Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPadatahun 2007, Daerah Khusus Ibukota (DKI) Jakarta mengalami banjir besar yang merendam hampir 60% wilaya DKI Jakarta, yang salah satunya disebabkan oleh curah hujan yang tinggi. Dua bulan setelah kejadian tersebut, Gubernur DKI Jakarta menyatakan ibukota dalam kondisi kejadian luar biasa (KLB) demam berdarah. Dari 2 kejadian tersebut, terdapat indikasi kasus demam berdarah dengue(DBD) erat kaitannya dengan cuaca. DBD adalah penyakit yang disebabkan oleh virus dengue dan disebarkan melalui gigitan nyamuk aedes aegepty dan aedes albopictus betina yang terinfeksi virus dengue. Penyakit ini dapat menyerang manusia di segala rentang umur. Sejak Januari hingga Maret 2020, Dinas Kesehatan Pemerintah Provinsi DKI Jakarta mencatat terdapat 971 kasus DBD. Deteksi dini terkait kejadian DBD dibutuhkan agar berbagai pihak terkait dapat mengambil langkah-langkah antisipasi sedini mungkin. Ilmu matematika dapat berperan dalam membantu deteksi dini kejadian DBD di DKI Jakarta, salah satunya menggunakan sistem klasifikasi dengan berbasis artificial intelligence. Random forest classification merupakan salah satu bentuk machine learning, yang juga merupakan bagian dari artificial intelligence, yang dikenalkan oleh Breiman pada tahun 2001 melalui penelitiannya dengan metode ensemble. Setiap decisiontree pada random forest memberikan hasil klasifikasi dan menggunakan sistem suara terbanyak (majority vote) untuk menentukan hasil akhir dari klasifikasi random forest. Breiman dalam penelitiannya juga menunjukkan kelebihan random forest yang antara lain memiliki error lebih rendah dibandingkan metode lain yangsejenis dan dapat mengatasi data train yang berukuran besar secara efisien. Analisis klasifikasi kasus DBD dalam kaitannya dengan data klimatologi dilakukan dengan pendekatan random forest pada skripsi ini. Data insiden DBD, jumlah penduduk, dan data klimatologi berupa curah hujan, temperatur, dan kelembapan tahun 2008-2017pada tiap Kota di DKI Jakarta (kecuali Kepulauan Seribu) digunakan pada skripsi ini. Random forest diimplementasikan untuk melakukan klasifikasi tingkat kewaspadaan kasus DBD dalam tiga jenis kategori, yaitu: aman, waspada, danawas. Hasil implementasi algoritma random forest dalam membangun model klasifikasi tingkat kewaspadaan kasus DBD untuk Kota Jakarta Timur, Jakarta Utara, Jakarta Selatan, Jakarta Barat, dan Jakarta Pusat di skripsi ini menghasilkan nilai akurasi secara berurut yaitu 93,41%, 89,01%, 83,52%, 82,42%, dan 80,22%.

---

ABSTRACTIn 2007, the capital city DKI Jakarta had one of the worst floods, that submerged nearly 60% of the area. One of the causes was a heavy rainfall. Two months after the incident, Two months after the incident, the Governor of DKI Jakarta stated that the capital city was in an outbreak of dengue fever. From these two incidents, there are some indications of dengue hemorrhagic fever cases related to the weather. DHF is a disease caused by the dengue virus and spreads by the bite of female Aedes Aegepty and Aedes Albopictus mosquitoes thathad been infected with the dengue virus. This disease can affect humans in any kind of age. From January to March 2020, the government health office of DKI Jakarta reported 971 cases of dengue fever. Early detection related to the incidence of DHF is needed so that the preventive action can be done as early as possible. Mathematics helps a lot to detect a dengue fever in DKI Jakarta earlier using a classification system based on artificial intelligence. Random forest is one of the machine learning methods, found by Breiman in 2001 through his research with an ensemble method. Every decision tree in random forest provides classification results, using the majority vote system to determine the final results of the random forest classification. Breiman also mentioned the advantages of this method which are having fewer errors and efficiently resolving a bigger size of the train data. Analysis of the classification of DHF cases in relation to climatological data was carried out using the random forest approach in this research. DHF incidence data, population, and climatological data in the form of rainfall, temperature and humidity from 2008 -2017 in each city in DKI Jakarta (except Kepulauan Seribu) are used in this research. Random forest is implemented to classify the alertness level of DHF cases into three categories, namely: safe, nearly safe, and not safe. The results of the implementation of the random forest algorithm in building a classification model for the alertness level of dengue cases for East Jakarta, North Jakarta, South Jakarta, West Jakarta and Central Jakarta in the form of accuracy values are 93.41%, 89.01%, 83 ,52%, 82.42%, and 80.22%."

