Model Autoregressive Integrated Moving Averange untuk Prediksi Penyebaran Demam Berdarah di Kabupaten Bandung dengan Optimasi Recurrent Neural Networks dan Long-Short Term Memory

TOMMY HILAL ADNAN

Informasi Umum

Kode

19.04.4784

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

229 kali

Informasi Lainnya

Abstraksi

Virus Dengue adalah penyebab paling umum dari penyakit Anthropod Borne Virus secara global. Kabupaten Bandung yang terletak di iklim tropis yang mendukung penyebaran DBD ini karena DBD ditularkan melalui nyamuk yang berjenis Aedes Aegypti dan Ae. Albopictus yang terinfeksi oleh virus Dengue. Autoregressive integrated Moving Average (ARIMA) adalah salah satu metode yang umum digunakan dalam melakukan prediksi, khususnya untuk data time series. Metode lain yang sudah umum digunakan untuk prediksi data time series adalah Recurrent Neural Networks (RNN). Long-Short Term Memory (LSTM) adalah unit dari RNN yang dirancang untuk menghilangkan Long term depedencies atau ketergantungan jangka panjang dari RNN. Hasil pengujian model hybrid ARIMA – LSTM memiliki peningkatan yang sangat signifikan dibandingkan dengan model ARIMA saja. Model terbaik dari ARIMA memiliki RMSE 1.542773, sedangkan model hybrid memiliki RMSE 0.099640. Hasil tersebut dapat membuktikan bahwa model hybrid memiliki performa yang lebih baik dalam melakukan prediksi