Penerapan Decision Tree Menggunakan Algoritma C4.5 Untuk Deteksi Demam Berdarah Pada RS. IMC Bintaro

Fadli, Farid; Butar, Belsana Butar

doi:10.31294/ijse.v5i1.5866

Cited by 3 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Demam berdarah dengue sangat erat sekali dengan lingkungan, meningkatnya mobilitas dan kepadatan masyarakat serta kurangya implementasi 3M (Menguras, Mengubur, Menutup) menjadikan faktor utama penyebaran [2]. Salah satu indikator penting dalam mengukur tingkat keparahan penyakit DBD adalah jumlah kematian yang disebabkan oleh penyakit ini [3].…”

Section: Pendahuluanunclassified

Analisis Klasterisasi Untuk Prediksi Jumlah Kasus DBD Berdasarkan Jenis Kelamin Dan Kabupaten/Kota Di Jawa Barat

Ikbal,

Irma Purnamasari,

Ali

2024

jati

View full text Add to dashboard Cite

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang sering fatal, terutama di daerah tropis dan subtropis, menjadi isu kesehatan global dengan penyebaran luas dan dampak serius. Lingkungan memiliki peran penting dalam kondisi ini. Penelitian ini menggunakan metode k-means, naive bayes, dan linear regresi, masing-masing memiliki fungsinya sendiri. K-means berhasil mengelompokkan kasus DBD menjadi 3 cluster (tinggi, sedang, rendah) dengan indeks kinerja Davies Bouldin rata-rata 0.71. Naive bayes digunakan untuk memprediksi hasil cluster 2023 dengan akurasi model 88.27%. Linear regresi untuk menentukan jumlah kasus DBD tahun 2023, dengan kasus tertinggi Kota Bandung 1590 laki laki, 1585 perempuan dan Kota Bekasi 1576 laki-laki dan 1572 perempuan, Kota Depok masuk kategori sedang 948 laki-laki dan 944 perempuan, 24 kota lainnya masuk dalam kategori rendah. Penyebaran DBD cenderung lebih tinggi pada kaum laki-laki, mencapai puncak tertinggi pada tahun 2022. Analisis data kasus DBD dapat memberikan informasi dan kontribusi penting untuk pembangunan strategi pencegahan dan penanggulangan yang lebih efektif oleh masyarakat, pemerintah, dan dinas kesehatan.

show abstract

Section: Pendahuluanunclassified

Analisis Klasterisasi Untuk Prediksi Jumlah Kasus DBD Berdasarkan Jenis Kelamin Dan Kabupaten/Kota Di Jawa Barat

Ikbal,

Irma Purnamasari,

Ali

2024

jati

View full text Add to dashboard Cite

show abstract

“…Dari setiap random column sebuah decision tree. Berikut langkahlangkah yang harus dilakukan [22], pertama mempersiapkan data training, dapat diambil dari histori yang pernah terjadi sebelumnya. Dengan A adalah atribut dan S adalah himpunan kasus.…”

Section: Random Forestunclassified

Klasifikasi Penentuan Jenis Tanah yang Sesuai Terhadap Tanaman Pangan Sebagai Solusi Ketahanan Pangan di Kabupaten Pidie Jaya Menggunakan Metode Random Forest

