Image01
SISTEM PERAMALAN KEWASPADAAN PENYAKIT MUSIMAN DENGAN METODE EXPONENTIAL SMOOTHING OLEH WINTER (STUDI KASUS PUSKESMAS KUPANG KABUPATEN MOJOKERTO)
FORECASTING SYSTEM PREVENTION FOR SEASONAL DISEASE USING EXPONENTIAL SMOOTHING BY WINTER ( A CASE STUDY AT PUSKESMAS KUPANG, MOJOKERTO )
Undergraduate Theses dari STIKOM Surabaya / 22-10-2008 14:59:46 WIB
Posting oleh prazetyo  •  Ditampilkan sebanyak 73408 kali

Share this information : Share

Author : Nur Cahyo Nugroho (03410100073)


Subject:FORECASTING
DISEASES
Keyword:Penyakit musiman
Neural Network
Backpropagation
Exponential Smoothing
Mean Square Error

Abstract in Bahasa Indonesia

Penyakit adalah salah satu hal yang tidak bisa dihindari oleh manusia dan kapan pun bisa menyerang kesehatan kita. Beberapa jenis penyakit hanya mewabah pada musim-musim tertentu. Apabila diketahui jenis penyakit yang akan berpotensi mewabah di periode depan, maka penanggulangan terhadap penyakit tadi bisa dipersiapkan lebih dini. Namun kebanyakan orang kurang sadar dan tidak mengetahui pola jenis penyakit tertentu yang akan mewabah di masa datang. Hal-hal tersebut merupakan alasan mengapa kita membutuhkan proses peramalan.

Berdasarkan data rekap penyakit bulanan periode sebelumnya, dapat diketahui pola penyakit yang mempunyai kecenderungan musiman. Dari data hasil seleksi ini, beberapa jenis penyakit yang mempunyai potensi besar terjadi di periode depan bisa diprediksi. Bagi pihak pelayanan kesehatan seperti puskesmas, hal ini bisa dimanfaatkan untuk memberikan penyuluhan lebih dini kepada masyarakat tentang cara-cara menanggulangi penyakit, selain itu kebutuhan obat dasar untuk periode depan bisa juga diprediksi. Hal ini bisa mengurangi potensi kekurangan stok obat.

Dalam Tugas Akhir ini, implementasi Neural Network metode Backpropagation digunakan untuk menghasilkan konstanta inputan bagi metode peramalan Exponential Smoothing. Dengan pemanfaatan metode ini, hasil ramalan bisa menghasilkan keakuratan yang lebih tinggi karena memiliki Mean Square Error (MSE) yang lebih kecil. Dengan demikian, hasil ramalan bisa digunakan sebagai pembantu dalam penanggulangan penyakit.

Contributor:A.B. TJANDRARINI, S.SI., M.KOM
ROMEO, ST.
Date Create:22-10-2008
Type:Text
Format:pdf
Language:Indonesian
Identifier:STIKOMP-Undergraduate-4-20898
Collection ID:4-20898
Call Number:PERPUSTAKAAN STIKOMP 658.403 55 Nug S


Coverage :
Terbatas Sivitas Akademika STIKOMP Surabaya

Rights :
Hak Cipta (c) 2008 oleh STIKOMP SURABAYA. Dilarang mengcopy atau mendistribusikan baik sebagian atau seluruh isi koleksi ini dalam bentuk apapun, baik secara elektronis maupun mekanis tanpa izin dari penulis.

Download koleksi - Terbatas untuk Member

1. STIKOMP-Undergraduate-300-Cover.pdf - 454 KB pdf files

2. STIKOMP-Undergraduate-300-Abstraksi.pdf - 246 KB pdf files

3. STIKOMP-Undergraduate-300-Daftar Isi.pdf - 522 KB pdf files

4. STIKOMP-Undergraduate-300-BAB I.pdf - 1036 KB pdf files

5. STIKOMP-Undergraduate-300-BAB II.pdf - 1590 KB pdf files

6. STIKOMP-Undergraduate-300-BAB III.pdf - 9553 KB pdf files

7. STIKOMP-Undergraduate-300-BAB IV.pdf - 13157 KB pdf files

8. STIKOMP-Undergraduate-300-BAB V.pdf - 317 KB pdf files

9. STIKOMP-Undergraduate-300-Daftar Pustaka.pdf - 157 KB pdf files



 10 dokumen yang mirip...

     Tidak ditemukan subyek yang mirip !

 10 dokumen yang berhubungan...






BANTU KAMI !
Anda bisa membantu kami untuk menentukan kata kunci yang tepat untuk dokumen ini dengan melakukan klik pada link dibawah :

Backpropagation , Error , Exponential , Exponential Smoothing , Mean , Mean Square Error , Network , Neural , Neural Network , Penyakit , Penyakit musiman , Smoothing , Square , musiman



.: Kembali ke daftar Undergraduate Theses

STIKOM DIGITAL LIBRARY

INSTITUTIONAL REPOSITORY


LOGIN AREA



[ REGISTRASI MEMBER ]





LINK

+ ADD TO BOOKMARK

+ DIGILIB INDONESIA





Hits : kali sejak 13 November 2008  • Alamat IP anda: 3.19.30.232

This Project is cooperation with ITS Library. Local Content & ReDesign © Juli 2008 STIKOM Library.                                                                     Top^
Dublin Core Metadata Initiative & OpenArchives Compatible | Best Viewed with 1024 x 768 resolution and Firefox!.