"Demam berdarah dengue (DBD) merupakan masalah kesehatan masyarakat di Jakarta sehingga penting untuk merencanakan tindakan pencegahan sebelum terjadinya wabah. DBD dikaitkan dengan perubahan iklim karena puncak kejadian biasanya pada awal dan akhir musim hujan, namun karena perubahan iklim global, iklim di Jakarta tidak dapat diprediksi. Subjek dengan diagnosis DBD di Jakarta Pusat dari tahun 2008 sampai 2010 dicatat oleh Sudinkes Jakarta Pusat. Data sekunder dianalisis untuk menyelidiki tren DBD berdasarkan usia, jenis kelamin dan case fatality rate (CFR). Hasil penelitian menunjukkan bahwa kejadian puncak diamati pada bulan Mei (tahun 2008) dan Maret (tahun 2009 dan 2010). Tidak ada perbedaan laki-laki dan perempuan (p <0,19), sedangkan orang dewasa lebih rentan terhadap DBD dibandingkan dengan anak-anak (p <0,001) yang berarti orang dewasa harus lebih waspada terhadap DBD dibandingkan dengan anak-anak. CFR pada ketiga tahun tersebut berada di bawah standar (<1%) yang berarti CFR di Jakarta harus dipertahankan <1%. Semua masyarakat harus waspada terhadap DBD terutama pada bulan Maret sampai Mei.

---

AbstractDengue hemorrhagic fever (DHF) constitutes a significant public health problem in Jakarta, thus it is crucial to plan preventive measure before an outbreak occurs.The aim of the study was to find the trend of DHF cases in Central Jakarta. Subjects were diagnosed for DHF in Central Jakarta from 2008 to 2010, and were documented by Sudinkes (District Health Office) of Central Jakarta. Investigation was conducted on the trend of DHF cases using secondary data, while adjusting for several criteria such as age, gender and case fatality rate (CFR).The results showed that peak incidence of DHF infections was detected in May 2008, and in March 2009 and 2010. There was no difference observed between male and female (p<0.19), whereas adult personnels were more susceptible to suffer from DHF compared to children (p<0.001). CFR appeared to be under the standard (<1%).CFR of DHF in Jakarta has to be maintained as of <1%. This can be done by conducting several efforts on decreasing of DHF cases. To conclude, all societies living in the area of Central Jakarta should be aware of DHF and the awareness has to be raised particularly from March until May."

"

Stroke merupakan salah satu penyakit dengan risiko kematian dan kecacatan yang tinggi. Secara umum, stroke diklasifikasikan menjadi dua jenis, yaitu stroke iskemik dan stroke hemoragik. Klasifikasi jenis stroke secara cepat dan tepat diperlukan untuk menentukan jenis pengobatan dan tindakan yang tepat guna mencegah terjadinya dampak yang lebih fatal pada pasien stroke. Pada penelitian ini, klasifikasi stroke dilakukan menggunakan pendekatan machine learning. Adapun data penelitian yang digunakan adalah data stroke yang terdiri atas pemeriksaan laboratorium. Pada data penelitian tersebut, terdapat berbagai komponen pemeriksaan laboratorium yang dicatat serta memungkinkan adanya suatu pemeriksaan yang kurang relevan atau informatif dalam mengklasifikasi stroke. Apabila data tersebut tidak ditangani, akan mempengaruhi kinerja serta waktu komputasi model dalam mengklasifikasi stroke. Oleh karena itu, pada penelitian ini, Random Forest (RF) dengan seleksi fitur Recursive Feature Elimination (RFE) digunakan dalam mengklasifikasi data stroke. Dengan menerapkan metode tersebut, diperoleh kinerja model yang lebih baik saat melakukan klasifikasi menggunakan sejumlah fitur yang diperoleh dari hasil seleksi fitur, dibandingkan menggunakan keseluruhan fitur dalam data stroke. Selain itu, pada penerapan metode tersebut, diperoleh kinerja model yang baik dalam mengklasifikasi data kelas stroke iskemik, akan tetapi tidak cukup baik dalam mengklasifikasi data kelas stroke hemoragik. Hal ini dikarenakan proporsi jumlah data pada kelas stroke iskemik lebih banyak dibandingkan stroke hemoragik. Dalam hal ini dibutuhkan suatu metode penanganan agar kinerja model tetap optimal dalam mengklasifikasi data kelas stroke iskemik dan stroke hemoragik. Pada penelitian ini, Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk menyeimbangkan kedua kelas data stroke guna memperoleh kinerja model yang optimal dalam mengklasifikasi kedua kelas data stroke. Berdasarkan penerapan metode RF dengan RFE serta SMOTE dalam mengklasifikasi data stroke, diperoleh kinerja model yang lebih baik dibandingkan melakukan klasifikasi pada data stroke yang tidak diseimbangkan dengan SMOTE.

