Prediksi Jumlah Penderita Penyakit Tuberkulosis Di Kota Bandar Lampung Menggunakan Metode SVM (Support Vector Machine)

Abstract

<p><em>Tuberkulosis (TB atau TBC) merupakan salah satu penyakit infeksi yang disebabkan oleh Bakteri Mycobacterium tuberculosis. Bakteri tersebut merupakan bakteri yang sangat kuat sehingga dalam pengobatannya memerlukan waktu yang cukup lama. Pengobatan penyakit tuberkulosis dilakukan selama 6-9 bulan secara rutin dengan sedikitnya 3 macam jenis obat. Saat ini kebanyakan masyarakat menganggap batuk dalam jangka waktu berbulan-bulan merupakan batuk biasa, jika dicermati salah satu gejala yang ditimbulkan penyakit tuberkulosis, yaitu batuk dalam jangka waktu yang panjang. Pada penelitian ini digunakan data penderita tuberkulosis di Kota Bandar Lampung, data cuaca dan matrix jarak antara kejadian penderita tuberkulosis yang satu dengan kejadian yang lainnya dalam lingkup kecamatan. Jumlah dari keseluruhan data sebanyak 600 data dengan 44 variabel. Penelitian ini juga menggunakan 3 kernel yaitu, Linear, Gaussian, dan Polynomial dengan menggunakan Metode SVM dengan kernel Linear mendapatkan nilai rata-rata R<sup>2</sup> sebesar 51.43 %, pada percobaan dengan metode SVM dengan kernel Gaussian mendapatkan nilai rata-rata R<sup>2</sup> sebesar 58.53 % dan pada percobaan dengan metode SVM dengan kernel Polynomial mendapatkan nilai rata-rata R<sup>2</sup> sebesar 36.03 %.</em></p><p><strong><em>Kata Kunci</em></strong><em> : Prediksi penderita tuberculosis, tuberculosis, Machine Learning, Support Vector Machine.</em></p><p class="Abstrak"><em>Tuberculosis (TB / TBC) is one of infectious disease caused by Mycobacterium tuberculosis bacteria. These bacteria are very strong bacteria so for the treatment takes a long time. Tuberculosis treatment is carried out for 6-9 months regularly with at least 3 types of drugs. Currently, most of people consider a cough for months is a common cough, if looked by one of the symptoms caused by tuberculosis, which is a cough for a long time. In this research, data on tuberculosis patients in the city of Bandar Lampung were used, weather data and the distance matrix between the case of tuberculosis patients with other case within the district. The total number of data is 600 data with 44 variables. This research also uses 3 kernels</em><em> </em><em>namely, Linear, Gaussian, and Polynomial by using the SVM method with the Linear kernel getting an average R<sup>2</sup> value of 51.43%, in the experiment with the SVM method with a gaussian kernel getting an average R<sup>2</sup> value of 58.53% and at Experiments with the SVM method with the Polynomial kernel obtained an average value of R<sup>2</sup> of 36.03%</em><em> .</em></p><p class="Abstrak"><strong><em>Keywords</em></strong><em> : Prediction of tuberculosis sufferers, tuberculosis, Machine Learning, Support Vector Machine.</em></p>

Prediksi Penyebaran Tuberkulosis Di Indonesia Menggunakan Single Moving Average

“…Data yang digunakan adalah data penderita tuberkulosis di Kota Bandar Lampung, data cuaca dan matrix jarak antara kejadian penderita tuberkulosis yang satu dengan kejadian yang lainnya dalam lingkup kecamatan. Jumlah dari keseluruhan data sebanyak 600 data dengan 44 variabel.Penelitian ini juga menggunakan 3 kernel yaitu, Linear, gaussian, dan Polynomial dengan menggunakan Metode SVM dengan kernel Linear mendapatkan nilai rata-rata R2 sebesar 51.43 %, pada percobaan dengan metode SVM dengan kernel Gaussian mendapatkan nilai rata-rata R2 sebesar 58.53 % dan pada percobaan dengan metode SVM dengan kernel Polynomial mendapatkan nilai rata-rata R2 sebesar 36.03 % (Lumbanraja et al, 2020).…”

Prediksi Jumlah Kasus COVID-19 Menggunakan Teknik Sliding Wondows dengan Metode BPNN

“…Fungsi dari SSE dapat dilihat pada persamaan . Dengan merupakan data aktual dan merupakan data hasil prediksi [16]…”

Peningkatan Kinerja AMG8833 sebagai Thermocam dengan Metode Regresi AdaBoost untuk Pelaksanaan Protokol COVID-19

“…Model Regresi AdaBoost pada penelitian di evaluasi menggunakan dua parameter yaitu, R-Squared ( 2 ) dan Root Mean Square Error (RMSE). R-Squared ( 2 ) berfungsi untuk mengukur tingkat keberhasilan regresi dalam memprediksi suatu nilai [24]. Suatu model regresi dikatakan baik dalam memprediksi suatu nilai jika Nilai R-Squared mendekati 1.…”