Prediksi Persebaran Kasus Demam Berdarah dengan Melibatkan Data Twitter Menggunakan Gate Recurrent Unit

Badarudin, Mirza Aditya (2024) Prediksi Persebaran Kasus Demam Berdarah dengan Melibatkan Data Twitter Menggunakan Gate Recurrent Unit. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201057-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (6MB) | Request a copy

Abstract

Demam berdarah adalah penyakit menular yang memiliki dampak signifikan terhadap kesehatan masyarakat di banyak negara tropis. Meskipun umum ditemukan, demam berdarah ternyata masih dianggap penyakit berbahaya akibat sifatnya yang tidak terduga. Dalam upaya untuk mengendalikan dan mencegah penyebaran penyakit ini, pemantauan dan prediksi yang akurat tentang potensi jumlahnya menjadi sangat penting. Tugas akhir ini bertujuan untuk mengembangkan sebuah model prediksi jumlah kasus demam berdarah dengan menggunakan data dari platform Twitter. Data yang dikumpulkan meliputi postingan yang berkaitan dengan gejala demam berdarah, penyebaran kasus, dan upaya pencegahan penyakit ini. Data dari Twitter tersebut akan penulis bandingkan performanya dengan data dari sumber konvensional, dalam kasus ini penulis menggunakan Data Kasus Demam Berdarah yang dilansir oleh Dinas Kesehatan Provinsi DKI Jakarta. Penelitian ini menggunakan Gate Recurrent Unit (GRU) sebagai algoritma penelitian, yang termasuk dalam keluarga jaringan saraf rekuren (RNN) yang efektif dalam memodelkan data berurutan yang sesuai dengan data dalam penelitian ini. Penelitian ini menunjukkan bahwa dengan perlakuan yang sama, data media sosial dan konvensional menelurka performa yang mirip dengan perlakuan jika diberikan perlakuan seragam. Dataset media sosial berhasil menghasilkan sebuah model dengan nilai MSE sebesar 450, nilai MAE sebesar 11.68, dan nilai MAPE sebesar 158%. Sementara itu, dengan dataset konvensional, pemodelan yang dihasilkan memili performa dengan nilai MSE sebesar 133,404, nilai MAE sebesar 270, dan nilai MAPE sebesar 175%. Meskipun jumlah kasusnya tidak akurat, penelitian ini mampu memberikan gambaran mengenai tren kasus demam berdarah di masa depan secara baik. Harapan penulis, penelitian ini dapat memantik semangat pembaca untuk melanjutkan penelitian ini untuk memperbaiki hasil dari penelitian hingga dapat secara akurat memprediksi jumlah kasus demam berdarah yang akan terjadi di masa depan.
=================================================================================================================================
Dengue fever is an infectious disease that has a significant impact on public health in many tropical countries. Even though it is common, dengue fever is still considered a dangerous disease due to its unpredictable nature. In an effort to control and prevent the spread of this disease, accurate monitoring and prediction of its potential numbers is critical. This final project aims to develop a prediction model for the number of dengue fever cases using data from the Twitter platform. The data collected includes posts related to dengue fever symptoms, the spread of cases, and efforts to prevent this disease. The author will compare the performance of the data from Twitter with data from conventional sources, in this case, the author uses Dengue Fever Case Data reported by the DKI Jakarta Provincial Health Service. This research uses the Gate Recurrent Unit (GRU) as a research algorithm, which is included in the recurrent neural network (RNN) family and is effective in modeling sequential data that corresponds to the data in this research. This research shows that with the same treatment, social and conventional media data spawn similar performance to those given uniform treatment. Social media data has an MSE value of 450, an MAE value of 11.68, and a MAPE value of 158%. Meanwhile, conventional data has an MSE value of 133,404, an MAE value of 270, and a MAPE value of 175%. Even though the number of cases is not accurate, this research is able to provide a good picture of the trend in dengue fever cases over time. The author's hope is that this research can inspire readers' enthusiasm to continue this research to improve the results of the research so that they can accurately predict the number of dengue fever cases that will occur in the future.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Demam Berdarah, Prediksi, Gated Recurrent Unit, Media Sosial, Twitter, Dengue Fever, Prediction, Social Media
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Mirza Aditya Badarudin
Date Deposited:	15 Feb 2024 04:50
Last Modified:	15 Feb 2024 04:50
URI:	http://repository.its.ac.id/id/eprint/107107

Actions (login required)

View Item