---

Stroke is one of the diseases with the high risk of death and disability. Stroke generally can be classified into two types, namely ischemic stroke and hemorrhagic stroke. A quick and accurate stroke classification is needed to find the right treatment to prevent a dangerous effect on the stroke patients. In this study, the stroke classification was applied using a machine learning approach. The data used in this study is stroke data that consists of laboratory examinations. The data consists of various laboratory examination components, therefore, it might be possible that some of the components are less relevant and has less informative related in classifying stroke. If the data is not well handled, it might affect the performance and computation time of the model in classifying stroke. Therefore, in this study, Random Forest (RF) with Recursive Feature Elimination (RFE) method is used to classify the stroke data. The result showed that by applying the method in classifying several amounts of features obtained from the feature selection results has better performance rather than classifying the method using all features in stroke data. Moreover, based on applying this method, the result showed that the model has better performance in classifying ischemic stoke class data but not good enough in classifying hemorrhagic stroke class data. This result might occur because the proportion of numbers the ischemic stroke more than hemorrhagic stroke class data. Therefore, the handling method is needed to obtain optimal model performance in classifying ischemic stroke and hemorrhagic stroke class data. In this study, Synthetic Minority Oversampling Technique (SMOTE) is applied to balance the two classes of stroke data so optimal performance of the classification model can be obtained. Based on the application of the RF with RFE methods and SMOTE in the classification of stroke data, better model performance is obtained compared to classifying the stroke data that is not balanced with SMOTE.

"

"ABSTRAKKlasifikasi merupakan proses pengelompokan suatu himpunan data ke kelas-kelas yang sudah ada sebelumnya. Pada umumnya, himpunan data dibagi menjadi dua bagian, yaitu training data dan testing data. Dibutuhkan suatu metode klasifikasi yang dapat mengelompokkan training data dan testing data ke dalam suatu kelas dengan tepat. Sering kali metode klasifikasi hanya dapat mengelompokkan training data dengan tepat saja, namun tidak demikian untuk testing data. Artinya, model yang terbentuk tidak cukup stabil atau model tersebut mengalami overfitting. Secara umum, overfitting merupakan kondisi saat akurasi yang dihasilkan pada training data cukup tinggi, namun cenderung tidak mampu memprediksi testing data. Penentuan metode klasifikasi yang rentan terhadap overfitting perlu dipertimbangkan. Random forest merupakan salah satu metode klasifikasi yang rentan terhadap masalah overfitting. Hal tersebut sekaligus menjadi salah satu kelebihan dari metode random forest. Oleh karena itu, pada tugas akhir ini akan dibahas metode random forest serta mengaplikasikannya pada data penderita penyakit Parkinson yang dibagi berdasarkan 2 sub-tipe, yaitu tremor dominant TD dan postural instability gait difficulty PIGD dominant. Selanjutnya, dari data tersebut diperoleh hasil akurasi model yang dihasilkan dalam mengklasifikasi training data, yaitu sekitar 94,25 . Sementara itu, akurasi metode ini dalam melakukan klasifikasi pada data yang tidak terkandung dalam membentuk model sebesar 94,26.

