Model prediksi support vector machine pada penggunaan kontrasepsi hormonal dan non hormonal

Di Indonesia, setiap 3 menit, 1 anak balita di Indoensia meninggal dunia dan setiap jam, 1 wanita meninggal dunia ketika melahirkan atau karena masalah kehamilan. Hal ini menujukkan bahwa peningkatan kesehatan bagi ibu berjalan lambat dalam beberapa tahun terkahir. Program yang dibuat oleh pemerintah Indonesia salah satunya yaitu program KB atau yang dikenal dengan Keluarga Berencana. Usaha program KB yang paling utama yaitu pencegahan resiko kesehatan terkait terutama kesehatan pada wanita dan mengurangi resiko kematian pada bayi (World Health Organization, 2018). Jumlah kematian ibu (AKI) melahirkan di Indonesia masih terbilang tinggi yaitu 132-323 per 100.000 kelahiran ibu (PKBI, 2017). Program KB yang dilakukan oleh pemerintah yaitu penggunaan alat kontrasepsi sebagai bentuk fasilitas yang diberikan. Big data dapat dianalisis dengan machine learning, dimana terdapat beberapa macam metode machine learning yang dapat digunakan dalam perkembangan ilmu pengetahuan. Metode SVM merupakan salah satu pengembangan machine larning yang dapat memprediksi dengan cara mengklasifikasikan atau mengelompokkan sebuah data berskala besar (big data) sehingga dapat memberikan kesimpulan yang tepat. Pada penelitian ini metode SVM digunakan untuk memprediksi model kontrasepsi yang difasilitasi oleh pemerintah. Model prediksi alat kontrasepsi hormonal dan non-hormonal dengan menggunakan metode klasifikasi Support Vector Machine (SVM) yaitu 33,87%. Nilai ketepatan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) yaitu 41,677% dengan kata lain kesalahan performa model yang terbentuk dengan menggunakan metode SVM jauh dari nilai akurasi sebesar 100%