Pemanfaatan Informasi Iklim Terhadap Kasus Demam Berdarah Dengue Di Kota Bandung Menggunakan Algoritma Partial Least Square
Abstrak
Abstrak — Demam berdarah Dengue (DBD) adalah salah satu penyakit endemik di seluruh wilayah tropis dan sebagian wilayah subtropics. Penyakit ini ditularkan oleh nyamuk aedes aegypti. Penyakit dapat menyebarkan infeksi dalam suatu wilayah dengan cepat. Pada tahun 2016, terdapat ratusan ribu penderita DBD di seluruh wilayah Indonesia akibat penularan DBD yang disebabkan oleh nyamuk Aedes aegypti. Perubahan iklim bisa berpengaruh terhadap pola penyakit infeksi akan mempertinggi risiko penularan. Penelitian ini dilakukan untuk menemukan pengaruh dari iklim dengan tingkat kasus DBD di daerah Kabupaten Bandung menggunakan algoritma Partial Least Square (PLS) sebagai metode untuk mendapatkan korelasi antara variabel independent dengan variabel dependen. Sedangkan, algoritma Support Vector Machine (SVM) digunakan untuk melakukan prediksi terhadap kasus DBD. Hasil korelasi menggunakan PLS menunjukkan bahwa kelembapan memiliki pengaruh lebih tinggi terhadap jumlah kasus DBD. nilai cross-loadings yang didapatkan adalah 0.315865 dengan nilai akurasi koefisien determinasi (R2) adalah 0.099771. pada algoritma SVR, kombinasi antara partisi data, parameter dan kernel yang paling baik adalah partisi data yang memiliki perbandingan 80:20 antara data training dan data testing dengan nilai parameter masing-masing C = 10, gamma = 1, dan epsilon = 0.05. Kernel yang digunakan adalah kernel RBF. Hasil regresi dari data kasus DBD memiliki nilai error dan koefisien determinasi masing-masing RMSE = 0.12314 dan R2 = 0.58873.
Kata Kunci— Demam Berdarah Dengue, Partial Least Square, Python, Support Vector Machine, Website
Referensi
Syamsir dan A. Daramusseng, ““ANALISIS SPASIAL EFEKTIVITAS FOGGING DI WILAYAH KERJA PUSKESMAS MAKROMAN,KOTA SAMARINDA,” Jurnal Nasional Ilmu Kesehatan , pp. 1-7, 2018.
M. R. Ridha, L. Indriyati, A. Tomia dan Juhairiyah, “PENGARUH IKLIM TERHADAP KEJADIAN DEMAM BERDARAH DENGUE,” Spirakel, pp. 53-62, 2019.
A. Kusairi dan R. yulia, “Mapping of Dengue Fever Distribution Based on Indonesian National Standard Cartography Rules as an Prevention Indicator of Outbreaks,” Jurnal pendidikan IPA Indonesia, pp. 91-96, 2020.
Q. Yang, “Regression,” Encyclopedia of Big Data, pp. 1-4, 2017.
G. D. Garson, “Partial Least Square : Regression & Structural Equation Models,” Statistical Associates Publishing, pp. 51-56, 2016.
D. Tomar, R. Arya dan S. Argawal, “Prediction of Profitability of Industries,” International Journal on Computer Science and Engineering (IJCSE), pp. 1938-1944, 2011.
J. Shawe dan N. Cristianini, Kernel Methods for Pattern Analysis, New York: Cambridge University Press, 2004.
H. A. Azies, D. trishnanti dan E.Mustikawati, “Comparison of Kernel Support Vector Machine (SVM) in Classification of Human Development Index (HDI),” IPTEK Journal of Proceedings Series , pp. 53-57, 2019.
H. Muthiah, U. Sa’adah dan A. Efendi, “Support Vector Regression (SVR) Model for Seasonal Time Series Data,” the Second Asia Pacific International Conference on Industrial Engineering and Operations Management, pp. 3191-3200, 2021.
Y. Trimarsiah dan M. Arafat, “Analisis dan Perancangan Website sebagai Sarana Informasi Pada Lembaga Bahasa Kewirausahaan dan Komputer AKMI Baturaja,” Jurnal Ilmiah MATRIK, pp. 1-10, 2017.
