IMPLEMENTASI NEURAL NETWORK UNTUK MEMPREDIKSI JUMLAH PENDERITA TUBERCULOSIS
Abstract: Tuberkulosis (TBC)
merupakan salah satu jenis penyakit menular yang memiliki jumlah penderita yang
sangat banyak, bahkan Indonesia menduduki urutan ke empat jumlah terbanyak
penderita Tuberkulosis di dunia. Tuberkulosis telah banyak menyebabkan kematian
pada penderitanya baik dari kalangan anak-anak, dewasa sampai lanjut usia.
Dengan fenomena tersebut maka dibutuhkan studi untuk memprediksi jumlah
penderita tuberkulosis pada tahun-tahun yang akan datang yang nantinya dapat
digunakan sebagai pendukung keputusan medis. Dalam penelitian ini Neural
network digunakan untuk memprediksi jumlah penyakit tuberkulosis dengan
menggunakan data bulanan dalam jangka waktu duapuluh tahun terakhir. Metode
yang digunakan untuk membangun neural network yaitu dengan menggunakan tiga
macam algoritme yaitu Back Propagation, Quasi-Newton dan Lavemberg-Marquardt
untuk dapat meminimalkan tingkat error, dengan harapan hasil yang dicapai bisa
lebih tepat dalam memprediksi jumlah penyakit tuberkulosis. Dalam penelitian
ini diperoleh hasil forecasting dengan mengukur tingkat akurasi forecasting
dengan membandingkan nilai MAPE dan MSE, dari ketiga algoritme didapatkan algoritme Lavemberg-Marquardt memiliki nilai
MAPE dan MSE terbaik yaitu 9,15 % dan 43419 yang menunjukkan algoritme yang
paling optimal dibanding yang lain
Keywords: Neural Network,
Forecasting, Tuberculosi, Back Propagation, Quasi-Newton,Lavemberg-Marquardt
Penulis: ahmad chamsudin
Kode Jurnal: jptlisetrodd160646
