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.

[img]
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
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: https://repository.its.ac.id/id/eprint/75442

Actions (login required)

View Item View Item