UNESAUNESA

Journal of Intelligent System and TelecommunicationJournal of Intelligent System and Telecommunication

Kondisi sanitasi suatu wilayah sangatlah penting. Hal ini yang membuat suatu wilayah nyaman dan bebas dari berbagai penyakit, salah satunya adalah demam berdarah. Hal ini dikarenakan kondisi sanitasi merupakan salah satu faktor penting dalam mengurangi jumlah penderita demam berdarah. Penelitian ini bertujuan untuk memprediksi tingkat kondisi sanitasi suatu wilayah menggunakan Neural Network dan Support Vector Machine (SVM). Penelitian ini merupakan bagian dari studi untuk menentukan demam berdarah di wilayah Bangka Belitung Indonesia. Parameter yang digunakan adalah learning rate 0.1, momentum 0.1 dan pembelajaran dilakukan selama 500 epoch. Hasil menunjukkan bahwa menggunakan metode Neural Network, diperoleh akurasi 95% dan metode SVM memperoleh akurasi 96%. Berdasarkan hasil sistem, dapat disimpulkan bahwa sistem telah dapat berjalan dengan baik. Kontribusi penelitian ini adalah dapat menjadi Decision Support System dalam menentukan tingkat sanitasi suatu wilayah, dan pihak terkait dapat segera mengambil tindakan tindak lanjut.

Dalam evaluasi kinerja, ditemukan bahwa model yang diusulkan dalam mengklasifikasikan tingkat sanitasi memiliki kinerja yang baik.Hasil evaluasi kinerja model yang diusulkan (menggunakan Neural Network) memiliki nilai akurasi, presisi, recall dan F1-Score masing-masing sebesar 0.Sedangkan penerapan SVM hasil perhitungan nilai akurasi, presisi, recall dan F1-Score masing-masing adalah 0.Berdasarkan hal tersebut, model yang diusulkan dapat diandalkan dalam tingkat sanitasi regional berdasarkan pengelolaan septic tank, kebiasaan mencuci tangan dengan sabun, pengelolaan makanan dan air minum rumah tangga, pengelolaan pembuangan sampah rumah tangga, dan pengelolaan limbah cair rumah tangga.

Untuk penelitian selanjutnya, diusulkan untuk mengeksplorasi penyebab/faktor penentu sanitasi di suatu wilayah, dan tidak hanya demam berdarah. Kemudian dilakukan pembelajaran ulang untuk memperoleh sistem yang lebih robust. Metode lain juga dapat digunakan, dengan harapan memperoleh nilai akurasi yang lebih tinggi.

  1. 0. pdf obj metadata endobj extgstate xobject procset text imageb imagec imagei annots mediabox contents... doi.org/10.32628/CSEIT2065440 pdf obj metadata endobj extgstate xobject procset text imageb imagec imagei annots mediabox contents doi 10 32628 CSEIT206544
  2. DOI Name 10.30534 Values. doi name values index type timestamp data hs serv 30z crossref email support... doi.org/10.30534DOI Name 10 30534 Values doi name values index type timestamp data hs serv 30z crossref email support doi 10 30534
Read online
File size356.95 KB
Pages10
DMCAReport

Related /

ads-block-test