Article Per Year (5 Year)
p-Index From 2021 - 2026
2.33
P-Index
This Author published in this journals
All Journal FORUM STATISTIKA DAN KOMPUTASI Jurnal Inkofar eProceedings of Engineering Euclid Metris: Jurnal Sains dan Teknologi Journal of Production, Enterprise, and Industrial Applications
Hilman Dwi Anggana
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics Medicine & Pharmacology Public Health Social Sciences Transportation

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Euclid

 1 
PENERAPAN MODEL KLASIFIKASI REGRESI LOGISTIK, SUPPORT VECTOR MACHINE , CLASSIFICATION AND REGRESSION TREE TERHADAP DATA KEJADIAN DIFTERI DI PROVINSI JAWA BARAT Hilman Dwi Anggana
Euclid Vol 5, No 2 (2018): EDISI JULI
Publisher : Universitas Swadaya Gunung Jati.

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (592.254 KB) | DOI: 10.33603/e.v5i2.1121

Abstract

Salah satu permasalahan yang dihadapi Jawa Barat selama beberapa waktu terakhir adalah adanya kejadian luar biasa (KLB) penyakit Difteri. Upaya preventif untuk mengurangi merebaknya wabah suatu penyakit harus terus dilakukan seperti program sosialisasi, vaksinasi dan karantina. Selain dengan program yang telah disebutkan, kajian suatu penyakit dengan menggunakan pemodelan klasifikasi secara statistika menjadi salah satu alternatif dalam mendukung early warning system (EWS) suatu kejadian penyakit. Pada penelitian ini dilakukan penerapan model klasifikasi regresi logistik, support vector machine (SVM) dan classification and regression tree (CART) terhadap data kejadian Difteri di provinsi  Jawa Barat. Hasil analisis menunjukkan bahwa model regresi logistik  merupakan model yang kurang tepat diterapkan diantara tiga pilihan model ini karena memiliki nilai AUC terendah (nilai AUC sekitar 50%), didukung oleh tingkat akurasi dan tingkat ketepatan model mengklasifikasikan kelas positif (sensitivity) yang rendah. Sementara itu model yang paling tepat diterapkan adalah model SVM karena memiliki nilai AUC tertinggi (nilai AUC jauh diatas 50%), didukung oleh tingkat akurasi dan tingkat sensitivity yang tinggi.
Co-Authors Aditya, Muhammad Ridzky Aditya, Reza Amaniputra, Matthew Ewaldo Amelia Kurniawati Anisa, Nurul Apsari, Adelia Sekar Arinaldi, Vinsa ASEP SAEFUDDIN Augustina Asih Rumanti Bagus Sartono Barlean , M Zaidan Rais Darmasatya , Nyoman Eflin Trinova Limbong Eldwin Ilham Murpratomo FANDI ACHMAD Hanif, Fadhilah Muhammad Luciana Andrawina Maulana Adi Saksono Murpratomo, Eldwin Ilham Oktariani Nurul Pratiwi Perkasa, Anugrah Bintang Rayinda Pramuditya Soesanto Rengganis, Astrid Rial, Muhamad Daffa Rumanti, Augustiana Asih Saleh Hasan Badjrie Saputra, Adjie Bambang Sena, Muhammad Avin Suryaneda, Azzahra Putri