---

ABSTRACTClassification is the process of grouping a set of data into pre existing classes. In general, the data set is divided into two parts. There are training data and testing data. It takes a classification method that can classify both training data and testing data of its class appropriately. However, some of the classification methods only fit in training data, but it can not apply in testing data. It means that the model is unstable or the model occurs overfitting. In general, overfitting is a condition when the model too fit in training, but unable to predict testing data. In other words, the accuracy of predicting the testing data is decreasing. Therefore, the determination of classification methods that are vulnerable to overfitting need to be considered. Random forest is one of the classification methods that is vulnerable to overfitting. It is also one of the advantages of the random forest method. Therefore, in this final project will be discussed random forest method and applying it to the data of Parkinson 39 s disease patients that is divided by 2 sub types. There are dominant tremor TD and postural instability gait difficulty PIGD dominant. Furthermore, from the data obtained the results of model accuracy in classifying the training data is about 94.25 . Meanwhile, the accuracy of this method in classifying the data not contained in forming a model is about 94.26."

"Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia. Di Jawa Barat pada tahun 1995 terjadi 3140 kasus DBD dengan Cale Fatality Rate (CFR) 3,9%. Di Kabupaten Indramayu setama 5 tahun terakhir (1992 - 1996), jumlah kasus DBD makin tinggi dan wilayah endemis DBD makin luas. Analisis ini dilakukan untuk mengetahui tingkat kerawanan DBD di Kabupaten Indramayu, serta mencoba mengidentifikasi faktor-faktor yang berpotensi mempengaruhinya. Berdasarkan hasil analisis tersebut kemudian dibuat rencana pengendalian DBD di Kabupaten Indramayu. Identifikasi faktor-faktor yang mempengaruhi kerawanan DBD dilakukan dengan memetakan wilayah endemis DBD tahun 1992-1996 dan menguji hubungan antara kerawanan DBD dengan kepadatan penduduk. Hasil analisis menunjukkan bahwa wilayah kerawanan DBD menyebar menyusuri jaringan jalan propinsi, yang kemudian diikuti dengan penyebaran di sepanjang jalan kabupaten. Hal ini mengindikasikan adanya hubungan antara kerawanan DBD dengan mobilitas penduduk. Dengan uji X2 terbukti bahwa kepadatan penduduk berhubungan secara bermakna. dengan tingkat kerawanan DBD. Ditinjau dari segi pelayanan kesehatan, terlihat bahwa pelayanan promotif dan preventif (fogging, abatisasi, pemberantasan sarang nyamuk) untuk mengendalikan DBD masih belum memadai. Kegiatan-kegiatan tersebut dilakukan justru setelah terjadi suatu kasus DBD, sehingga tidak berfungsi sebagai tindakan promotif dan preventif. Disimpulkan bahwa 1). tingkat kerawanan DBD di Kabupaten Indramayu tahun 1992-1996 semakin meningkat, meskipun masih ada 68 desa yang selama 5 tahun tersebut tetap berstatus sebagai desa potensial DBD; 2). tingkat kerawanan DBD berhubungan dengan mobilitas dan kepadatan penduduk; dan 3). upaya promotif dan preventif belum dilaksanakan secara memadai, sehingga tidak menghasilkan efek promotif dan preventif. Disarankan untuk mengupayakan pengendalian DBD dengan 3 strategi utama yaitu 1). meningkatkan pengetahuan dan kewaspadaan masyarakat akan masalah DBD 2). meningkatkan partisipasi masyarakat dalam pemberantasan vektor DBD, terutama melalui kegiatan pemberantasan sarang nyamuk; dan 3). memanfaatkan berbagai institusi kemasyarakatan yang ada untuk menggerakkan masyarakat dalam pengendalian DBD di Kabupaten Indramayu. Sebagai langkah tindak lanjut akan dilakukan hal-hal sebagai berikut:1. Menyampaikan hasil analisis yang telah dilakukan kepada Bupati Kepala Daerah Tingkat II Indramayu. 2. Membuat rencana kerja operasional yang rinci, serta mengusulkannya kepada Bupati Kepala Daerah Tingkat II Indramayu. 3. Meningkatkan pengetahuan dan kewaspadaan masyarakat terhadap DBD dengan memanfaatkan berbagai jalur komuikasi, yaitu radio daerah, dan pertemuan-pertemuan lintas sektoral atau R.apat Koordinasi Kabupaten yang dilaksanakan pada setiap tanggal 17. 4. Mengintensifkan dan memperluas cakupan fogging masal sebelum masa penularan (SMP) di semua desa endemis. 5. Melakukan abatisasi nasal setiap tiga bulan sekali di semua desa. 6. Mengintensifkan pelaksanaan fogging fokus segera setelah dilaporkan adanya kasus DBD.

