Perbandingan Model Neural Networks Dengan Poisson Regression Dan Negative Binomial Regression Pada Kasus Demam Berdarah Dengue (DBD) Di Surabaya

Pradhani, Fastha Aulia (2016) Perbandingan Model Neural Networks Dengan Poisson Regression Dan Negative Binomial Regression Pada Kasus Demam Berdarah Dengue (DBD) Di Surabaya. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1314201036-Master-Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Demam berdarah atau demam dengue (DBD) adalah penyakit yang disebabkan oleh nyamuk Aedes Aegypti yang menyebarkan virus dengue pada tubuh manusia. Pada penelitian ini akan dilakukan pemodelan kasus DBD di Surabaya dengan menggunakan tiga model yaitu Poisson Regression, Negative Binomial Regression, dan Neural Networks (NN). Pemodelan kasus DBD telah banyak dilakukan, salah satunya menggunakan regresi poisson, namun pada banyak kasus asumsi equidispersion pada regresi poisson sulit dipenuhi. Salah satu alternatif yang dapat dipakai untuk mengatasi hal tersebut adalah memodelkan data dengan menggunakan model negative binomial regression. Neural Network merupakan salah satu teknik yang lebih fleksibel dalam penyelesaian kasus pemodelan hubungan variabel. Unit observasi yang digunakan ialah 31 kecamatan di Surabaya. Jumlah kasus DBD di tiap kecamatan sebagai variabel respon, dengan variabel bebas yaitu persentase rumah bebas jentik, rumah tangga miskin, PHBS, kepadatan penduduk, rasio tenaga medis, RT yang memiliki tempat sampah sehat, serta sarana Puskemas. Data dibagi menjadi data training dan testing menggunakan k-fold crossvalidation. Arsitektur yang dipakai pada model neural network adalah Multi Layer Perceptron, dengan algoritma pembelajaran backpropagation dan metode perubahan bobot Levenberg Marquardt. Bobot awal diinisialisasi dengan nilai yang paling optimum setelah dilakukan pemilihan secara random sebanyak 100 kali. Kasus overdispersi terjadi pada model poisson regression yang dihasilkan, sehingga dilanjutkan dengan pemodelan menggunakan negative binomial regression, dan diperoleh hasil bahwa kasus overdispersi dapat teratasi, namun kasus under estimate belum dapat diatasi. Pada model (NN), arsitektur terbaik dihasilkan pada MLP (8-12-1). Selanjutnya dilakukan pemilihan model terbaik, dari ketiga model yang telah dihasilkan Kriteria pemilihan model terbaik ditentukan berdasarkan nilai CV testing, dan diperoleh hasil bahwa NN merupakan model terbaik yang dipakai untuk memprediksi banyaknya kasus DBD di Surabaya. ================================================================================================================== Demam Berdarah or Dengue fever (DBD) is a disease caused by the mosquito Aedes Aegypti spreading dengue virus in the human body. This research will be carried out modeling of DBD cases in Surabaya using three models namely Poisson Regression, Negative Binomial Regression and Neural Networks (NN). Modeling of dengue cases has been done, one of them using Poisson regression, but in many cases the assumption equidispersion on Poisson regression difficult to reach. One alternative that can be used to overcome this problem is to modeling the data by using negative binomial regression models. Neural Network is one of the techniques that more flexible in solving the case of variable relation modeling. Observation units used are 31 districts in Surabaya. Number of dengue cases in each district as response variables, independent variable is the percentage of loose home larva, poor households, PHBS, population density, the ratio of medical personnel, RT which have a healthy litter, as well as means Puskemas. Data was divided into training data and testing using the k-fold crossvalidation. Architecture used in the model was a neural network Multi Layer Perceptron with backpropagation learning algorithm and Levenberg Marquardt method of weight change. The initial weight was initialized with the most optimum value after randomly selecting 100 times. Overdispersion cases occurred in Poisson regression model was produced, which was followed by using a negative binomial regression modeling, and obtained results that over dispersion cases can be resolved, but the case can’t be resolved under estimate. In the model (NN), best architecture resulting in MLP (8-12-1). Furthermore, the election of the best model, of the three models were produced criteria for selecting the best model was determined based on the value of CV testing, and obtained results that NN is the best model used to predict the number of dengue cases in Surabaya.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Pra p
Uncontrolled Keywords: DBD, Poisson, Neural Network
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: Users 13 not found.
Date Deposited: 14 Jun 2017 04:10
Last Modified: 27 Dec 2018 04:14
URI: http://repository.its.ac.id/id/eprint/41656

Actions (login required)

View Item View Item