Pembuatan Model Penyebaran Penyakit Demam Berdarah Menggunakan Long Short Term Memory (LSTM)

Setiyoutami, Arfinda (2021) Pembuatan Model Penyebaran Penyakit Demam Berdarah Menggunakan Long Short Term Memory (LSTM). Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 07111850052001-Master_Thesis.pdf] Text
07111850052001-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2023.

Download (11MB) | Request a copy

Abstract

Virus dengue yang menyebabkan penyakit demam berdarah menyebar melalui Aedes aegypti sebagai vektor nyamuk utama, dan manusia sebagai pembawa virus. Dalam memprediksi penyebaran demam berdarah antar lokasi, perlu diketahui dinamika hubungan antar lokasi dari waktu ke waktu ketika terjadi penyebaran. Studi tentang model penyebaran penyakit sebelumnya berupa simulasi model kompartemen standar seperti SIR, ISIR, dan SEIR yang diterapkan pada data jaringan umum ataupun buatan. Ketika data insiden penyakit tersedia, penelitian sebelumnya memodelkan jaringan penyebaran penyakit statis dengan lokasi sebagai node serta tautan yang mewakili jumlah kasus. Namun demikian, diperlukan analisis mengenai dinamika penularan demam berdarah yang dapat berkembang secara cepat setiap waktunya, yang tidak dapat dilakukan menggunakan jaringan statis. Oleh karena itu, Penulis mengusulkan model jaringan penyebaran demam berdarah dinamis yang terdiri dari lima skenario dengan rentang waktu dan batas pengelompokan lokasi yang berbeda. Kemudian, analisis dilakukan terhadap prediksi penyebaran demam berdarah menggunakan metode prediksi tautan jaringan dinamis yang diterapkan pada kelima model tersebut. Dari hasil percobaan, Jaringan Kedekatan yang dimodelkan berdasarkan hipotesis bahwa demam berdarah hanya menyebar antar lokalitas yang berdekatan menghasilkan akurasi 92.54% untuk keseluruhan periode. Saat diterapkan pada periode wabah, terjadi peningkatan sebesar 3,39 poin, yang menunjukkan bahwa prediksi tautan dapat menghasilkan akurasi yang lebih baik ketika demam berdarah menyebar dengan cepat. Selain itu, dari hasil prediksi disimpulkan bahwa riwayat jumlah kasus demam berdarah sebelumnya di suatu lokasi dapat mempengaruhi potensi penyebaran di masa mendatang, di mana suatu lokasi yang tidak terdapat insiden di hari ini dapat berpotensi terinfeksi di masa yang akan datang jika kasus demam berdarah sebelumnya sering terjadi pada lokasi tersebut.
======================================================================================================
Dengue virus which causes dengue fever spreads through Aedes aegypti as the
main mosquito vector, and human as the virus carrier. In predicting dengue
spread between locations, it is necessary to know the relationship dynamics
between locations from time to time. Previous works on disease spread models
included simulations of standard compartment models such as SIR, ISIR,
and SEIR which were applied to general and artificial network data. When
disease incidence data were available, previous studies modeled static disease
spread network with locations as nodes and links representing the number
of cases. However, it is necessary to analyze the dynamics of dengue which
can develop rapidly over time, which cannot be done using static networks.
Therefore, we propose dengue spread dynamic network model consisting
of five scenarios with different timespan and location grouping/clustering
boundaries. In addition to that, an analysis was carried out on the prediction
of dengue spread using dynamic network link prediction method applied to
the five models. From the experimental results, Neighbor Network which
was modeled based on the hypothesis that dengue only spreads between
neighboring localities resulted in an accuracy of 92.54 % for the entire period.
When applied only to outbreak period, there was an accuracy increase of 3.39
points, which suggests that link prediction can result in better accuracy when
dengue is rapidly spreading. In addition, our experiments concluded that the
number of previous dengue cases in a locality can affect the potential spread
in the future, where a locality with no current incidences may get infected if
dengue cases often occurred in the past.

Item Type: Thesis (Masters)
Uncontrolled Keywords: demam berdarah, model penyebaran virus, jaringan penyebaran demam berdarah dinamis, prediksi tautan jaringan dinamis, long short term memory, dengue, virus spread model, dengue spread dynamic network, dynamic network link prediction, long short term memory
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
R Medicine > RC Internal medicine > RC137 Dengue
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Arfinda Setiyoutami
Date Deposited: 01 Mar 2021 09:24
Last Modified: 01 Mar 2021 09:24
URI: http://repository.its.ac.id/id/eprint/83033

Actions (login required)

View Item View Item