Hasil Pencarian  ::  Simpan CSV :: Kembali

"Chikungunya merupakan penyakit yang menyebabkan kesakitan dan masih terjadi di Indonesia khususnya di Kecamatan Limo, Kota Depok pada bulan Juni 2018. Penanganan terbaik Chikungunya adalah dengan teknik pengendalian vektor yaitu Aedes aegypti. Salah satu teknik pengendalian yang dapat digunakan adalah ovitrap. Ovitrap adalah perangkap telur nyamuk yang menggunakan atraktan untuk menarik nyamuk betina bertelur. Attractant yang ada seperti air rendaman jerami sulit ditemukan dalam situasi sehari-hari, sehingga idenya adalah menggunakan air limbah rumah tangga sebagai attractant, yaitu air cucian beras hasil fermentasi. Penelitian ini dilakukan dengan desain penelitian eksperimen analitik pada lingkungan. Variabel yang diamati terdiri dari konsentrasi air cucian beras fermentasi yang terdiri dari konsentrasi 10%, 30%, dan 60% serta kontrol berupa air PAM. Variabel lain yang diamati adalah lokasi pemasangan di luar dan di dalam rumah. Atraktan juga dihitung parameter kimia dan fisik. Data yang diperoleh berupa data abnormal dengan perhitungan Saphirro-Wilk (p value > 0,05). Variabel konsentrasi dianalisis menggunakan Kruskal-Wallis dan tidak terdapat perbedaan yang signifikan. Variabel lokasi pemasangan dianalisis dengan Mann-Whitney dan diperoleh hasil bahwa terdapat perbedaan yang signifikan (p value < 0,05). Suhu, kelembaban, parameter kimia, parameter fisik, dan faktor lainnya dapat mempengaruhi hasil penelitian.

---

Chikungunya is a disease that causes morbidity and still occurs in Indonesia, especially in Limo sub-district, Depok City in June 2018. Chikungunya is best treated with vector control techniques, namely Aedes aegypti. One control technique that can be used is ovitrap. Ovitrap is a mosquito egg trap that uses attractants to attract female mosquitoes to lay eggs. Existing attractants such as straw soaking water are difficult to find in everyday situations, so the idea is to use household wastewater as an attractant, namely fermented rice washing water. The research was conducted with an analytical experimental research design on the environment. The observed variables consisted of the concentration of fermented rice washing water which consisted of concentrations of 10%, 30%, and 60% along with the control in the form of PAM water. Another variable observed is the installation location outside and inside the house. Attractants are also calculated chemical and physical parameters. The data obtained in the form of abnormal data with the calculation of Saphirro-Wilk (p value> 0.05). Concentration variables were analyzed using Kruskal-Wallis and there were no significant differences. The installation location variable was analyzed by Mann-Whitney and the results showed that there was a significant difference (p value <0.05). Temperature, humidity, chemical parameters, physical parameters, and other factors may affect the research results."

"Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue dan tersebar melalui gigitan vektor nyamuk betina Aedes Aegepty dan Aedes Albopictus yang terinfeksi. Menurut penelitian Luz et al. (2008), machine learning dapat melakukan prediksi insiden DBD secara akurat menggunakan data historis insiden DBD. Pada skripsi ini, salah satu metode machine learning yaitu Recurrent Neural Network (RNN) digunakan untuk memprediksi insiden DBD di DKI Jakarta dengan menggunakan data historis kasus DBD dari tahun 2009 hingga 2017. RNN adalah salah satu neural network yang memiliki recurrent hidden state yang diaktivasi menggunakan data masa kini dengan data masa lampau. RNN cukup sesuai untuk prediksi data yang bersifat timeseries. Sebelum diimplementasikan pada model RNN, data insiden DBD di lima Kotamadya di DKI Jakarta akan dinormalisasi terlebih dahulu. Dalam implementasi model RNN tersebut digunakan beberapa fungsi aktivasi seperti fungsi sigmoid, tanh, dan ReLU. Selanjutnya dibandingkan hasil prediksi dari fungsi-fungsi aktivasi tersebut untuk menentukan fungsi aktivasi apa yang dapat menghasilkan tingkat akurasi terbaik. Berdasarkan data dan model yang digunakan, diperoleh hasil bahwa fungsi aktivasi sigmoid dapat memberikan hasil yang lebih baik pada model RNN dibandingkan dengan fungsi aktivasi tanh dan ReLU. Diharapkan, hasil penelitian ini dapat memberikan prediksi insiden DBD di DKI Jakarta yang dapat digunakan sebagai masukkan yang bermanfaat bagi pihak yang berwenang dalam penanganan penyebaran DBD di DKI Jakarta.

---

Dengue Hemorrhagic Fever (DHF) is a disease caused by the dengue virus and is spread through the bites of infected female mosquito vectors Aedes Aegepty and Aedes Albopictus. According to research by Luz et al in 2008, machine learning can accurately predict dengue incidence using historical data on dengue incidents. In this thesis, one of the machine learning methods, namely the Recurrent Neural Network (RNN) is used to predict the incidence of dengue fever in DKI Jakarta by using historical data on dengue cases from 2009 to 2017. RNN is a neural network that has a recurrent hidden state that is activated using present data with past data. RNN is quite suitable for prediction of timeseries data. Before being implemented in the RNN model, dengue incidence data in five municipalities in DKI Jakarta will be normalized first. In implementing the RNN model, several activation functions are used, such as the sigmoid function, tanh, and ReLU. Furthermore, the predicted results of the activation functions are compared to determine what activation function can produce the best level of accuracy. Based on the data and models used, the results show that the sigmoid activation function can give better results in the RNN model compared to the tanh and ReLU activation functions. Hopefully, the results of this study can provide predictions of dengue incidence in DKI Jakarta which can be used as useful input for the authorities in handling the spread of DHF in DKI Jakarta."