Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Computer Science and Information Technology (CoSciTech)
Soesanti Soesanti
Universitas Khairun
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Dini Resiko Tuberkulosis di Kota Ternate: Pelacakan dan Implementasi Algoritma Klasifikasi Abd Hakim Husen; Andi Sitti Nur Afiah; Soesanti Soesanti; Firman Tempola
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 2 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i2.3986

Abstract

Tingkat Kematian akibat virus Tuberkolosis masih cukup tinggi. sebagaimana dilaporkan di Kota Ternate Provinsi Maluku Utara bawah pada tahun 2018 sebanyak 452 kasus / 100.000 penduduk. Dengan tingkat kematian mencapai 23 orang / 100.000 penduduk. Tingkat kematian yang begitu tentu harus ada Langkah-langkah preventif sehingga dapat mengurangi resiko kematian akibat dari penyakit TBC. Untuk perlu dilakukan proses pelacakan kepada pasien suspek TBC di kota ternate. Pada penelitian ini menggunakan sampel dari wilayah kerja Puskesmas Kalumata Kota Ternate. Dengan jumlah sampel yang digunakan sebanyak 100 sampel didapat 47% pasien beresiko TBC. Dimana 70% didominasi kaum laki-laki. Selanjutnya data-data yang telah dianalisis oleh dokter, selanjutnya dilakukan proses klasifikasi dengan menggunakan dua metode klasifikasi yaitu metode Support Vector Machine (SVM) dan Jaringan Saraf Tiruan. Namun sebelum diterapkan metode klasifikasi, terlebih dahulu dilakukan proses imputasi untuk penanganan missing value. Dalam penelitian digunakan imputasi modu. Hasil pengujian yang dilakukan didapat akurasi tertinggi untuk metode SVM sebesar 92,5%, sedangkan ketika menerapkan jaringan saraf tiruan didapat akurasi tertinggi sebesar 91,66%. Namun saat diterapkan proses validasi dengan menggunakan k-fold cross validasi didapatkan rata-rata akurasi tertinggi yaitu 85,08 % dengan menggunakan 3-fold dan algoritma yang diterapkan adalah jaringan saraf tiruan
Co-Authors Abd Hakim Husen Andi Sitti Nur Afiah Tempola, Firman