Penerapan Radial Basis Function Neural Network Pada Klasifikasi Kasus Demam Berdarah Di Kota Malang

Radial Basis Function Neural Network (RBFNN) merupakan salah satu jaringan saraf tiruan yang dapat digunakan untuk klasifikasi suatu obyek dengan mentransformasikan masukan secara nonlinier ke lapisan tersembunyi yang kemudian secara linier menghasilkan respon dari fungsi aktivasi Gaussian. Penelitian ini dilakukan pada kasus demam berdarah di Kota Malang tahun 2014 dan bertujuan untuk mengetahui ketepatan klasifikasi metode RBFNN pada proporsi data latih dan data uji 60%:40%, 70%:30%, dan 80%:20% dengan menggunakan statistik uji Press’s Q dan APER. Pada masing-masing komposisi, dilakukan pelatihan jaringan denganMSE goal sebesar 0.18, 0.14, 0.03, dan 0 (epoch maksimum). Statistik ujiPress’s Q untuk masing masing proporsi data latih dan data uji menunjukkan bahwa hasil klasifikasi konsisten dan diperoleh proporsi data latih dan data uji 60%:40% yang menghasilkan akurasi lebih baik yaitu sebesar 91.3%. Model terbaik yang dihasilkan dari proporsi tersebut adalah pada goal MSE sebesar 0 atau epochmaksimum. Pada simulasi jaringan untuk data uji, terdapat 2 kelurahan yang salah terklasifikasi yaitu kelurahan Pisang Candi dan Tulusrejo. Berdasarkan tingkat akurasi yang dihasilkan, dapat diketahui bahwa RBFNN dapat mengklasifikasikan kasus demam berdarah di Kota Malang dengan baik