Penerapan Model Gstar Poisson Untuk Peramalan Jumlah Penderita Penyakit Demam Berdarah Dengue (DBD)

Rebekka, Serefina (2023) Penerapan Model Gstar Poisson Untuk Peramalan Jumlah Penderita Penyakit Demam Berdarah Dengue (DBD). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000117-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (1MB) | Request a copy

Abstract

Penyakit Demam Berdarah Dengue (DBD) merupakan penyakit yang ditularkan ke manusia melalui gigitan nyamuk Aedes yang terinfeksi virus Dengue. Penyakit ini sudah menyebar luas ke seluruh Indonesia termasuk Provinsi Jawa Timur. Peramalan jumlah kasus Demam Berdarah Dengue sangat penting dilakukan bagi pihak dinas kesehatan dan pemerintah agar mampu lebih matang dalam penanganan pasien di masa mendatang untuk mendapatkan kondisi ideal dengan cara mencegah, penanggulangan, pemberantasan, dan menciptakan sistem kesehatan yang baik. Perencanaan tersebut diperlukan agar tidak terjadi masalah seperti keterlambatan tindakan pencegahan, bertambahnya korban jiwa, dan kurangnya ruangan serta petugas untuk penanganan demam berdarah. Data bulanan jumlah penderita DBD merupakan salah satu jenis data time series dan salah satu model yang sering digunakan dalam peramalan adalah ARIMA namun model ini hanya sesuai dengan data yang stasioner dan berdistribusi normal tanpa ada keterkaitan antar lokasi. Adanya kelemahan ini maka terbentuklah model penelitian peramalan yang mempertimbangkan keterkaitan antara waktu dan lokasi yaitu model Generalized Space Time Autoregressive (GSTAR), model ini memiliki dugaan bahwa parameter autoregressive pada setiap lokasi bervariasi sehingga fleksibel untuk lokasi yang heterogen. Namun pada model GSTAR masih mengasumsikan bahwa variabel respon berdistribusi normal dan stasioner. Sehingga model GSTAR Poisson diusulkan untuk mengatasi data jumlahan dan tidak berdistribusi normal. Pada penelitian ini data yang digunakan adalah data spasial karena data memiliki keterkaitan dengan lokasi atau tempat kejadian pada waktu sebelumnya. Peramalan dilakukan dengan memproses data jumlah kasus demam berdarah dengue berdasarkan letak geografisnya yaitu Kota Surabaya, Sidoarjo, dan Gresik tiap bulan dari beberapa tahun sebelumnya. Hasil dari perhitungan disimulasikan menggunakan software R dan Microsoft Excel untuk menjelaskan hasil peramalan yang didapat. Pada penelitian kali ini diperoleh hasil peramalan pada periode Bulan Januari 2023 hingga Bulan Desember 2023 untuk 3 lokasi yaitu Kota Surabaya dengan hasil peramalan 201, Kota Sidoarjo dengan jumlah kasus 223, dan Kota Gresik dengan jumlah kasus 230. Berdasarkan plot peramalan dapat disimpulkan bahwa hasil memiliki kecenderungan naik.
===============================================================================================================================
Dengue Hemorrhagic Fever (DHF) is a disease that is transmitted to humans through the bite of an Aedes mosquito infected with the Dengue virus. This disease has spread widely throughout Indonesia, including East Java Province. Forecasting the number of cases of Dengue Hemorrhagic Fever is very important for the health department and the government to be able to be more mature in handling patients in the future to get ideal conditions by preventing, disrupting, eradicating, and creating a good health system. This planning is necessary so that problems do not occur such as delays in preventive measures, increased fatalities, and a lack of rooms and staff for handling Dengue Fever. Monthly data on the number of DHF sufferers is a type of time series data and one of the models often used in forecasting is ARIMA, but this model only corresponds to data that is stationary and normally distributed without any link between locations. Due to this weakness, a forecasting research model was formed which considers the relationship between time and location, namely the Generalized Space Time Autoregressive (GSTAR) model. This model has the allegation that the autoregressive parameters at each location vary so that it is flexible for heterogeneous locations. However, the GSTAR model still assumes that the response variables are normally distributed and stationary. So the GSTAR Poisson model is proposed to overcome sum data and not normally distributed. In this study, the data used is spatial data because the data is related to the location or place of the incident at the previous time. Forecasting is done by processing data on the number of cases of dengue hemorrhagic fever based on their geographical location, namely the cities of Surabaya, Sidoarjo and Gresik every month from the previous several years. The results of the calculations are simulated using R software and Microsoft Excel to explain the forecasting results obtained. In this study, forecasting results were obtained for the period from January 2023 to December 2023 for 3 locations, namely Surabaya with a forecasted result of 201, Sidoarjo with a forecasted result of 223, and Gresik with a forecasted result of 230. Based on the forecast plot, it can be concluded that the results show an increasing trend.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data Count, DBD, Peramalan, GSTAR Poisson, Data Count, Dengue Fever, Forecasting, GSTAR Poisson
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	SEREFINA REBEKKA
Date Deposited:	14 Aug 2023 08:23
Last Modified:	01 Sep 2023 03:21
URI:	http://repository.its.ac.id/id/eprint/101197

Actions (login required)

View Item