Evaluasi Ketepatan Klasifikasi Penyakit Ispa (Infeksi Saluran Pernafasan Akut) Pada Anak Balita Menggunakan Metode Classification Trees Di Puskesmas Cukir Kabupaten Jombang Jawa Timur

Budhiman, Arif (2018) Evaluasi Ketepatan Klasifikasi Penyakit Ispa (Infeksi Saluran Pernafasan Akut) Pada Anak Balita Menggunakan Metode Classification Trees Di Puskesmas Cukir Kabupaten Jombang Jawa Timur. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1315105039-Undergraduate_Theses.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Infeksi Saluran Pernafasan Akut (ISPA) adalah penyakit infeksi pada saluran pernafasan terutama mengenai struktur saluran pernafasan. Penyakit ISPA merupakan masalah kesehatan tidak boleh diabaikan karena menyebabkan kematian bayi dan balita yang tinggi. Rencana Strategis (Renstra) Puskesmas di Kabupaten Jombang Jawa Timur merupakan suatu proses secara sistematis. Pada analisis Classification Trees variabel yang berpengaruh signifikan adalah variabel Suhu Tubuh. Berdasarkan hasil tersebut diketahui bahwa nilai skor variabel Suhu Tubuh memiliki nilai kontribusi terbesar yaitu 100 yang artinya variabel X4 (Suhu Tubuh) akan menjadi pemilah awal atau sebagai simpul induk (parent nodes). Jika dilihat nilai relative cost pohon klasifikasi dengan simpul terminal sebanyak 9 simpul sudah dapat dikatakan optimal ditunjukan dengan nilai relative cost sebesar 0.230 dan nilai kompleksitas 0.010. Hasil Ketepatan Klasifikasi Classification Trees dengan menggunakan metode 10-fold cross validation diketahui bahwa terdapat 103 anak balita yang termasuk dalam kategori ISPA (terdiagnosa penyakit ISPA) dengan 89 tepat diklasifikasikan sebagai anak balita dengan terdiagnosa penyakit ISPA dan 14 anak balita salah diklasifikasikan sebagai anak balita yang tidak terdiagnosa penyakit ISPA. Sehingga nilai sensitivy yang diperoleh sebesar 0.864. Sementara itu jumlah anak balita yang tidak termasuk dalam kategori terdiagnosa penyakit ISPA sebanyak 53 anak balita, dimana 48 anak balita tepat diklasifikasikan Non ISPA (tidak terdiagnosa ISPA) dan 5 tepat disalahkan sebagai terdiagnosa ISPA sehingga diperoleh nilai specificity sebesar 0.906. Total akurasi yang dihasilkan untuk klasifikasi terdiagnosa pemyakit ISPA pada anak balita adalah 87.8%. Sedangkan total kesalahan klasifikasi (APER) yang dihasilkan 12.2%. Karena total akurasi cukup tinggi maka pohon klasifikasi optimal yang terbentuk sudah layak digunakan untuk pengklasifikasian. ============================================================================================================= Acute Respiratory Infection (ARI) is an infectious respiratory tract infection, especially regarding the structure of the respiratory tract. It should be noted that ARI disease is a health problem should not be ignored because it causes high infant and toddler mortality. Strategic Plan Puskesmas in Jombang East Java is a systematic process. In the analysis of Classification Trees is known that the variables that significantly influence the variable temperature. Based on these results it is known that the value score the variable temperature rate getting result the biggest value contribution is 100 which variable X4 (temperature) will be first sorting or as parent nodes. It can be looked value relative cost of classification trees with terminal node is 9 node have been optimum, showed with value relative cost is 0.230. In result of classification trees with using 10-fold cross validation method is known that there 103 toddler which include Acute Respiratory Infection (ARI) with 89 exactly classified as toddler which exposed Acute Respiratory Infection (ARI) disease and 14 toddler false classified as toddler which not exposed Acute Respiratory Infection (ARI) disease. So that value sensity which obtained is 0.864. While number of toddler which not exposed Acute Respiratory Infection (ARI) disease is 53 toddler, so that obtained value of specifity is 0.906. Value accuracy which resulted for classification Acute Respiratory Infection (ARI) is 87.8%. While misclassification (APER) obtained 12.2%. Because value accuracy so high enough, so classification trees optimum which formed worth it using clasifcation.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Classification Trees, ISPA, Relative Cost
Subjects: R Medicine > R Medicine (General)
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Budhiman Arif
Date Deposited: 12 Apr 2018 04:18
Last Modified: 12 Apr 2018 04:19
URI: http://repository.its.ac.id/id/eprint/50826

Actions (login required)

View Item View Item