhammadiyah, dan RS Bhayangkara tahun 2019 dengan jumlah

sampel 1758 responden yang terdiri dari 879 preterm dan 879 aterm. Faktor risiko

yang digunakan pada penelitian ini didapatkan dari Systematic Literature Review

yang terdiri dari faktor sosiodemografi (10 variabel), faktor perilaku/gaya hidup (5

variabel), faktor maternal/kondisi ibu sebelum kehamilan (8 variabel), faktor

kehamilan/obstetri ginekologi (21 variabel), faktor biologis (3 variabel), faktor

pelayanan kesehatan (2 variabel) dan Faktor Kondisi Janin (4 variabel).

Pemodelan dilakukan dengan menggunakan machine learning dengan

menggunakan algoritme decision tree, K-Nearest Neighbour (KNN), naïve bayes,

logistic regression, Support Vector Machine (SVM) dan neural network (CNN1D,

multilayer perceptron dan backpropagation). Hasil: Ditemukan 21 variabel

penelitian dari 53 variabel yang dibutuhkan, dan menemukan 6 variabel yang

menjadi prediktor utama kelahiran preterm di antaranya pre-eklamsia, perdarahan

dalam kehamilan, riwayat ketuban pecah dini, jarak antar dua kehamilan, paritas,

dan anemia. Pada penelitian ini ditemukan algoritma terbaik yaitu decision tree

dengan nilai akurasi 95% untuk training dan 96% untuk testing dan telah dibuat

prototype berupa aplikasi berbasis web untuk deteksi dini di FKTP. Kesimpulan:

Ditemukan research novelty yaitu diperoleh model prediksi kelahiran preterm,

dimana model ini potensial untuk digunakan di FKTP sebagai upaya deteksi dini.

Model prediksi ini akan mendeteksi ibu hamil akan berisiko preterm atau tidak

berisiko. Apabila diketahui ibu berisiko kelahiran preterm, maka ibu dianjurkan

untuk melakukan pemeriksaan di RS, agar tidak terjadi keterlambatan penanganan

yang menyebabkan kematian ibu maupun bayi. Dibandingkan tidak ada model

prediksi, maka risiko kelahiran preterm tidak dapat dicegah, sehingga

keterlambatan penanganan akan terjadi.