PENGARUH OPTIMASI BOBOT MENGGUNAKAN ALGORITMA GENETIKA PADA KLASIFIKASI TINGKAT KERAWANAN DBD

Abstrak

Penyakit Demam Berdarah Dengue (DBD) adalah penyakit menular yang disebarkan melalui media gigitan nyamuk Aedes aegypti. Di Kalimantan Selatan, terutama di kota banjarbaru jumlah kasusnya cenderung naik tiap tahunnya. Penelitian yang telah ada mengidentifikasi tingkat kerawanan DBD dengan menggunakan metode komputasi, salah satunya yaitu klasifikasi. Metode yang dipakai pada penelitian ini adalah Neural Network Backpropagation dengan optimasi bobot menggunakan Algoritma Genetika untuk klasifikasi data penyakit DBD di Kota Banjarbaru. Tujuan dari penelitian ini adalah untuk mengetahui kinerja dari klasikasi tingkat kerawanan DBD metode Neural Network Backpropagation dan pembobotan awal dengan Algoritma Genetika. Hasil penelitian menunjukkan bahwa kinerja yang didapatkan untuk klasifikasi tingkat kerawanan DBD menggunakan Algoritma Neural Network Backpropagation adalah sebesar 83.33% pada nilai akurasi, presisi sebesar 96.51%, dan recall sebesar 84.69%, sedangkan apabila menggunakan metode Neural Network Backpropagation dengan Algoritma Genetika untuk optimasi bobot maka didapatkan nilai akurasi sebesar 96.29%, presisi sebesar 98.97%, dan recall sebesar 97%.