PENERAPAN METODE DEEP LEARNING UNTUK MEMPREDIKSI JUMLAH PENYAKIT DI PUSKESMAS TILANGO

Hasan, Djuhuriati (2024) PENERAPAN METODE DEEP LEARNING UNTUK MEMPREDIKSI JUMLAH PENYAKIT DI PUSKESMAS TILANGO. Artikel Sistem Informasi Universitas Muhammadiyah Gorontalo. pp. 1-12.

[img] Text (Jurnal Djuhuriati Hasan)
JURNAL DJUHURIATI HASAN (A01420005).pdf

Download (981kB)

Abstract

Puskesmas Tilango menghadapi peningkatan jumlah kasus penyakit utama yang signifikan, termasuk Infeksi Saluran Pernapasan Akut (ISPA), hipertensi, arthritis, TBC-, Dyspepsia dan Dermatitis Kontak Alergi. Penelitian ini bertujuan untuk memprediksi jumlah kasus penyakit utama menggunakan metode Deep Learning dengan algoritma Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM), yang diterapkan pada enam kategori penyakit. Berdasarkan hasil evaluasi, model RNN dengan parameter tertentu menghasilkan prediksi terbaik pada ISPA dengan RMSE 0,138, menunjukkan bahwa RNN unggul dalam memprediksi pola jangka pendek. Sebaliknya, model LSTM dengan parameter optimal menunjukkan kinerja lebih baik pada pola jangka panjang dengan RMSE 0,125 pada ISPA. Perbandingan hasil ini menunjukkan bahwa LSTM lebih unggul dalam prediksi jangka panjang. Implementasi model prediktif ini diharapkan dapat membantu Puskesmas Tilango dalam pengelolaan sumber daya kesehatan yang lebih efektif dan tepat waktu.

Item Type: Article
Uncontrolled Keywords: Prediksi, Penyakit, Recurrent Neural Network, Long Short-Term Memory.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Sains dan Ilmu Komputer > Program Studi Sistem informasi
Depositing User: Djuhuriati Hasan
Date Deposited: 12 Mar 2025 01:53
Last Modified: 12 Mar 2025 01:53
URI: http://repository.umgo.ac.id/id/eprint/2714

Actions (login required)

View Item View Item