---

Assessment of Dengue Hemorrhagic Fever's Endemicity at the Village Level in Indramayu District 1992-1996 and Development of Strategy and Plan of Action for Controlling Dengue Hemorrhagic Fever in Indramayu DistrictDengue Hemorrhagic Fever (DHF) is one of the public health problems in Indonesia. In 1995, there was 3140 DHF cases in West Java with the case fatality rate of 3.9%. During the last 5 years (1992-1996) there was an increased case in Indramayu District, as well as a wider endemic areas.

This study aimed to assess the endemic of DHF in Indramayu District, and identify its potential related factors. Based on the results, a strategy and plan of action for controlling DHF in Indramayu District will be developed.

It was found that the endemic areas spread out along the province road, and followed by its spread along the district road. This result indicated that the people's mobility had some association with the DHF's endemic. The X2 tests showed a significant association between the DHF's endemic and the population density. Through a qualitative assessment, it was also found that promotive and preventive measures (fogging, abatisation, vector control) were not applied adequately, so that their function as promotive and preventive measures were not met.

It was concluded that 1). during 1992-1996 the DHF's endemic in Indramayu District was worse; 2). the DHF's endemic associated with the people's mobility and population density; and 3). promotive and preventive measures for controlling DHF's vector were not applied adequately.

It was suggested to control DHF in Indramayu District through 3 main strategies, i.e. 1). to improve the community's knowledge and awareness on DHF; 2). to improve community participation in controlling DHF's vector, and 3). to use any community's institution in controlling DHF.

Several follow up activities were planned to be done:

1. To report the result of this assessment to the governmental head of Indramayu District (Bupati).

2. To make a detail and comprehensive plan of action for controlling DHF in Indramayu District.

3. To improve the community's knowledge and awareness on DHF by using any means of communication such as district's radio and regular monthly intersectoral coordination meeting.

4. To intensify and extensity mass fogging in all endemic areas.

5. To do a mass abatisation in all villages.

6. To intensify focal fogging soon after a DHF case is reported."

"Latar belakang. Dampak perubahan iklim menyebabkan tingginya penyebaran penyakit DBD, dan semakin meningkatnya jumlah KLB DBD dibeberapa wilayah kabupaten/kota di Indonesia. Pada bulan Januari 2016 terjadi KLB DBD di Kabupaten Tangerang. Metodologi. Penelitian bertujuan untuk mengetahui faktor-faktor yang mempengaruhi kejadian DBD pada saat KLB di Kabupaten Tangerang, menggunakan desain kasus kontrol dengan analisis multivariat uji logistic regresion. Jumlah sampel 201 terdiri dari 67 kasus dan 134 kontrol. Kasus adalah penderita DBD pada saat KLB dengan konfirmasi medis yang berusia 5-44 tahun, kontrol adalah tetangga kasus yang berada pada radius 100 dari rumah kasus. Data diambil langsung kerumah kasus dan kontrol yang dilakukan pada bulan Februari sampai dengan Mei 2016. Hasil penelitian, Kejadian DBD dipengaruhi oleh faktor umur OR: 22,87 (95% CI: 6,67-78,51), jenis kelamin 3,62 (95% CI : 1,71-7,67), kebiasaan tidur siang OR: 2,47 (95% CI:1,20-5,12), kontak dengan penderita OR: 2.22 (95% CI: 1,05-4,68) dan lingkungan rumah yang terdapat kebun/semak OR: 2,02 (95% CI: 0,99-4,14). Umur merupakan faktor dominan yang mempengaruhi kejadian DBD. Disarankan. Masyarakat disarankan lebih waspada terhadap penyakit DBD dan kepada pemerintah agar meningkatkan promosi kesehatan tentang penyakit DBD sehingga masyarakat dapat berperanan dan berpartisipasi aktif dalam upaya pengendalian penyakit DBD.

---

Background. Impact of climate change to high spread of Dengue Hemorrhagic Fever (DHF) and also increasing number of DHF outbreak in some district or city in Indonesia. Outbreak of dengue fever occurred in Tangerang regency in January 2016.

