Prediksi Jumlah Penderita Demam Berdarah Di Kabupaten Malang Berdasarkan Kondisi Cuaca Menggunakan Metode Regresi Dengan Transformasi Natural Logaritmik Pada Variabel Respon

Nurmasari, Rafika (2016) Prediksi Jumlah Penderita Demam Berdarah Di Kabupaten Malang Berdasarkan Kondisi Cuaca Menggunakan Metode Regresi Dengan Transformasi Natural Logaritmik Pada Variabel Respon. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5212100018-Undergraduate_Thesis.pdf]
Preview
Text
5212100018-Undergraduate_Thesis.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Penyakit demam berdarah menyebar luas di seluruh
daerah tropis dengan variasi risiko lokal yang salah satunya
dipengaruhi faktor cuaca seperti curah hujan, temperatur dan
kelembaban. Tujuan dari penelitian ini adalah untuk
memodelkan hubungan antara faktor cuaca dengan jumlah
kasus demam berdarah di Kabupaten Malang, serta
memprediksi jumlah kasus demam berdarah berdasarkan
faktor cuaca tersebut.
Data yang digunakan dalam penelitian ini adalah data
meteorologi dan epidemiologi demam berdarah tahun 2009-
2014 per bulan. Data kasus demam berdarah tersedia dari
Januari 2009 hingga Desember 2014. Sementara data cuaca
tersedia dari Januari 2009 hingga Agustus 2014. Teknik
interpolasi dan holt-winters digunakan untuk melengkapi data.
Sementara pengujian terhadap berbagai lag faktor cuaca
dilakukan untuk mendapatkan variabel cuaca dengan lag yang
berkorelasi tertinggi dengan jumlah kasus demam berdarah.
Tiga buah model univariat dan sebuah model multivariat dikembangkan menggunakan metode regresi ordinary least
square.
Faktor cuaca di Kabupaten Malang dengan tingkat
musiman tertinggi adalah berturut-turut kelembaban,
temperatur dan curah hujan. Namun model regresi terbaik
adalah yang melibatkan variabel curah hujan dengan lag 7
bulan. Faktor kelembaban dan temperatur tidak lagi
mempunyai pengaruh yang signifikan terhadap jumlah kasus
demam berdarah ketika faktor curah hujan sudah masuk
dalam konsiderasi.
Model yang melibatkan curah hujan sebagai variabel
independen merupakan model dengan prediksi terbaik
berdasarkan data latih (MAPE 61,07%), sekaligus menjadi
yang terburuk berdasarkan data uji (MAPE 79,38%). Model
yang menggunakan variabel dependen berupa natural log
jumlah kasus demam berdarah menghasilkan prediksi dengan
nilai MAPE yang baik, yakni berkisar antara 11,00%-13,67%
untuk data latih dan berkisar antara 8,88%-11,89% untuk
data uji. Model dengan variabel independen curah hujan
kembali menjadi model dengan hasil prediksi terbaik
berdasarkan data latih sekaligus terburuk berdasarkan data
uji. Dengan demikian regresi OLS cocok digunakan apabila
variabel dependen dan independen memiliki varian yang
sama, atau setidaknya yang tidak berbeda jauh. Sehingga
variabilitas dari variabel dependen dapat dijelaskan dengan
baik oleh variabel independen.
========================================================================================================================
Dengue has spreading widely on tropical area with
local risk variation one influenced by climatic factors, such as
precipitation, temperature and humidity. The objectives of this
study is to model the relationship between climatic factors and
the number of dengue outbreak in Malang regency, and to
predict the number of dengue outbreak based on those climatic
factors.
Data used in this study are monthly meteorological and
dengue epidemiological from 2009 to 2014. Dengue cases
data are available from January 2009 to August 2014.
Interpolation and holt-winters were used to complete missing
values. Testing against various lag of climatic factors were
done to get the optimum lag of climatic variables having the
highest correlation with the number of dengue cases. Three
models of univariate and a multivariate model were developed
using ordinary least square regression method.
The climatic factor in Malang Regency with the highest
seasonal level is respectively humidity, temperature and
precipitation. Yet the best regression model was the one
involving precipitation with a lag of 7 months. Humidity and temperature are no longer have a significant effect on the
number of dengue cases when precipitation has already taken
into consideration.
The model with precipitation as the independent
variable is the best prediction model based on the trainset
(MAPE 61.07%), but being the worst based on testset (MAPE
79.38%). The models using dependent variable in the form of
natural log of the number of dengue cases generate
predictions with good MAPE value, ranging between 11.00% -
13.67% for the trainset and ranging between 8.88% -11.89%
for testset. Model with precipitation as independent variable
still has the best predictive results based on trainingset and
the worst based on the testset. Thus the OLS regression fit is
better used when the dependent and independent variables
have the same variant, or at least do not differ much. So that
independent variable can explain dependent variable better.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 519.536 Nur p
Uncontrolled Keywords: Demam Berdarah Dengue, Cuaca, Regresi Linear Berganda, Ordinary Least Square, Transformasi Natural Log
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 12 Mar 2020 02:37
Last Modified: 12 Mar 2020 02:38
URI: http://repository.its.ac.id/id/eprint/75442

Actions (login required)

View Item View Item