PREDIKSI JUMLAH KASUS PENYAKIT DBD, TBC, DAN DIARE BERDASARKAN DATA PER KECAMATAN DAN TAHUN DI KABUPATEN BEKASI MENGGUNAKAN ALGORITMA DECISION TREE REGRESSION

Muhammad Dzaki, Zahirsyah (2025) PREDIKSI JUMLAH KASUS PENYAKIT DBD, TBC, DAN DIARE BERDASARKAN DATA PER KECAMATAN DAN TAHUN DI KABUPATEN BEKASI MENGGUNAKAN ALGORITMA DECISION TREE REGRESSION. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (744kB)
	Text BAB 2.pdf Download (920kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (726kB)
	Text DAFTAR PUSTAKA.pdf Download (681kB)
	Text LAMPIRAN.pdf Download (1MB)
	Text HASIL TURNITIN.pdf Download (557kB)
	Text SUKET TURNITIN.pdf Download (741kB)

Abstract

Penyakit menular seperti Demam Berdarah Dengue (DBD), Tuberkulosis (TBC), dan Diare menjadi tantangan serius bagi kesehatan masyarakat di Kabupaten Bekasi, dengan jumlah kasus yang cenderung meningkat setiap tahun. Peningkatan kasus ini memerlukan sistem prediksi berbasis data untuk mengantisipasi lonjakan di masa mendatang dan mendukung pengambilan keputusan yang efektif oleh Dinas Kesehatan. Penelitian ini menjawab kebutuhan tersebut dengan membangun model prediksi jumlah kasus per kecamatan menggunakan algoritma Decision Tree Regression berdasarkan data sekunder dari tahun 2020 hingga 2023 yang diperoleh dari Dinas Kesehatan Kabupaten Bekasi, Badan Pusat Statistik (BPS), dan Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), yang mencakup variabel kasus penyakit, demografi, dan lingkungan. Metodologi penelitian yang digunakan adalah Cross Industry Standard Process for Data Mining (CRISP-DM), Model ini dibangun menggunakan library Scikit-learn dalam bahasa pemrograman Python dan diimplementasikan dalam sebuah aplikasi web dengan arsitektur hibrida (PHP & Python/Flask). Sistem ini menyediakan antarmuka bagi admin untuk mengelola dataset, melakukan pelatihan ulang model, serta memperoleh hasil prediksi secara interaktif, lengkap dengan klasifikasi risiko dan rekomendasi penanganan. Hasil pengujian dengan metode Hold-out Validation menunjukkan kinerja model yang sangat akurat. Hal ini dibuktikan dengan perolehan nilai metrik R-squared (R²) untuk model TBC sebesar 0.9130, model DBD sebesar 0.8805, dan model Diare sebesar 0.8228. Nilai-nilai ini membuktikan keandalan model dalam menjelaskan variasi data aktual. Kesimpulannya, sistem prediksi yang dihasilkan menawarkan keunggulan signifikan dengan menyediakan prediksi kuantitatif yang objektif, menjadi alat bantu yang lebih cepat dan terukur bagi Dinas Kesehatan Kabupaten Bekasi dalam menyusun kebijakan preventif.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Timor Setiyaningsih, ST, MTI
Uncontrolled Keywords:	Decision Tree Regression, Prediksi Penyakit, Machine Learning, Kesehatan Masyarakat, Kabupaten Bekasi.
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Last Modified:	26 Nov 2025 04:21
URI:	http://repository.unsada.id/id/eprint/10149

Actions (login required)

View Item