PERAMALAN KLB CAMPAK MENGGUNAKAN GABUNGAN METODE JST BACKPROPAGATION DAN CART

sulistyowati, Drs. Edi Winarko, M.Sc., Ph.D.

2013 | Tesis | S2 Ilmu Komputer

Peramalan Kejadian Luar biasa (KLB) Campak pada suatu daerah diperlukan karena untuk mencegah meluasnya kejadian di suatu daerah. Salah satu cara yang dilakukan dalam penelitian ini adalah memprediksi kejadian campak menggunakan kombinasi JST backpropagation dan CART. JST backpropagation digunakan untuk memprediksi data berkala kejadian campak, kemudian metode CART digunakan untuk melakukan penentuan KLB atau non KLB suatu daerah. JST backpropagation merupakan salah satu metode yang sering digunakan untuk peramalan yang dapat menghasilkan tingkat akurasi yang lebih baik dari metode JST yang lain. Sedangkan metode CART merupakan suatu metode pohon biner yang juga populer untuk melakukan klasifikasi, yang dapat menghasilkan model atau aturan klasifikasi. Hasil penelitian ini adalah jumlah window terbaik untuk melakukan peramalan JST backpropagation yang mempengaruhi hasil akurasi peramalan. Penentuan jumlah window dari suatu peramalan JST backpropagation pada setiap atribut berbeda-beda hasilnya dan berpengaruh secara langsung terhadap hasil peramalan. Metode JST backpropagation mampu melakukan peramalan time series dengan akurasi 86.71%. Hasil klasifikasi dengan metode CART adalah 88.52%, sedangkan klasifikasi yang dilakukan dengan JST adalah 83.61%, sehingga klasifikasi yang dilakukan dalam menentukan daerah KLB/non KLB pada penelitian ini memiliki akurasi yang lebih baik dibandingkan dengan klasifikasi dengan JST Backpropagation.

Forecasting Measles Outbreak in an area is necessary because to prevent widespread occurrence in an area. One way that is done in this study is to predict the incidence of measles by using a combination of backpropagation ANN and CART. Backpropagation ANN is used to predict the incidence of measles periodic data, then the CART method used to perform the determination of an outbreak or non-outbreak area. Backpropagation neural network is one of the most commonly used methods for forecasting which can result in a better level of accuracy than other ANN methods. While the methods of CART is a binary tree method is also popular for the classification, which can produce models or classification rules. Results of this study show that the number of the best window for backpropagation neural network to forecast the outcome affect forecasting accuracy. Methods of the ANN can do forecasting for time series with accuracy 86.71%. The classification using of CART is 88.52%, but the classification with ANN is 83.61%. So that classification was done by CART for prediction outbreak/non outbreak in this research has accuracy more better than classification with ANN backpropagation.

Kata Kunci : KLB, Campak, Peramalan, Backprpagation, CART