<![CDATA[Abstrak - Hasil observasi di lingkungan rumah maupun kantor yakni cukup banyak ibu hamil yang akhirnya melakukan operasi caesar. Ada beberapa penyebab seorang ibu hamil melakukan caesar. Pertama, faktor kesehatan ibu. Kedua, faktor janin. Ketiga adalah faktor gabungan dari faktor ibu dan janin. Faktor-faktor tersebut menjadi indikasi apakah persalinan akan dilakukan dengan mutlak atau mungkin juga bisa menjadi relatif. Pada penelitian ini akan menerapkan metode Naive Bayes dengan optimasi forward selection untuk mendapatkan klasifikasi persalinan caesar dengan lebih optimal dimana hasil yang didapatkan penelitian sebelumnya terhadap prediksi ibu melahirkan hanya mendapat akurasi 88%. Nave Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik. Dari sembilan atribut yang digunakan yaitu Gravid Aterm, Riwayat SC, Posisi Bayi, Bayi Besar, Plasenta, Ketuban, Penyakit Ibu, Gemelli, dan Inpatu lalu dengan menggunakan algoritma Naive Bayes berbasis Forward Elimination didapatkan empat atribut weight yaitu Gravid Aterm, Bayi Besar, Ketuban dan t Gemelli dalam mengklasifikasi partus atau persalinan caesar. Secara mandiri tingkat akurasi yang dihasilkan algoritma Naive Bayes adalah 93,33 %. Sedangkan dengan menambahkan seleksi fitur Forward Elimination menghasilkan akurasi 94% dalam klasifikasi pasien persalinan Caesar. Dengan demikian, metode Naive Bayes berbasis Forward Elimination dapat digunakan sebagai metode yang lebih optimal dari penelitian sebelumnya.Kata Kunci: Nave Bayes, Forward Selection, CaesarAbstract -The results of observations in the home and office environment are quite a lot of pregnant women who end up doing cesarean sections. There are several causes of a pregnant woman doing a cesarean. First, the maternal health factor. Secondly, fetal factors. Third is the combined factor of maternal and fetal factors. These factors are an indication of whether labor will be done absolutely or maybe it can also be relative. This study will apply the Naive Bayes method with forward selection optimization to get a more optimal classification of cesarean delivery where the results obtained by previous studies on the prediction of childbirth only got 88% accuracy. Nave Bayes is a classification by probability and statistical methods. Of the nine attributes used, namely Gravid Aterm, SC History, The position of the Baby, Big Baby, Placenta, Amniotic, Maternal Disease, Gemelli, and Inpatu then using the Naive Bayes algorithm based on Forward Elimination obtained four weight attributes, namely Gravid Aterm, Big Baby, Amniotic and Gemelli t in classifying partus or cesarean delivery. Meanwhile, by adding the Forward Elimination feature selection resulted in 94% accuracy in the classification of Cesarean delivery patients. Thus, the Naive Bayes method based on Forward Elimination can be used as a more optimal method than previous studies.Keywords : Nave Bayes Forward Selection Caesar]]>
