Ajuirai, Ajuirai (2026) PERAMALAN JUMLAH KASUS PENYAKIT TUBERKULOSIS (TBC) MENGGUNAKAN METODE GENERALIZED ADDITIVE MODEL (GAM) DAN LONG SHORT-TERM MEMORY (LSTM). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (116kB)
	Text Abstrak.pdf Download (172kB)
	Text BAB I.pdf Download (193kB)
	Text Daftar Pustaka.pdf Download (156kB)
	Text Skripsi.pdf Restricted to Registered users only Download (4MB)

Abstract

Penyakit Tuberkulosis (TBC) merupakan salah satu masalah kesehatan masyarakat di Indonesia yang jumlah kasusnya cenderung berfluktuasi dan dipengaruhi oleh berbagai faktor sehingga diperlukan metode peramalan yang mampu menghasilkan prediksi secara akurat. Penelitian ini bertujuan membangun serta membandingkan kinerja metode Generalized Additive Model (GAM) dan Long Short-Term Memory (LSTM) dalam meramalkan jumlah kasus TBC. Data yang digunakan berupa data deret waktu bulanan kasus TBC beserta variabel pendukung yang meliputi kepadatan penduduk, curah hujan, suhu, kelembapan, dan kecepatan angin. Model GAM dibangun menggunakan fungsi pemulus (smoothing spline), sedangkan model LSTM dikembangkan melalui tahapan normalisasi data, pelatihan model, dan proses prediksi. Kinerja kedua model dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE) pada data uji tahun 2025. Hasil penelitian menunjukkan bahwa model LSTM memberikan performa terbaik dengan nilai MAE sebesar 0,75, RMSE sebesar 0,96, dan MAPE sebesar 0,98%, sehingga termasuk kategori sangat akurat. Sebaliknya, model GAM menghasilkan nilai MAE sebesar 22,41, RMSE sebesar 25,99, dan MAPE sebesar 25,80%, yang menunjukkan tingkat akurasi lebih rendah dibandingkan LSTM. Hasil peramalan menggunakan model LSTM untuk periode Januari - Desember 2026 menunjukkan tren jumlah kasus TBC yang cenderung menurun secara bertahap, dari 51 kasus pada Januari menjadi 44 kasus pada Desember. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode LSTM lebih efektif dibandingkan GAM dalam meramalkan jumlah kasus TBC dan berpotensi menjadi dasar pendukung pengambilan keputusan berbasis data bagi instansi kesehatan dalam penyusunan strategi pengendalian Tuberkulosis.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science R Medicine > R Medicine (General) T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Ajuirai Ajuirai
Date Deposited:	09 Sep 2026 03:58
Last Modified:	09 Sep 2026 03:58
URI:	https://rama.unimal.ac.id/id/eprint/22644

Actions (login required)

View Item