Prediksi Penyebaran Kasus Demam Berdarah Dengue (DBD) Dengan Metode K-Nearest Neighbor Di Kabupaten Karawang
Abstract
Demam Berdarah Dengue (DBD) merupakan salah satu penyakit epidemik. Kabupaten Karawang merupakan salah satu daerah endemis Demam Berdarah Dengue (DBD) di Jawa Barat, Indonesia. Munculnya penyakit ini berkaitan dengan kondisi wilayah seperti lingkungan dan juga cuaca serta perilaku masyarakat juga berkaitan terhadap penyebaran kasus DBD. Penyakit epidemik seperti DBD merupakan salah satu penyakit berbahaya, sehingga perlu dilakukan prediksi untuk memprediksi wilayah mana saja yang rawan terkena kasus DBD. Melakukan prediksi tersebut bertujuan agar dapat dengan segera mengetahui wilayah mana yang tingkat persebaran paling tinggi hingga paling rendah untuk melakukan tindakan dan pencegahan yang sesuai. Untuk membantu melakukan prediksi tersebut, digunakan metode K-Nearest Neighbor (K-NN) dan K-Fold Cross Validation. Dengan menggunakan data pada tahun 2016-2020 menggunakan 5 data parameter sebagai input dengan total 150 records. Hasil percobaan menghasilkan performance dengan nilai accuracy terbaik sebesar 81.27% menggunakan nilai K=5 dan 10-Fold Cross Validation. Hasil prediksi ditunjukan dengan pemetaan wilayah Kabupaten Karawang berdasarkan Kecamatan. Sebanyak 18 Kecamatan dengan tingkat persabaran tinggi, 7 Kecamatan dengan tingkat persebaran sedang, dan 5 Kecamatan dengan tingkat persebaran rendah.
References
Dr.J.Arunadevi, S.Ramya, & Raja, M. R. (2018). A study of classification algorithms using Rapidminer. International Journal of Pure and Applied Mathematics, Volume 119(12), 15977–15988.
Hertina, H., Nurwahid, M., Haswir, H., Sayuti, H., Darwis, A., Rahman, M., ... & Hamzah, M. L. (2021). Data mining applied about polygamy using sentiment analysis on Twitters in Indonesian perception. Bulletin of Electrical Engineering and Informatics, 10(4), 2231-2236.
Kusuma, A. P., & Sukendra, D. M. (2016). Analisis Spasial Kejadian Demam Berdarah Dengue Berdasarkan Kepadatan Penduduk. Unnes Journal of Public Health, 5(1), 48. https://doi.org/10.15294/ujph.v5i1.9703
Nur Itsna, I. (2020). Peningkatan Pengetahuan Masyarakat Dalam Menanggulangi Penyakit Demam Berdarah Dengue (DBD) di Desa Karangmalang Kedungbanteng. JPKMI (Jurnal Pengabdian Kepada Masyarakat Indonesia), 1(1), 35–41. https://doi.org/10.36596/jpkmi.v1i1.35
Ong, J., Liu, X., Rajarethinam, J., Kok, S. Y., Liang, S., Tang, C. S., … Yap, G. (2018). Mapping Dengue risk in Singapore using Random Forest. PLoS Neglected Tropical Diseases, 12(6),1–12. https://doi.org/10.1371/journal.pntd.0006587
Rahim, N. F., Taib, S. M., & Abidin, A. I. Z. (2017). Dengue fatality prediction using Data Mining. Journal of Fundamental and Applied Sciences, 9(6S), 671-683.
Shamrat, M. F. M. J., Chakraborty, S., Imran, M. M., Muna, J. N., Billah, M. M., Das, P., & Rahman, O. M. (2021). Sentiment analysis on twitter tweets about COVID-19 vaccines using NLP and supervised KNN classification algorithm. Indonesian Journal of Electrical Engineering and Computer Science, 23(1), 463-470.
Sanjudevi, R., & Savitha, D. (2019). Dengue Fever Prediction using Datamining Classification Technique. International Journal of Recent Technology and Engineering, 8(4), 8685–8688. https://doi.org/10.35940/ijrte.d8810.118419.
Sintia, S., Defit, S., & Nurcahyo, G. W. (2021). Product Codefication Accuracy With Cosine Similarity And Weighted Term Frequency And Inverse Document Frequency (TF-IDF) . Journal of Applied Engineering and Technological Science (JAETS), 2(2), 62–69. https://doi.org/10.37385/jaets.v2i2.210
Sundari, B., & Krishnamoorthy, M. (2019). Factors to Predict Dengue Fever using Data Mining Techniques: A Review. International Journal of Scientific Research and Engineering Development, 2(4), 154–160. Retrieved from www.ijsred.com
Shokrzade, A., Ramezani, M., Tab, F. A., & Mohammad, M. A. (2021). A novel extreme learning machine based kNN classification method for dealing with big data. Expert Systems with Applications, 115293.
