Perpustakaan Digital ITB

Menurut Badan Kesehatan Dunia (WHO), demam berdarah dengue (DBD) merupakan masalah kesehatan utama bagi seluruh masyarakat di wilayah tropis dan sub-tropis di dunia, termasuk Indonesia. Dalam 50 tahun terakhir, terjadi peningkatan frekuensi kasus DBD yang tinggi dalam berbagai negara endemik. Pemantauan jumlah kasus DBD sangat penting dalam pendeteksian dini kejadian DBD agar dapat dilakukan pencegahan kejadian luar biasa (KLB) atau outbreak DBD. Tugas akhir ini menyelidiki kemungkinan bahwa Google Trends dapat menjadi alat pendeteksian dini DBD. Dengan Google sebagai salah satu platform online yang paling sering digunakan masyarakat Indonesia, popularitas suatu kata kunci di Google mungkin dapat mempengaruhi kejadian-kejadian di kehidupan offline. Google Trends juga mengandung data real time sedangkan data kejadian DBD butuh waktu yang lama untuk diproses. Apabila Google Trends dapat digunakan untuk mendeteksi kasus-kasus DBD sebelum terjadi, maka akan sangat berguna untuk mengambil tindakan preventif untuk menghindari KLB. Dalam tugas akhir ini, metode yang digunakan adalah cointegration. Dengan meninjau kestasioneran data time series popularitas kata kunci mengenai DBD di Google dan data kejadian DBD di Bandung serta kestasioneran dari kombinasi linier dari kedua variabel tersebut, dapat dilihat bahwa keduanya cointegrated. Oleh karena itu, dapat dibangun sebuah error-correction model (ECM) untuk memodelkan penyimpangan dari kondisi ekuilibrium. Berdasarkan kausalitas Granger, dapat dikatakan bahwa popularitas DBD di Google menjelaskan jumlah kejadian DBD, tetapi sebaliknya tidak berlaku. Hal ini didukung lebih lanjut oleh impulse response function dan variance decomposition. Hasilnya diharapkan memberi informasi lanjut kepada departemen kesehatan untuk mempersiapkan intervensi demam berdarah dengue.