Peramalan Angka Penderita Penyakit Tuberkulosis di Provinsi Jawa Timur Menggunakan Metode Support Vector Machine

Fahrusyiana, Geavanny Elok (2019) Peramalan Angka Penderita Penyakit Tuberkulosis di Provinsi Jawa Timur Menggunakan Metode Support Vector Machine. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
05211540000006-Undergraduate_Theses.pdf

Download (1MB) | Preview

Abstract

Pada tahun 2016, WHO melaporkan bahwa penyakit tuberkulosis (TB) merupakan penyebab kematian tertinggi di dunia ke-10. Menteri Kesehatan RI menetapkan bahwa TB merupakan salah satu permasalahan kesehatan utama di Indonesia berdasarkan laporan WHO yang menyatakan bahwa Indonesia berada di posisi ke-2 dengan beban jumlah penderita TB terbanyak di dunia. Dengan masuknya Jawa Timur di 3 besar provinsi dengan jumlah penderita TB terbanyak di Indonesia, yaitu sejumlah 12150 kasus, menjadikan TB merupakan salah satu permasalahan kesehatan utama di provinsi Jawa Timur. Meninjau perubahan temporal dan melakukan prediksi terhadap angka penderita TB di masa mendatang, memiliki peran penting dalam memberikan bahan pertimbangan dalam pengambilan keputusan bagi Dinas Kesehatan Provinsi Jawa Timur sebagai upaya dalam menekan angka peningkatan penderita TB dan untuk mendukung target Wakil Presiden RI, yaitu Indonesia bebas TB di tahun 2025. Metode yang akan digunakan dalam membangun model peramalan adalah salah satu metode machine learning, yaitu Support Vector Regression (SVR), metode SVM untuk regresi. Pada tugas akhir ini juga akan digunakan algoritma Grid Search untuk mengoptimasi nilai parameter kernel. Untuk mengevaluasi performa Grid Search dalam mencari nilai parameter yang optimal akan digunakan Cross Validation. Melalui tugas akhir ini akan dihasilkan model peramalan menggunakan SVR yang dapat meramalkan jumlah kasus penderita penyakit TB di Provinsi Jawa Timur untuk periode tahun 2018 triwulan keempat hingga tahun 2025 triwulan keempat. Hasil evaluasi model peramalan menunjukkan bahwa model peramalan SVR dengan kernel RBF dan nilai hyperparameter yang telah dioptimasi mampu menurunkan nilai MSE menjadi sebesar 10540.27 dan nilai MAPE sebesar 7.19%. Walaupun model peramalan yang dibangun merupakan model peramalan yang baik, namun, berdasarkan hasil peramalan yang dihasilkan, model peramalan belum cukup mampu mengikuti pola data aktual yang fluktuatif. Hal ini disebabkan karena adanya pengaruh variable bebas terhada model peramalan yang dibangun. Dimana berdasarkan uji korelasinya, tingkat korelasi antara variable jumlah kasus TB dengan variable lama penyinaran matahari adalah sangat lemah. Sehingga, model peramalan yang dibangun tidak dapat mengikuti pola data actual. Sedangkan model peramalan yang hanya menggunakan 1 variabel, yaiu jumlah kasus TB dapat menghasilkan nilai error MAPE dan MSE yang lebih kecil, yaitu 2.46% untuk nilai MAPE dan 4579.68 untuk nilai MSE. Model peramalan tanpa melibatkan variable bebas juga memberikan pola data hasil peramalan yang dapat mengikuti pola data actual. Melalui tugas akhir ini diharapkan dapat membantu pihak Dinas Kesehatan Provinsi Jawa Timur dalam memberikan hasil peramalan terkait jumlah penderita penyakit TB di Provinsi Jawa Timur pada periode tahun 2018 triwulan ketiga hingga 2025 yang dapat dijadikan sebagai bahan dalam pengambilan keputusan terkait upaya penekanan peningkatan angka penderita penyakit TB serta turut mensukseskan target Wakil Presiden RI untuk Indonesia yang bebas TB di tahun 2025 ================================================================================================ In 2016, WHO reported that tuberculosis (TB) was the highest cause of death in the 10th world. The Minister of Health of the Republic of Indonesia stipulates that TB is one of the main health problems in Indonesia based on the WHO report stating that Indonesia is in the second position with the highest number of TB sufferers in the world. With the entry of East Java in 3 major provinces with the highest number of TB sufferers in Indonesia, namely 12150 cases, making TB is one of the main health problems in the East Java province. Reviewing temporal changes and predicting the number of TB patients in the future, has an important role in providing consideration in decision making for the East Java Provincial Health Office as an effort to reduce the increase in TB patients and to support the target of the Vice President of Indonesia, namely TB-free Indonesia in 2025. The method to be used in building a forecasting model is one of machine learning methods, namely Support Vector Regression (SVR), SVM method for regression. In this final project the Grid Search algorithm will be used to optimize kernel parameter values. To evaluate Grid Search performance in finding the optimal parameter value Cross Validation will be used. Through this final project will be produced a forecasting model using SVM that can predict the number of cases of TB patients in East Java Province for the period of 2018 fourth quarter to the year 2025 fourth quarter. The results of the forecasting model evaluation show that the SVM forecasting model with the RBF kernel and the optimized hyperparameter value can reduce the MSE value to 10540.27 and the MAPE value to 7.19%. Although the forecasting model built is a good forecasting model, however, based on the results of the forecasting produced, the forecasting model has not been able to adequately follow the fluctuating pattern of actual data. This is due to the influence of the free variable on the forecasting model that was built. Where based on the correlation test, the level of correlation between the variables of the number of TB cases with the old variable of solar radiation is very weak. So, the forecasting model built cannot follow the actual data pattern. While the forecasting model that only uses 1 variable, the number of TB cases can produce smaller MAPE and MSE error values, which are 2.46% for MAPE values and 4579.68 for MSE values. The forecasting model without involving free variables also provides a pattern of forecasting data that can follow the actual data pattern. Through this final project, it is expected to be able to help the East Java Provincial Health Office in providing forecasting results related to the number of TB patients in East Java Province in the third quarter to 2025 which can be used as material in decision making related to efforts to reduce TB rates. and contribute to the success of the target of the Indonesian Vice President for Indonesia who is TB free in 2025

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 519.535 Fah p-1 2019
Uncontrolled Keywords: Tuberkulosis, Peramalan, Data Deret Waktu, SVR, Grid Search
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Q Science > QA Mathematics > QA353.K47 Kernel functions (analysis)
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: Geavanny Elok Fahrusyiana
Date Deposited: 05 Jul 2021 04:03
Last Modified: 05 Jul 2021 04:13
URI: https://repository.its.ac.id/id/eprint/60677

Actions (login required)

View Item View Item