Methods. The aim of this study was to determine influence factors of DHF outbreak incidence. This study was conducted in Tangerang Regency. A case-control study design with logistic regresion test of multivariate analysis. The total sample was 201, 67 cases of DHF and 134 controls. Cases were 5-44 years old DHF patients during an outbreak with medical confirmation. The control was a neighbor of cases who live in the radius of 100 meter. The study was conducted from February to May 2016 using the primary data.

Results, Incidence of dengue was influenced by age OR: 22.87 (95% CI: 6.67 to 78.51), the sex OR 3.62 (95% CI: 1.71 to 7.67), the habit of napping OR: 2.47 (95% CI: 1.20 to 5.12), contact with patients DHF OR: 2:22 (95% CI: 1.05 to 4.68) and a home environment there are gardens/shrubs OR: 2.02 ( 95% CI: 0.99 to 4.14) and DHF incidence. Age is the dominant factor affecting the incidence of DHF.

Suggestion. Increasing the awareness of DHF in the community. The government increased health promotion on DHF so that people can contribute and participate actively to control DHF."

"ABSTRAK Latar belakang: Identifikasi faktor-faktor risiko sangat penting dalam memprediksi kasus yang mungkin berkembang menjadi sindrom syok dengue SSD dan expanded dengue syndrome EDS . Alasan penelitian ini dilakukan adalah karena masih terdapat perbedaan dari beberapa hasil penelitian sebelumnya mengenai faktor risiko status nutrisi terhadap terjadinya SSD, angka kematian SSD yang masih cukup tinggi 7,81 , dan menggunakan klasifikasi infeksi virus dengue terbaru menurut pedoman WHO terbaru tahun 2011 dengan kelompok EDS.Tujuan: Mengetahui hubungan faktor risiko status nutrisi dan faktor risiko lain terhadap terjadinya SSD dan hubungan status nutrisi terhadap terjadinya EDS. Metode: Studi retrospektif menggunakan data rekam medik pasien anak usia 0 sampai 200 IU . Kata kunci: anak, status nutrisi, demam berdarah dengue, risiko, syok, expanded dengue syndrome. ABSTRACT Background Identifying risk factors is critical in predicting possible cases of dengue shock syndrome DSS and expanded dengue syndrome EDS . The reasons for this research are because there are still some differences from previous research on the risk factors of nutritional status on the occurrence of DSS, high mortality rate of DSS 7.81 , and using the latest dengue virus classification according to the latest WHO guidelines 2011 with the EDS group.Aim To know the correlation between risk factors of nutritional status and other risk factors on the occurrence of DSS and the relationship of nutritional status to the occurrence of EDS. Methods This retrospective study used medical record data of children ages 0 to 200 IU . Key words children, nutritional status, dengue hemorrhagic fever, risk, shock, expanded dengue syndrome. "

"ABSTRAK Latar belakang: Manifestasi klinis yang bervariasi, patogenesis yang kompleks, dan perbedaan serotipe virus membuat sulit memprediksi perjalanan penyakit dengue. Pencarian faktor-faktor prognosis sangat penting dalam memprediksi kasus yang mungkin berkembang menjadi sindrom syok dengue SSD . Anak yang dirawat di RS dapat mengalami syok. Angka kematian SSD 7,81 dan prevalens SSD 15,53 yang tinggi serta klasifikasi infeksi virus dengue terbaru menurut pedoman WHO 2011 merupakan alasan dilakukan penelitian ini. Tujuan: Mengetahui faktor-faktor prognosis demam berdarah dengue DBD yang berpotensi menjadi SSD. Metode: Studi retrospektif menggunakan data rekam medik pasien anak usia 0 sampai ABSTRACT Background Various clinical manifestations, complex pathogenesis and different virus serotypes make us difficult to predict course of dengue. Prognosis factors finding is important to predict cases progressing to become dengue shock syndrome DSS . Hospitalized children may sustain shock. High mortality rate 7,81 , prevalence of DSS 15,53 1 and new dengue virus infection classification according WHO 2011 guideline are reasons doing this research. Objective To know prognosis factors in Dengue Hemorrhagic Fever DHF which have potency to become DSS. Methods Retrospective study use medical records of children age 0 until "