Sudiarti, Yeyen (2019) Peramalan Jumlah Penderita Difteri Menggunakan Metode Support Vector Regression dan Genetic Algorithm (SVR-GA). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211540000114-Undergraduate_Theses.pdf Download (3MB) | Preview |
Abstract
Indonesia merupakan salah satu negara dengan jumlah penderita difteri terbesar di dunia. Tingginya peningkatan jumlah penderita difteri di Indonesia membuat difteri dikategorikan sebagai Kejadian Luar Biasa (KLB). Di Jawa Timur, difteri merupakan kasus “re-emerging disease” dengan kasus tertinggi pernah terjadi pada tahun 2012 sebanyak 955 kasus dengan 37 kematian. Jumlah penderita difteri dilaporkan terus meningkat, yaitu dari 265 kasus pada tahun 2015 menjadi 345 kasus pada tahun 2016 dengan 6 kasus kematian. Pada tahun 2017, dilaporkan terdapat 489 kasus difteri dengan 16 kasus kematian yang tersebar di 9 kabupaten. Difteri adalah penyakit yang dapat dicegah dengan imunisasi. Imunisasi telah mengurangi angka kematian dan kerentanan terhadap difteri secara drastis, namun difteri masih merupakan masalah kesehatan anak yang signifikan di negara-negara dengan cakupan imunisasi yang buruk. Oleh karena itu, dalam penelitian tugas akhir ini akan dibahas bagaimana mengetahui prediksi jumlah penderita difteri untuk membantu Dinas Kesehatan Provinsi Jawa Timur dalam menentukan kebijakan yang akan dilakukan untuk menekan jumlah penderita difteri. Metode yang akan digunakan adalah Support Vector Regression (SVR) yang dibantu dengan optimasi parameter menggunakan metode Genetic Algorithm (GA). Metode ini dipilih karena terbukti bisa mengatasi overfitting, menghindari local optimum, dan bisa menemukan solusi dalam waktu yang singkat. Dari penelitian ini, diperoleh prediksi jumlah penderita difteri dengan nilai MSE 0,00024 untuk Kota Surabaya, 0,13674 untuk Kab. Malang, dan 0,52682 untuk Kab. Sumenep serta nilai SMAPE 2,5071% untuk Kota Surabaya, 4,9776% untuk Kab. Malang, dan 56,4089% untuk Kab. Sumenep. Berdasarkan nilai MSE dan SMAPE tersebut, Kota Surabaya dan Kab. Malang menunjukkan hasil prediksi yang baik, sedangkan Kab. Sumenep menunjukkan hasil prediksi yang buruk.
=================================================================================================================================
Indonesia is one of the countries with the largest number of diphtheria patients in the world. The high number of diphtheria patients which is constantly rising makes diphtheria categorized as an outbreak (Kejadian Luar Biasa). In East Java, diphtheria is a case of "re-emerging disease" with the highest number of cases occurred in 2012 as many as 955 cases with 37 deaths. The number of diphtheria patients was reported to continue to increase, from 265 cases in 2015 to 345 cases in 2016 with 6 deaths. In 2017, there were reported 489 cases of diphtheria with 16 cases of deaths spread across 9 districts. Diphtheria is a disease that can be prevented by immunization. Immunization has drastically reduced the mortality and susceptibility of diphtheria, but in the countries with poor immunization coverage it remains as a significant child health problem. Therefore, in this final project the way to find out the prediction of the number of diphtheria patients to help the East Java Provincial Health Office in determining the policies concerned about this issue to reduce the number of diphtheria patients will be discussed. The method used was the Support Vector Regression (SVR) which was assisted by the optimization parameter using the Genetic Algorithm (GA). This method was chosen because it was proven to be able to overcome overfitting, avoid local optimum, and able to find solutions in the short time. From this final project, the prediction of the number of diphtheria patients was obtained with the value of MSE 0,00024 for Surabaya City, 0,13674 for Kab. Malang, and 0.52682 for Kab. Sumenep and the value of SMAPE 2.5071% for Surabaya City, 4.9776% for Kab. Malang, and 56.4089% for Kab. Sumenep. Based on the value of MSE and SMAPE, Surabaya City and Kab. Malang showed the good predictive results, while Kab. Sumenep showed the poor predictive results.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSI 519.535 Sud p-1 2019 |
| Uncontrolled Keywords: | Difteri, Peramalan, SVR, GA |
| Subjects: | Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods. Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Yeyen Sudiarti |
| Date Deposited: | 11 Oct 2024 06:28 |
| Last Modified: | 11 Oct 2024 06:28 |
| URI: | http://repository.its.ac.id/id/eprint/64514 |
Actions (login required)
 |
View Item |