: Fuzzy Clustering Backpropogation Neural Networks Untuk Prediksi Perkembangan Penyakit Demam Berdarah Sebagai Pendukung Keputusan
Main Author: | Ubaidillah, MohamadIlham |
---|---|
Format: | Thesis NonPeerReviewed Book |
Bahasa: | eng |
Terbitan: |
, 2014
|
Subjects: | |
Online Access: |
http://repository.ub.ac.id/146080/1/ilham_0910680083.pdf.pdf http://repository.ub.ac.id/146080/ |
ctrlnum |
146080 |
---|---|
fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/146080/</relation><title>: Fuzzy Clustering Backpropogation Neural Networks Untuk Prediksi Perkembangan Penyakit Demam Berdarah Sebagai Pendukung Keputusan</title><creator>Ubaidillah, MohamadIlham</creator><subject>005 Computer programming, programs, data</subject><description>Kasus Penderita Demam Berdarah Di Indonesia
Merupakan Salah Satu Masalah Kesehatan Masyarakat Indonesia Yang Cenderung
Meningkat Jumlahnya Serta Semakin Luas Penyebarannya. Hal Itu Dikarenakan Masih
Tersebarnya Nyamuk Aedes Aegepti (Penular Penyakit DBD) Dan Dibuktikan
Dari Terjadinya Kejadian Luar Biasa (KLB) Untuk Penyakit Demam Berdarah Di
Beberapa Daerah. Metode Yang Digunakan Pada Penelitian Sebelumnya Adalah Fuzzy
Clustering Backpropogation Neural Networks. Perancangan Model Data Pada
Penelitian Ini Terdiri Dari 3 Atribut, Dengan 2 Atribut Sebagai Kriteria Yaitu Jumlah
Hari Hujan (JHH) Dan Curah Hujan(CH), Dan 1 Atribut Sebagai Output Yaitu Kasus (K).
Hasil Pengujian Menunjukkan Bahwa FCBPN Dapat Digunakan Dengan Baik Untuk
Prediksi Kasus Demam Berdarah Dengan Parameter Model Yang Tepat.</description><date>2014-01-02</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/146080/1/ilham_0910680083.pdf.pdf</identifier><identifier> Ubaidillah, MohamadIlham (2014) : Fuzzy Clustering Backpropogation Neural Networks Untuk Prediksi Perkembangan Penyakit Demam Berdarah Sebagai Pendukung Keputusan. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2014/37/051400477</relation><recordID>146080</recordID></dc>
|
language |
eng |
format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
author |
Ubaidillah, MohamadIlham |
title |
: Fuzzy Clustering Backpropogation Neural Networks Untuk Prediksi Perkembangan Penyakit Demam Berdarah Sebagai Pendukung Keputusan |
publishDate |
2014 |
isbn |
9780910680080 |
topic |
005 Computer programming programs data |
url |
http://repository.ub.ac.id/146080/1/ilham_0910680083.pdf.pdf http://repository.ub.ac.id/146080/ |
contents |
Kasus Penderita Demam Berdarah Di Indonesia
Merupakan Salah Satu Masalah Kesehatan Masyarakat Indonesia Yang Cenderung
Meningkat Jumlahnya Serta Semakin Luas Penyebarannya. Hal Itu Dikarenakan Masih
Tersebarnya Nyamuk Aedes Aegepti (Penular Penyakit DBD) Dan Dibuktikan
Dari Terjadinya Kejadian Luar Biasa (KLB) Untuk Penyakit Demam Berdarah Di
Beberapa Daerah. Metode Yang Digunakan Pada Penelitian Sebelumnya Adalah Fuzzy
Clustering Backpropogation Neural Networks. Perancangan Model Data Pada
Penelitian Ini Terdiri Dari 3 Atribut, Dengan 2 Atribut Sebagai Kriteria Yaitu Jumlah
Hari Hujan (JHH) Dan Curah Hujan(CH), Dan 1 Atribut Sebagai Output Yaitu Kasus (K).
Hasil Pengujian Menunjukkan Bahwa FCBPN Dapat Digunakan Dengan Baik Untuk
Prediksi Kasus Demam Berdarah Dengan Parameter Model Yang Tepat. |
id |
IOS4666.146080 |
institution |
Universitas Brawijaya |
affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
institution_id |
30 |
institution_type |
library:university library |
library |
Perpustakaan Universitas Brawijaya |
library_id |
480 |
collection |
Repository Universitas Brawijaya |
repository_id |
4666 |
subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
city |
MALANG |
province |
JAWA TIMUR |
shared_to_ipusnas_str |
1 |
repoId |
IOS4666 |
first_indexed |
2021-10-27T08:48:03Z |
last_indexed |
2021-10-28T07:33:36Z |
recordtype |
dc |
_version_ |
1751454636998393856 |
score |
17.538404 |