Fhonna,

Afrillia,

Zulfan

et al. 2023

jidt

View full text Add to dashboard Cite

Penelitian ini membahas tentang penerapan sistem klasifikasiuntuk penentuan jenis tanah yang sesuai pada tanaman pangan sebagai solusi ketahanan pangan di Kabupaten Pidie Jaya. ada Qanun Kabupaten Pidie Jaya Nomor 1 Tahun 2021 Tentang Perlindungan Lahan Pertanian Pangan Berkelanjutan, bahwa Kabupaten Pidie Jaya sebagai daerah agraris telah memberikan kontribusi yang besar dalam penyediaan pangan nasional, sekaligus menjadi mata pencarian pokok dan sumber penyediaan pertambahan penduduk, perkembangan ekonomi dan industri yang sering mengakibatkan terjadinya alih fungsi lahan pertanian pangan, maka untuk mengendalikan dan pelaksanaan perlindungan lahan pertanian pangan berkelanjutan diperlukan adanya pedoman untuk menjamin pelaksanaannya terencana, terpadu dan terkoordinasi agar berdaya guna dan berhasil guna. Oleh karena itu dengan indikasi-indikasi tersebut penelitian ini dapat membantu memberi arahan tanaman pangan alternatif yang bisa dibudidayakan dengan kesesuaian jenis tanah dengan jenis tanaman pangan pada lahan pertanian pangan berkelanjutan yang berdaya guna dan berhasil guna di Kabupaten Pidie Jaya. Dengan membangun suatu sistem klasifikasiyang menerapkan metode random forest untuk pengklasifikasian penentuan jenis tanah yang sesuai pada tanaman pangan sebagai solusi ketahanan pangan di Kabupaten Pidie Jaya. Penelitian ini akan difokuskan pada klasifikasi jenis tanah untuk tanaman pangan seperti padi, jagung, dan umbi-umbian. Dan kriteria yang digunakan dalam penelitian ini akan terbatas pada karakteristik tanah yang relevan untuk klasifikasi jenis tanah, seperti pH tanah, unsur hara tanah, tekstur, drainase tanah `dan kelembaban. Hal ini diharapkan bisa menjadi solusi bagi para petani untuk menjadikan rekomendasi tanaman pangan ini sebagai alternative lain untuk ketahanan pangan selain tanaman padi serta juga bisa menjadi rekomendasi kegiatan serta anggaran pembibitan bagi sector dinas dipemerintahan dalam melakukan program pemberdayaan bagi masyarakat untuk bidang pertanian serta budidaya pertanian. Deskripsi tingkat kesiapterapan teknologi (TKT) sudah masuk pada formulasi konsep atau aplikasi formulasi sudah teridentifikasi untuk dapat diterapkan. Luaran yang diharapkan dalam penelitian ini berupa publikasi jurnal nasional dan HKI.

show abstract

The decision tree classification with C4.5 and C5.0 algorithm based on R to detect case fatality rate of dengue hemorrhagic fever in Indonesia

Abdullah

Winarno

Saputro

2021

J. Phys.: Conf. Ser.

View full text Add to dashboard Cite

Dengue hemorrhagic fever (DHF) is a deadly disease that is transmitted through mosquito bites from the genus Aedes especially Aedes aegypti, Aedes aegypti can occur every year and affect any age. DHF has a high case fatality rate (CFR). Therefore we need a method that can detect CFR of DHF in Indonesia, one of which is the decision tree classification based on C4.5 and C5.0 algorithm. C4.5 and C5.0 algorithm starting with forming a root node and ending with a leaf node by evaluating attributes using information gain to measure the effect of attributes in classifying a dataset. In this article, an applied research is carried out, namely applying the decision tree classification with C5.0 and C4.5 algorithm based on R software to detect CFR of DHF in Indonesia. The attributes used are the incidence rate (IR), population density, many hospitals, and many medical personnel. The results show that C5.0 algorithm has a big error than the C4.5 algorithm, while the C5.0 algorithm has a smaller tree than the C4.5 algorithm.

show abstract

Penerapan Decision Tree Menggunakan Algoritma C4.5 Untuk Deteksi Demam Berdarah Pada RS. IMC Bintaro

Cited by 3 publications

References 0 publications

Analisis Klasterisasi Untuk Prediksi Jumlah Kasus DBD Berdasarkan Jenis Kelamin Dan Kabupaten/Kota Di Jawa Barat

Analisis Klasterisasi Untuk Prediksi Jumlah Kasus DBD Berdasarkan Jenis Kelamin Dan Kabupaten/Kota Di Jawa Barat

Klasifikasi Penentuan Jenis Tanah yang Sesuai Terhadap Tanaman Pangan Sebagai Solusi Ketahanan Pangan di Kabupaten Pidie Jaya Menggunakan Metode Random Forest

The decision tree classification with C4.5 and C5.0 algorithm based on R to detect case fatality rate of dengue hemorrhagic fever in Indonesia

Contact Info

Product

Resources

About