Analisis Tingkat Akurasi Penyebaran Penyakit TBC Menggunakan Algoritma Logistic Regression dan K-Nearest Neighbor di Kabupaten Muara Enim

LELISA, HILWA (2022) Analisis Tingkat Akurasi Penyebaran Penyakit TBC Menggunakan Algoritma Logistic Regression dan K-Nearest Neighbor di Kabupaten Muara Enim. S1 thesis, Universitas Mercu Buana.

Preview	Text (HAL COVER) 01 Cover.pdf Download (896kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (25kB) | Preview
	Text (BAB 1) 03 Bab 1.pdf Restricted to Registered users only Download (38kB)
	Text (BAB 2) 04 Bab 2.pdf Restricted to Registered users only Download (137kB)
	Text (BAB 3) 05 Bab 3.pdf Restricted to Registered users only Download (119kB)
	Text (BAB 4) 06 Bab 4.pdf Restricted to Registered users only Download (161kB)
	Text (BAB 5) 07 Bab 5.pdf Restricted to Registered users only Download (48kB)
	Text (DAFTAR PUSTAKA) 09 Daftar Pustaka.pdf Restricted to Registered users only Download (87kB)
	Text (LAMPIRAN) 10 Lampiran.pdf Restricted to Registered users only Download (547kB)

Abstract

Tuberculosis (TB) is a type of infectious disease caused by Mycobacterium tuberculosis, which not only attacks the lungs, but can also attack the bones, intestines, or glands. During the Covid- 19 pandemic, TB cases in Indonesia also increased. TB and Covid-19 had the similar symptoms such as cough, fever, and breathing difficulty, so that TB sufferers must be given serious treatment to avoid Covid-19. In predicting a disease, it is important for health workers to make decisions, thus it is necessary to do an early diagnosis in order to reduce the transmission of TB in the community. There are many algorithm methods used in conducting data analysis, for this study the authors use K-Nearest Neighbor (K-NN) algorithm and Logistic Regression as comparison. Experimental results using available dataset collected from health centers in Muara Enim District of South Sumatra Province show that the K-NN algorithm provides the best accuracy of 89% on dataset with training to testing data ratio of 80%:20%, while the Logistic Regression provides the best accuracy of 96% on 70%:30% ratio. The analysis mechanism discussed in this paper may be considered as tool for the authority to predict and take necessary actions to prevent the TB spreading. Key words: TB, Logistic Regression, K-Nearest Neighbor Tuberkulosis (TBC) adalah salah satu jenis penyakit menular yang disebabkan oleh Mycobacterium tuberculosis. TBC tidak hanya menyerang paru-paru, tetapi juga dapat menyerang tulang, usus, atau kelenjar. Dalam masa pandemi Covid-19, kasus TBC di Indonesia juga meningkat. TBC dan Covid-19 memiliki gejala yang sama seperti batuk, demam, dan sesak nafas, sehingga penderita TBC harus diberikan penanganan yang serius untuk menghindari Covid-19. Dalam memprediksi suatu penyakit, penting bagi tenaga kesehatan untuk membuat keputusan karena dibutuhkan diagnosis yang cepat untuk mengurangi penularan TBC di masyarakat. Ada banyak metode algoritma yang digunakan dalam melakukan analisis data, dalam penelitian ini penulis menggunakan algoritma K-Nearest Neighbor (K-NN) dan Logistic Regression sebagai perbandingannya. Hasil dari eksperimen dengan menggunakan dataset yang diambil dari Dinas Kesehatan Provinsi Sumatera Selatan menunjukkan bahwa algoritma K-NN mendapatkan akurasi dataset terbaik sebesar 89% dengan perbandingan training dan testing data dengan rasio 80%:20%, sementara Logistic Regression mendapatkan akurasi terbaik dengan akurasi sebesar 96% pada rasio 70%:30%. Mekanisme analisis yang dibahas pada paper ini dapat dipertimbangkan sebagai alat bagi pihak yang berwenang untuk melakukan prediksi dan mengambil tindakan yang tepat untuk mencegah penyebaran TBC. Kata kunci: TBC, Logistic Regression, K-Nearest Neighbor

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 22 040
NIM/NIDN Creators:	41518010163
Uncontrolled Keywords:	TBC, Logistic Regression, K-Nearest Neighbor
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.3 Bibliographic Analysis and Control/Bibliografi Analisis dan Kontrol Perpustakaan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.4 Subject Analysis and Control/Subjek Analisis dan Kontrol Perpustakaan
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	LUTHFIAH RAISYA ARDANI
Date Deposited:	16 Sep 2022 09:08
Last Modified:	19 Sep 2022 02:32
URI:	http://repository.mercubuana.ac.id/id/eprint/69178

Actions (login required)

View Item