Prediksi Resiko Kesehatan Ibu Hamil Menggunakan Random Forest berbasis Machine Learning
Demo & Pengujian Sistem: Prediksi Resiko Kesehatan Ibu Hamil Menggunakan Random Forest berbasis Machine Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Resiko Kesehatan Ibu Hamil Menggunakan Random Forest berbasis Machine Learning via TikTok.
Overview & Cara Kerja
MaternalCare AI merupakan sistem pendukung keputusan klinis (Clinical Decision Support System / CDSS) berbasis kecerdasan buatan (Artificial Intelligence) dan Machine Learning yang dirancang untuk melakukan stratifikasi serta deteksi dini tingkat risiko komplikasi kesehatan pada ibu hamil (Maternal Health Risk) secara akurat dan objektif.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
6.103 Maternal Cohort Inspection
Analisis dan pemetaan 8 parameter vital fisiologis dan metabolik dari 6.103 data rekam medis ibu hamil dengan sebaran 3 kelas risiko yang seimbang.
Cleaning & Target Label Encoding
Eliminasi kolom identifier non-klinis (Patient ID dan Name), validasi integritas data tanpa nilai hilang, serta encoding label target risiko menjadi nilai numerik.
5-Fold Stratified Cross-Validation
Partisi data latih ke dalam 5 lipatan seimbang secara bertingkat untuk menguji stabilitas generalisasi model dan mencegah risiko overfitting pada data medis.
8-Algorithm Classification Benchmark
Evaluasi komparatif 8 algoritma (Random Forest, XGBoost, Gradient Boosting, Decision Tree, SVM, KNN, Naive Bayes, Logistic Regression) pada 1.221 data uji mandiri.
Flask Clinical Web App & REST API
Implementasi web dashboard MaternalCare AI berbasis Tailwind CSS dengan simulasi pasien 1-klik, kalkulasi probabilitas, deteksi marker kritis, dan RESTful API.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
Maternal Health Risk Dataset.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, HTML, CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung