SIGERKOS - Inovasi Kesehatan Kota Bogor
Klasifikasi cerdas dan visualisasi geospasial keluarga rentan stunting.
SIGERKOS membantu TPPS dan DPPKB Kota Bogor mengklasifikasi Keluarga Rentan Stunting secara otomatis dan memantau distribusi risiko pada 68 kelurahan.
305 ribu+ data keluarga68 kelurahanStacked LSTM 3 lapis
Ringkasan Kota
Satu pandangan untuk melihat prioritas
Memuat data...
Distribusi risiko keluarga
Persentase-berisiko
BerisikoTidak berisiko
Prioritas yang dapat ditindaklanjuti
- TemukanIdentifikasi keluarga dengan kombinasi faktor risiko.
- PetakanLihat konsentrasi risiko hingga tingkat kelurahan.
- Tindak lanjutiGunakan hasil untuk verifikasi dan pendampingan lapangan.
Stacked LSTM tiga lapis untuk mendukung keputusan berbasis data.
Angka performa berasal dari pembagian data uji internal. Sebelum implementasi pelayanan publik, model perlu validasi eksternal, audit bias, perlindungan data pribadi, dan pemantauan berkala.
Skrining keluarga
Estimasi waktu pengisian: sekitar 2 menitAsesmen singkat, hasil mudah dipahami
Intelijen wilayah
Peta sebaran risiko Kota Bogor
Perbandingan kecamatan
Tingkat risiko per kecamatan
Gunakan pengatur lapisan di kanan atas peta untuk menampilkan atau menyembunyikan batas kota, kecamatan, kelurahan, dan sebaran risiko.
Analisis autokorelasi spasial
Global Moran, LISA, dan prioritas wilayah
Analisis terpisah untuk melihat pola global, klaster lokal, dan urutan kelurahan yang membutuhkan perhatian.
Komposisi klaster
Jumlah kelurahan menurut kategori LISA
Global Moran's I
Menghitung...-Nilai p: -
Analisis mengukur apakah kelurahan dengan tingkat risiko serupa cenderung berdekatan.
LISA
HH 0HL 0LH 0LL 0
HH: risiko tinggi dikelilingi wilayah tinggi. HL: tinggi dikelilingi rendah. LH: rendah dikelilingi tinggi. LL: rendah dikelilingi rendah.
Prioritas intervensi
Peringkat kelurahan
Skor prioritas: 60% tingkat risiko + 25% jumlah keluarga berisiko + 15% konteks LISA.
Faktor dominan lokal adalah asosiasi terkuat antara variabel independen dan target risiko di kelurahan tersebut, bukan nilai SHAP model.
| Peringkat | Kelurahan | Kecamatan | Tingkat risiko | Keluarga berisiko | LISA | 3 faktor dominan lokal | Skor | Aksi |
|---|