Prediksi Angka Kejadian Demam Berdarah Dengue (DBD) Berdasarkan Faktor Cuaca Menggunakan Metode Extreme Learning Machine (Studi Kasus Kecamatan Tembalang)

Anneta Shifa Ichwani, Helmie Arif Wibawa

Abstract


Demam Berdarah Dengue (DBD) merupakan penyakit endemis di Indonesia. Meningkatnya angka kejadian demam berdarah ini disebabkan oleh banyak faktor, antara lain keadaan lingkungan, baik lingkungan sosial, biologis, maupun fisik. Kecamatan Tembalang, dari tahun 2007 hingga 2016, menempati peringkat pertama sebagai kecamatan dengan Incident Rate (IR) DBD tertinggi sekota Semarang. Penanganan yang tepat perlu dilakukan sebagai antisipasi kenaikan angka penderita pada tahun-tahun berikutnya. Salah satu penanganan yang dapat dilakukan adalah memprediksi angka kejadian demam berdarah pada waktu-waktu berikutnya sehingga pemerintah dapat menyiapkan tindakan pencegahan. Prediksi angka kejadian demam berdarah ini dapat dilakukan dengan menggunakan prediktor cuaca. Dalam penelitian ini, digunakan tiga prediktor cuaca, yaitu suhu udara, kelembapan, dan curah hujan serta angka kejadian demam berdarah untuk memprediksi angka kejadian demam berdarah pada waktu berikutnya. Penelitian ini menggunakan jaringan saraf tiruan Extreme Learning Machine (ELM) untuk memprediksi angka kejadian demam berdarah berdasarkan faktor cuaca. Hasil penelitian menunjukkan bahwa model ELM dapat menghasilkan MSE pengujian terendah sebesar 0,0116 dan waktu pelatihan kurang dari 1 detik.


Keywords


Cuaca; Demam Berdarah Dengue; Extreme Learning Machine; Jaringan saraf tiruan

References


W. H. O. WHO, in Comprehensive Guidelines For Prevention and Control of Dengue and Dengue Haemorrhagic Fever, 2013.

Widoyono, in Penyakit Tropis, Epidemiologi, Penularan, Pencegahan, & Pemberantasan. Kedua., Jakarta, Penerbit Erlangga, 2011.

A. M. V. Dini, R. N. Fitriany and R. A. Wulandari, "FAKTOR IKLIM DAN ANGKA INSIDEN DEMAM BERDARAH DENGUE DI KABUPATEN SERANG," Makara, Kesehatan, vol. 14, pp. 37-45, 2010.

D. P. Fardani, E. Wuryanto and I. Werdiningsih, "SISTEM PENDUKUNG KEPUTUSAN PERAMALAN JUMLAH KUNJUNGAN PASIEN MENGGUNAKAN METODE EXTREME LEARNING MACHINE (STUDI KASUS : POLI GIGI RS WAHIDIN SUDIRO HUSODO MOJOKERTO)," Journal of Information System Engineering and Business Intellegence, vol. 1, 2015.

G. B. Huang and C. K. Siew, "Extreme Learning Machine: Theory and Applications," Journal Neurocomputing, vol. 70, pp. 489-501, 2006.

S. K. Chandar, M. Sumathi and S. N. Sivanadam, "Forecasting Gold Prices Based on Extreme Learning Machine," Internation Journal of Computers Communications & Control, pp. 372-380, 2016.

Q. Humaini, "Jaringan Syaraf Tiruan Extreme Learning Machine (ELM) Untuk Memprediksi Kondisi Cuaca Di Wilayah Malang," Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang, 2015.

Pusat Data dan Informasi Kementerian Kesehatan, "InfoDATIN," 2016.

Kementerian Kesehatan, "Demam Berdarah Dengue (DBD)," 25 april 2017.

S. Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Yogyakarta: Graha Ilmu, 2003.

D. Puspitaningrum, Pengantar Jaringan Syaraf Tiruan, Yogyakarta: Andi Offshet, 2006.

BPS, "Badan Pusat Statistik Kota Semarang," [Online]. Available: https://semarangkota.bps.go.id/dynamictable/2016/03/08/30/data-curah-hujan-di-kota-semarang-dirinci-per-bulan-1984--2015.html. [Accessed 20 Maret 2018].

Wunderground, "Weather Underground," [Online]. Available: www.wunderground.com. [Accessed 10 Juni 2018].




DOI: https://doi.org/10.31284/j.iptek.2019.v23i1.471

Refbacks

  • There are currently no refbacks.


 

Indexed by:

Sinta S3Google Scholar GARUDA Garba Rujukan DigitalDimensions Logo