Diabetes yang muncul atau sudah ada sebelum kehamilan membawa risiko besar. Ibu hamil dengan gangguan keseimbangan glukosa lebih rentan mengalami preeklampsia, kelahiran prematur, plasenta previa, sampai hipoglikemia pada bayi yang baru lahir. Karena itu, penapisan awal menjadi penting, terutama di fasilitas kesehatan yang sumber dayanya terbatas.
Tim peneliti memakai 248 catatan pemeriksaan ibu hamil di Puskesmas Lawang, Kabupaten Malang, dari Januari sampai Agustus 2021. Setiap catatan memuat 16 atribut, mulai dari usia ibu, usia kehamilan, riwayat kehamilan, indeks massa tubuh, sampai hasil skrining hepatitis, HIV, dan infeksi menular seksual.
Metode yang dipilih adalah K-Nearest Neighbor (KNN). Algoritma ini menebak kelas sebuah data baru dengan melihat seberapa dekat data itu ke tetangga terdekatnya. Tim menguji empat nilai k dan membandingkan beberapa rasio pembagian data latih dengan data uji.
Rasio 7:3 antara data latih dan data uji memberi hasil terbaik pada hampir semua skenario. Artinya, model lebih stabil ketika porsi data untuk belajar cukup besar, sementara sisanya tetap cukup untuk menguji.
Angka 78,38 persen jelas belum cukup untuk menggantikan penilaian bidan atau dokter. Namun hasil ini menunjukkan bahwa catatan pemeriksaan rutin di puskesmas sudah cukup kaya untuk memberi sinyal awal, asalkan atributnya diisi lengkap dan konsisten.
Aryo Pinandito, Satrio Agung Wicaksono, dan Satrio Hadi Wijoyo (2023). Implementasi Machine Learning Dalam Deteksi Risiko Tinggi Diabetes Melitus Pada Kehamilan. Jurnal Teknologi Informasi dan Ilmu Komputer.
