Rizka Puspitasari Primary Author mixed material bibliography Banda Aceh Fakultas Pasca Sarjana 2025

Theses

Penelitian ini mengkaji penerapan algoritma machine learning untuk memprediksi kasus Demam Berdarah Dengue (DBD) di Banda Aceh dengan memanfaatkan variabel-variabel terkait iklim. Studi ini menganalisis data historis dari Januari 2010 hingga Desember 2023 dengan menelusuri hubungan antara faktor iklim seperti suhu, kelembapan, curah hujan, dan kecepatan angin dengan jumlah kasus DBD. Evaluasi dilakukan terhadap empat model machine learning, yaitu Linear Regression, Random Forest, Support Vector Regression (SVR), dan Gradient Boosting dengan menggunakan teknik K-Fold Cross-validation. Hasil penelitian menunjukkan bahwa model Linear Regression merupakan model yang paling akurat dengan nilai Mean Absolute Error (MAE) terendah sebesar 17,3 dan Root Mean Squared Error (RMSE) sebesar 21,9, sehingga menjadi model terbaik untuk memprediksi kasus DBD bulanan pada tahun kedepannya. Untuk meningkatkan pemanfaatan model secara praktis, hasil prediksi diintegrasikan ke dalam sebuah dashboard berbasis web yang ramah pengguna, yang dinamakan Aceh Dengue Prediction yang dirancang untuk membantu pemangku kepentingan dalam bidang kesehatan dalam memantau dan merespons potensi wabah DBD. Dashboard ini dievaluasi menggunakan System Usability Scale (SUS) dan memperoleh skor sebesar 79,98, yang menunjukkan bahwa dashboard ini diterima dengan baik. Selain itu, fungsionalitas dashboard diuji melalui Blackbox Testing, yang mencapai tingkat keberhasilan 83,3%. Temuan penelitian ini menunjukkan bahwa variabel iklim berperan dalam memprediksi insiden DBD, namun juga menyoroti perlunya penelitian lanjutan yang mengintegrasikan faktor tambahan guna meningkatkan akurasi model. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 168481 2025-07-28 15:58:30 2025-07-28 16:04:37 machine generated