Prediksi Penyebaran Demam Berdarah Dangue dengan Algoritma Hybrid Autoregressive Integrated Moving Average dan Artificial Neural Network: Studi Kasus di Kabupaten Bandung

Ichwanul Muslim Karo Karo

Abstract


Demam Berdarah Dengue (DBD) merupakan penyakit menular yang ditularkan melalui gigitan nyamuk Aedes Aegypti. WHO (World Health Organization) telah mengupayakan langkah-langkah pencegahan terhadap wabah DBD dengan penerapan teknologi. Teknologi yang digunakan untuk mencegah penyebaran wabah DBD adalah penggunaan serangkaian proses komputasi untuk menghasilkan prediksi penyebaran DBD yang diharapkan dapat membantu langkah pencegahan. Dalam membantu pengembangan teknologi pencegahan DBD penulis mengembangkan model hybrid Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN) untuk membantu memprediksi incident rate DBD berdasarkan beberapa variabel terkait seperti cuaca dan incident rate yang diambil dari Januari 2009 – November 2016. Dari model hybrid ARIMA dan ANN dihasilkan nilai prediksi yang memiliki tingkat error yang rendah yang diindikasikan oleh nilai RMSE yang kecil. Model hybrid ARIMA-ANN yang optimal adalah hybrid ARIMA-ANN dengan orde (1,0,3) dengan nilai RMSE sebesar 0.0087

Keywords


ARIMA, ANN, DBD, Incident rate.

Full Text:

PDF

References


Ammar, G., & Ammar, E. J. K. (2019). A Hybrid ARIMA and Artificial Neural Networks (ANN) Model for Daily Maximum and Minimum Temperature Forecast. Tishreen University Journal-Engineering Sciences Series, 41(6).

Büyükşahin, Ü. Ç., dan Büyükşahin, E. Ş. (2019). Improving forecasting accuracy of time series data using a new ARIMA-ANN hybrid method and empirical mode decomposition. Neurocomputing, 361, 151-163.

Ching, J., & Phoon, K. K. (2019). Impact of autocorrelation function model on the probability of failure. Journal of Engineering Mechanics, 145(1), 144-160.

Cheung, Y. W., & Lai, K. S. (1995). Lag order and critical values of the augmented Dickey–Fuller test. Journal of Business & Economic Statistics, 13(3), 277-280.

Cholil, S. R. D. A. F., dan Cholil, A. T. (2020). Prediksi penyakit demam berdarah di Puskesmas Ngemplak Simongan menggunakan algoritma C4.5. SISTEMASI: Jurnal Sistem Informasi, 9(3), 529-542.

Dompas, J. V. K., dan Dompas, J. S. P. M. S. (2021). Prediksi jumlah penderita demam berdarah di Kabupaten Kepulauan Sangihe menggunakan model ARIMA musiman. d'CARTESIAN, 9(2), 126-132.

Dwivedi, D. K., Dwivedi, J. H., dan Dwivedi, S. G. R. (2019). Forecasting monthly rainfall using autoregressive integrated moving average model (ARIMA) and artificial neural network (ANN) model: A case study of

Junagadh, Gujarat, India. Journal of Applied and Natural Science, 11(1), 35-41.

Fuadzy, H., Prasetyowati, H., Marliyanih, E. S., Hendra, A., & Dadang, A. M. (2021). Autokorelasi Spasial Demam Berdarah Dengue di Kota Tasikmalaya. ASPIRATOR-Journal of Vector-borne Disease Studies, 13(2), 113-126.

Ichwani, A. S., dan Ichwani, W. H. A. (2019). Prediksi Angka Kejadian Demam Berdarah Dengue (DBD) Berdasarkan Faktor Cuaca Menggunakan Metode Extreme Learning Machine (Studi Kasus Kecamatan Tembalang). Jurnal Iptekmedia Komunikasi Teknologi, 3(1), 31-24.

Jani, D. B., Jani, M. M., dan Jani, S. P. K. (2017). Application of artificial neural network for predicting performance of solid desiccant cooling systems–A review. Renewable and Sustainable Energy Reviews, 80, 352-366.

Kristianto, R. P. U. E., dan Kristianto, L. E. T. (2017). Penerapan Algoritma Forecasting untuk Prediksi Penderita Demam Berdarah Dengue di Kabupaten Sragen. Semnasteknomedia Online, 5(1).

Karyanti, M. R., dan Hadinegoro, S. R. (2016). Perubahan epidemiologi demam berdarah dengue di Indonesia. Sari Pediatri, 10(6), 424-432.

Kusuma, A. P., dan Sukendra, D. M. (2016). Analisis spasial kejadian demam berdarah dengue berdasarkan kepadatan penduduk. Unnes Journal of Public Health, 5(1), 48-56.

Nabillah, I., & Ranggadara, I. (2020). Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut. Journal of Information System, 5(2), 250-255.

Perwitasari, D., dan Perwitasari, A. Y. (2015). Model prediksi demam berdarah dengue dengan kondisi iklim di Kota Yogyakarta. Indonesian Journal of Health Ecology, 14(2), 124-135.

Rasmanto, M. F. (2017). Model prediksi kejadian demam berdarah dengue (DBD) berdasarkan unsur iklim di Kota Kendari tahun 2000-2015. Jurnal Ilmiah Mahasiswa Kesehatan Masyarakat, 1(3).

Respati, T., Raksanegara, A., Djuhaeni, H., Sofyan, A., Agustian, D., Faridah, L., & Sukandar, H. (2017). Berbagai faktor yang memengaruhi kejadian demam berdarah dengue di Kota Bandung. ASPIRATOR-Journal of Vector-borne Disease Studies, 9(2), 91-96.

Satrio, C. B. A. D. W. N. B. U., & H. N. Satrio. (2021). Time series analysis and forecasting of coronavirus disease in Indonesia using ARIMA model and PROPHET. Procedia Computer Science, 179, 524-532.

Setiawan, H. U. E., & Setiawan, A. F. H. (2020). Penerapan Model Forecasting Arima Dan Artificial Neural Network Di Kabupaten Sragen. Majalah Ilmiah Bahari Jogja, 18(2), 64-78.

Team, R. (2009). Penyebaran Penyakit Demam Berdarah Berdasarkan Faktor Cuaca dan Iklim di Wilayah Kerja Puskesmas Ciwaruga Kabupaten Bandung Barat. Jurnal Keperawatan Unpad, 11(20).




DOI: https://doi.org/10.17509/seict.v2i2.40222

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Journal of Software Engineering, Information and Communication Technology (SEICT)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Journal of Software Engineering, Information and Communicaton Technology (SEICT), 
(e-ISSN:2774-1699 | p-ISSN:2744-1656) published by Program Studi Rekayasa Perangkat Lunak, Kampus UPI di Cibiru.


 Indexed by.