PREDIKSI KASUS DEMAM BERDARAH DENGUE DI KABUPATEN BOGOR MENGGUNAKAN  METODE ANN

Ilham Hafidz; Murniyati Murniyati

doi:10.52362/jisicom.v9i2.2219

Ilham Hafidz Universitas Gunadarma, Depok
Murniyati Murniyati Universitas Gunadarma, Depok

DOI: https://doi.org/10.52362/jisicom.v9i2.2219

Abstract

Demam Berdarah Dengue (DBD) menjadi masalah kesehatan signifikan di Kabupaten Bogor dengan fluktuasi kasus yang sangat dipengaruhi oleh faktor iklim. Penelitian ini bertujuan merancang dan membangun model prediksi untuk memproyeksikan jumlah kasus DBD tahunan berdasarkan data iklim historis. Metode yang digunakan adalah Artificial Neural Network (ANN) dengan algoritma Backpropagation, dilatih menggunakan data deret waktu dari 2014-2023 yang mencakup variabel iklim (curah hujan, suhu, dan kelembapan) sebagai input. Melalui serangkaian eksperimen manual tuning untuk mengatasi underfitting dan overfitting, ditemukan konfigurasi model final terbaik dengan arsitektur [33 18] dan parameter regularisasi 0.4. Model menunjukkan kinerja kuat pada data latih (RMSE = 280.7; R² = 0.89). Validasi pada data uji 2024 menunjukkan kemampuan generalisasi yang tinggi, dengan RMSE 186.8 (error ~5.5%) dan R² 0.99. Implementasi model menghasilkan prediksi 1484 kasus DBD untuk tahun 2025. Hasil ini menunjukkan bahwa model ANN yang dikembangkan dapat menjadi alat pendukung keputusan yang andal bagi pemangku kepentingan kesehatan.

Downloads

Download data is not yet available.

References

[1] Rakhmatsani, L. and Susanna, D. (2024) “Studi Ekologi Hubungan Iklim Terhadap Kejadian Demam Berdarah Dengue (DBD) di Kabupaten Bogor Tahun 2013-2022,” Jurnal Kesehatan Lingkungan Indonesia, 23(2), pp. 207–214.
[2] SUMI, A. et al. (2017) “Effect of temperature, relative humidity and rainfall on dengue fever and leptospirosis infections in Manila, the Philippines,” Epidemiology and Infection, 145(1), pp. 78–86.
[3] Li, Y. et al. (2020) “Effects of ambient temperature and precipitation on the risk of dengue fever: A systematic review and updated meta-analysis,” Environmental Research, 191, p. 110043.
[4] Rahmawati, Y., Jamil, I.R. and Hidayah, I. (2025) “A Spatial Analysis on Heterogenous Determinant of Dengue Fever Cases in Indonesia,” Journal of Geovisualization and Spatial Analysis, 9(1), p. 10.
[5] Wong, Z.S.Y., Zhou, J. and Zhang, Q. (2019) “Artificial Intelligence for infectious disease Big Data Analytics,” Infection, Disease & Health, 24(1), pp. 44–48.
[6] Rahayu, D. et al. (2019) “Prediksi Jumlah Kasus Demam Berdarah Dengue (DBD) Berdasarkan Faktor Iklim Menggunakan Jaringan Saraf Tiruan Backpropagation,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), 7(4), p. 235.
[7] Gunawan, I. et al. (2024) “Hybrid Model of Artificial Neural Network and Genetic Algorithm for Weather Prediction,” Journal of Information Systems Engineering and Business Intelligence, 10(1)