Perpustakaan Digital ITB

Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu penyakit yang masih umum terjadi di Indonesia, bahkan ribuan kasus di DKI Jakarta. Fluktuasi jumlah kasus dari bulan ke bulan menjadi tantangan dalam mengupayakan tindak pencegahan. Penelitian ini bertujuan untuk membangun model pembelajaran mesin untuk sistem peringatan dini (Early Warning System) DBD di DKI Jakarta dengan data historis kasus dan data iklim. Kaitan risiko spasial DBD di DKI Jakarta juga ditentukan. Model pembelajaran mesin yang digunakan dalam memprediksi kasus adalah model Random Forest dan Autoregressive dan model Epidemic Forest untuk peta risiko spasial DBD. Sistem peringatan dini dibangun dengan menggunakan angka kesakitan dalam tiga tingkatan, yaitu Aman, Waspada, dan Bahaya agar memudahkan penindaklanjutan dalam upaya pencegahan atau penanganan kasus DBD. Hasil penelitian menunjukkan bahwa prediksi kasus memiliki akurasi tingkatan kategori fenomena DBD dan terdapat 5 klaster daerah penyebaran DBD dan 9 kecamatan yang perlu menjadi perhatian di DKI Jakarta.