Aulia, Firdha Rizki (2019) Peramalan Jumlah Kasus Demam Berdarah Pada Kabupaten Malang Menggunakan Metode Recurrent Neural Network Dan Backpropagation. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211540000010-Undergraduate_Theses.pdf Download (2MB) | Preview |
Abstract
Demam berdarah merupakan sebuah penyakit yang disebabkan oleh virus dengue dan ditularkan oleh nyamuk Aedes yang merupakan salah satu penyebab utama terjadinya demam berdarah di seluruh dunia. Virus dengue sendiri dapat menyebabkan berbagai macam penyakit termasuk demam berdarah (DB), demam berdarah dengue (DBD), dan sindrom demam berdarah (DSS). Penyakit ini mulai muncul di Indonesia pada tahun 1968 dan terus menyebar ke seluruh propinsi di Indonesia dengan pola epidemiologi infeksi yang mengalami perubahan dari tahun ke tahun dengan jumlah kasus memuncak setiap 10 tahunan. Pada tahun 2016, Kabupaten Malang tercatat pada urutan ketiga sebagai wilayah dengan kasus demam berdarah terbanyak di Jawa Timur. Oleh karena itu dibutuhkan adanya peramalan mengenai jumlah kasus demam berdarah sebagai upaya persiapan bagi instansi setempat dalam upaya pengobatan terhadap kasus demam berdarah. Metode yang digunakan ialah Artificial Neural Network dengan menggunakan arsitektur Recurrent Neural Network tepatnya Elman Neural Network dan Feedforward Backpropagation. Metode ini digunakan karena ANN terkenal sangat baik dalam mempelajari pola pola time series, sehingga dapat memprediksi kondisi di waktu selanjutnya. Variabel yang akan digunakan ialah banyaknya kasus demam berdarah, suhu, kelembaban, serta curah hujan dengan interval waktu variabel per pekan mulai Januari 2016 hingga Desember 2017. Hasil dari tugas akhir ini ialah menemukan model terbaik dan keakuratan hasil peramalan untuk meramalkan jumlah kasus demam berdarah pada periode berikutnya. Model terbaik yang dihasilkan oleh Elman Recurrent Neural Network memiliki neuron 4 hidden layer, learning rate 0,7 Momentum sebesar 0,3 dan menghasilkan MSE sebesar 1,067E-08. Model terbaik dari Backpropagation memiliki 5 neuron hidden layer, learning rate sebesar 0,9, dengan Momentum sebesar 0,9 dan menghasilkan MSE sebesar 5,99E-31.
=================================================================================================================================
Dengue fever is a disease caused by the dengue virus and transmitted by the Aedes mosquito, which is one of the main causes of dengue fever worldwide. The dengue virus itself can cause a variety of diseases including dengue fever (DB), dengue haemorrhagic fever (DHF), and dengue fever syndrome (DSS). This disease began to appear in Indonesia in 1968 and continues to spread to all provinces in Indonesia with epidemiological patterns of infection that change from year to year with the number of cases peaking every 10 years. In 2016, Malang Regency was on third position as the region with the most dengue fever cases in East Java. Therefore, there is a need for forecasting the number of dengue cases as a preparation for local agencies to treat dengue fever cases. The method used is Artificial Neural Network by using the architecture of Recurrent Neural Network to be exact Elman Neural Network and Feedforward Backpropagation. This method is used because ANN is known as a very good at learning time series pattern patterns, so it can predict conditions in the future. The variables that will be used are the number of cases of dengue fever, temperature, humidity, and rainfall with variable time intervals weekly start from January 2016 to December 2017. The results of this thesis research are focused on finding the best model and the accuracy of forecasting results which can be used to forecast the number of dengue cases in the next period. The best model produced by Elman Recurrent Neural Network has 4 hidden layer neurons, the learning rate is equal to 0,7 with Momentum equal to 0.3 and MSE equal to 1,067E-08. The best model of Feedforward Backpropagation has 5 hidden layer neurons, a learning rate and Momentum is equal to 0.9 and produces MSE equal to 5,99E-31.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 006.3 Aul p-1 2019 |
| Uncontrolled Keywords: | Peramalan, demam berdarah, elman recurrent neural network, feedforward backpropagation |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Firdha Rizki Aulia |
| Date Deposited: | 02 Apr 2024 03:32 |
| Last Modified: | 02 Apr 2024 03:32 |
| URI: | http://repository.its.ac.id/id/eprint/64302 |
Actions (login required)
 |
View Item |