Penerapan Model Peramalan Kasus Demam Berdarah Dengue Berbasis Media Sosial dengan Metode STL-BiLSTM

Nugraha, Alfito Khansa (2024) Penerapan Model Peramalan Kasus Demam Berdarah Dengue Berbasis Media Sosial dengan Metode STL-BiLSTM. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201146-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Demam Berdarah Dengue (DBD) merupakan tantangan kesehatan utama di Indonesia, khususnya di Jawa Timur dan Kabupaten Malang yang mencatat jumlah kasus tertinggi di wilayah tersebut. Upaya konvensional yang dilakukan oleh dinas kesehatan seperti pemberantasan sarang nyamuk belum cukup efektif dalam menekan angka kasus DBD di Kabupaten Malang. Selain itu, pendekatan peramalan yang sudah ada juga belum optimal dalam memprediksi dan mengatasi lonjakan kasus DBD. Penelitian ini bertujuan untuk mengembangkan model prediksi STL-BiLSTM yang memanfaatkan data DBD dan data Facebook serta Twitter untuk prediksi kasus DBD di Kabupaten Malang dan juga ingin mengetahui pengaruh kedua media sosial tersbeut terhadap hasil peramalan. Metode dekomposisi STL dan jaringan saraf LSTM berorientasi bidirectional memungkinkan identifikasi dan pemahaman terhadap komponen tren, musiman, dan loess dari data time-series kasus DBD dengan harapan menghasilkan prediksi yang akurat. Hasilnya menunjukkan bahwa model dengan data DBD saja memberikan performa terbaik, dengan RMSE sebesar 0,17, r-squared sebesar 0,99, sMAPE sebesar 43,26%, dan MAE sebesar 0,13. Model yang menggabungkan data DBD dengan Facebook dan Twitter, serta model yang menggunakan masing-masing jenis media sosial, tidak menunjukkan peningkatan performa yang signifikan dan cenderung memberikan prediksi yang lebih rendah, yang sebagian besar disebabkan oleh kekurangan data aktif dari penggunaan fitur lokasi pada kedua platform tersebut. Selanjutnya, hasil prediksi dari kombinasi ketiga data, yaitu DBD, Facebook, dan Twitter menunjukkan bahwa tren prediksi yang cenderung mirip tetapi dengan kuantitas yang lebih rendah dibandingkan dengan model yang hanya menggunakan data DBD. Studi ini mengindikasikan bahwa penggunaan data DBD secara eksklusif masih merupakan pilihan terbaik untuk prediksi yang akurat. Sementara itu, integrasi data dari media sosial memerlukan pertimbangan lebih lanjut mengenai keakuratan dan relevansi data yang dihasilkan.
=================================================================================================================================
Dengue Hemorrhagic Fever (DHF) is a major health challenge in Indonesia, particularly in East Java and Malang Regency, which records the highest number of cases in the region. Conventional efforts by the health department, such as mosquito breeding eradication, have not been effective enough in suppressing the incidence of DHF in Malang Regency. Additionally, existing forecasting approaches have also not been optimal in predicting and addressing spikes in DHF cases. This research aims to develop an STL-BiLSTM prediction model utilizing DHF data along with data from Facebook and Twitter to predict DHF cases in Malang Regency and also to determine the influence of these social media on forecasting outcomes. The STL decomposition method and bidirectional LSTM neural network enable identification and understanding of the trend, seasonal, and loess components from the time-series data of DHF cases, with the hope of producing accurate predictions. The results show that the model using only DHF data gives the best performance, with an RMSE of 0.17, r-squared of 0.99, sMAPE of 43.26%, and MAE of 0.13. Models that combine DHF data with Facebook and Twitter, as well as models that use each type of social media individually, do not show significant performance improvement and tend to provide lower predictions, largely due to the lack of active data from the use of location features on both platforms. Furthermore, the prediction results from the combination of the three data types, namely DHF, Facebook, and Twitter, show that the prediction trends tend to be similar but with a lower quantity compared to the model that only uses DHF data. This study indicates that the exclusive use of DHF data is still the best option for accurate predictions. Meanwhile, the integration of data from social media requires further consideration regarding the accuracy and relevance of the data produced.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Dengue Hemorrhagic Fever, Forecasting, STL, BiLSTM, Social Media, Demam Berdarah Dengue, Peramalan, Media Sosial
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Alfito Khansa Nugraha
Date Deposited:	15 Jul 2024 01:22
Last Modified:	15 Jul 2024 01:22
URI:	http://repository.its.ac.id/id/eprint/108287

Actions (login required)

View Item