<![CDATA[Angka persalinan dengan tindakan Sectio Caesarea (SC) di Indonesia terus meningkat dan melebihi batas ideal yang ditetapkan oleh WHO yaitu 10–15%, dengan prevalensi mencapai 17,6%. Hal ini menimbulkan kekhawatiran karena prosedur SC memiliki risiko komplikasi yang lebih tinggi dibandingkan persalinan normal, termasuk infeksi, pendarahan, hingga kematian ibu dan bayi. Meskipun SC menjadi alternatif penting dalam kondisi tertentu, pemilihan metode persalinan yang tidak tepat dapat berdampak negatif terhadap keselamatan ibu dan anak. Keputusan medis yang selama ini cenderung subjektif membutuhkan pendekatan yang lebih objektif dan berbasis data. Penelitian ini bertujuan untuk mendapatkan optimasi kinerja dengan Support Vector Machine (SVM) terhadap kernel serta memperoleh performa model yang baik. Pemantauan perbandingan untuk membuat berbagai kernel SVM yang lebih baik akurasinya untuk analisis SC. Hasil dari penelitian ini menghasilkan tingkat akurasi pada pengujian 83.36% menggunakan bantuan kernel RBF sebagai akurasi terbaik, dibandingkan dengan kernel linear sebesar 78.92%, kernel sigmoid sebesar 65.05%, kernel polynomial sebesar 82.39%. Selanjutnya, perhitungan ROC-AUC digunakan agar menghasilkan perhitungan yang rinci kepada keempat kernel, yaitu kernel linear 88.01%, kernal polynomial sebesar 89.28%, pada kernel sigmoid sebesar 70.19%. Kemudian, nilai grafik ROC-AUC untuk kernel RBF sebesar 89.86%, mengindikasikan bahwa model klasifikasi yang dibangun telah bekerja denga baik serta memiliki potensi untuk dikembangkan pada penelitian lanjutan.]]>
