APLIKASI PERAMALAN JUMLAH KELAHIRAN DENGAN METODE ARTIFICIAL NEURAL NETWORK DI KOTA SURABAYA

SAFIRA AMUDYA NURDELA, 101311133103 (2017) APLIKASI PERAMALAN JUMLAH KELAHIRAN DENGAN METODE ARTIFICIAL NEURAL NETWORK DI KOTA SURABAYA. Skripsi thesis, Universitas Airlangga.

[img]
Preview
Text (ABSTRAK)
ABSTRAK.pdf

Download (14kB) | Preview
[img] Text (FULL TEXT)
FKM. 332-17 Nur a.pdf
Restricted to Registered users only until 31 October 2020.

Download (969kB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Peramalan merupakan suatu kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang dengan menggunakan data dan informasi masa lalu. Penelitian ini bertujuan untuk menerapkan metode Artificial Neural Network dalam memprediksi jumlah kelahiran di Kota Surabaya. Penelitian ini termasuk penelitian deskriptif dengan menggunakan data sekunder. Data yang digunakan yaitu data bulanan jumlah kelahiran di Kota Surabaya tahun 2011-2016. Data diperoleh dengan cara melakukan rekapitulasi jumlah kelahiran di Dinas Kesehatan Kota Surabaya. Analisis data dilakukan dengan bantuan komputer yaitu menggunakan program statistik R square. Hasil yang didapatkan dari penelitian ini antara lain model terbaik untuk metode Artificial NN dengan menggunakan arsitektur 1-3-1 dengan preprocessing normalized. Nilai RMSE yang dihasilkan oleh metode Artificial NN sebesar 336, 8280634. Kesimpulan penelitian ini adalah metode Artificial NN dalam meramalkan jumlah kelahiran di Kota Surabaya dapat digunakan sebagai bahan masukan untuk perencanaan program.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK FKM. 332-17 Nur a
Uncontrolled Keywords: Artificial Neural Network, jumlah kelahiran, peramalan
Subjects: R Medicine > RG Gynecology and obstetrics > RG1-991 Gynecology and obstetrics > RG500-991 Obstetrics > RG551-591 Pregnancy
Divisions: 10. Fakultas Kesehatan Masyarakat
Creators:
CreatorsNIM
SAFIRA AMUDYA NURDELA, 101311133103UNSPECIFIED
Contributors:
ContributionNameNIDN / NIDK
Thesis advisorMahmudah, Dr. , Ir., M.KesUNSPECIFIED
Depositing User: sukartini sukartini
Date Deposited: 30 Oct 2017 23:58
Last Modified: 30 Oct 2017 23:58
URI: http://repository.unair.ac.id/id/eprint/65251
Sosial Share:

Actions (login required)

View Item View Item