Prediksi Tingkat Keparahan Demam Berdarah dengan Menggunakan Metode Ensemble Neural Network pada Studi Kasus di Kabupaten Malang

Yafi, Muhammad (2025) Prediksi Tingkat Keparahan Demam Berdarah dengan Menggunakan Metode Ensemble Neural Network pada Studi Kasus di Kabupaten Malang. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211079_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (3MB) | Request a copy

Abstract

Penyakit Demam Berdarah (DBD) merupakan salah satu penyakit virus yang disebabkan oleh nyamuk, dengan penyebaran yang cepat terutama di negara-negara tropis seperti Indonesia. Kabupaten Malang merupakan salah satu wilayah di Indonesia dengan kasus DBD yang tinggi, sehingga diperlukan prediksi tingkat keparahan untuk meminimalkan dampak penyebarannya. Penelitian ini bertujuan untuk melakukan prediksi tingkat keparahan DBD dengan menggunakan metode Ensemble Neural Network berbasis soft voting. Metode ini melibatkan penggabungan beberapa model prediksi untuk meningkatkan akurasi dan ketahanan model terhadap variasi data yang berbeda. Data yang digunakan mencakup data kasus DBD, iklim, dan kependudukan dari 33 kecamatan di Kabupaten Malang selama periode 2015 hingga 2023. Model dilatih dan diuji menggunakan beberapa skenario pembagian dataset (80:20, 70:30, 60:40, dan 50:50) dengan proporsi pelatihan yang berbeda, yang memungkinkan evaluasi performa model dalam berbagai kondisi data. Hasil penelitian menunjukkan bahwa model Ensemble Neural Network mampu memprediksi tingkat keparahan DBD secara efektif, dengan akurasi tertinggi tercapai pada skenario pembagian dataset 80:20 pada skenario lima kecamatan pembentuk model, yaitu sebesar 97,62%. Kinerja model pada label dominan (L0) konsisten tinggi di seluruh skenario, sementara performa pada label minoritas (L1, L2, dan L3) menunjukkan peningkatan stabil seiring bertambahnya jumlah kecamatan dalam skenario. Hal ini menandakan bahwa model dengan variasi data yang lebih beragam mampu mengenali pola lebih baik dan meningkatkan generalisasi. Prediksi ini diharapkan dapat memberikan rekomendasi bagi Dinas Kesehatan Kabupaten Malang untuk mengambil keputusan strategis dalam pengelolaan dan pencegahan penyebaran penyakit DBD di masa mendatang.
==================================================================================================================================
Dengue Fever (DF) is a viral disease spread by mosquitoes, with rapid transmission, especially in tropical countries such as Indonesia. Malang Regency is one of the regions in Indonesia with high cases of DF, necessitating severity predictions to minimize the impact of its spread. This study aims to predict the severity of DF using an Ensemble Neural Network method based on soft voting. This method involves combining several prediction models to improve accuracy and model resilience across different data variations. The data used includes DF cases, climate, and population data from 33 sub-districts in Malang Regency over the period from 2015 to 2023. The model is trained and tested using several dataset split scenarios (80:20, 70:30, 60:40, and 50:50) with different training proportions, allowing for performance evaluation of the model under various data conditions. The results indicate that the Ensemble Neural Network model can effectively predict DF severity, achieving the highest accuracy in the 80:20 dataset split scenario with five subdistricts as the model foundation, reaching 97.62%. The model consistently performs well on the dominant label (L0) across all scenarios, while performance on minority labels (L1, L2, and L3) shows steady improvement with an increasing number of sub-districts in the scenarios. This suggests that the model benefits from diverse data variations, enhancing pattern recognition and model generalization. These predictions are expected to provide recommendations for the Malang Regency Health Office in making strategic decisions for managing and preventing the spread of DF in the future.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Demam Berdarah, Ensemble Neural Network, Soft Voting, Prediksi, Keparahan, Dengue Fever, Prediction, Severity.
Subjects:	Q Science Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Yafi
Date Deposited:	14 Jan 2025 03:20
Last Modified:	14 Jan 2025 03:20
URI:	http://repository.its.ac.id/id/eprint/116284

Actions (login required)

View Item