Perpustakaan Digital ITB

Demam Berdarah Dengue (DBD) merupakan penyakit infeksi yang ditularkan oleh nyamuk Aedes dan penyebarannya dipengaruhi oleh faktor iklim, seperti suhu, curah hujan, dan kelembapan relatif. Hubungan antara faktor iklim dan kejadian DBD bersifat kompleks karena menunjukkan pola nonlinier serta efek keterlambatan (lag), sehingga diperlukan pendekatan pemodelan yang mampu mengakomodasi karakteristik tersebut. Penelitian ini bertujuan menganalisis hubungan nonlinier dan efek lag antara faktor iklim dan kejadian DBD, menentukan spesifikasi model Distributed Lag Nonlinear Model (DLNM) terbaik, mengevaluasi kemampuan prediktif model, serta menginterpretasikan hubungan antara faktor iklim dan kejadian DBD berdasarkan estimasi Relative Risk (RR). Penelitian ini menggunakan data bulanan periode Januari 2019 hingga Oktober 2024 pada Kota Palu, Kabupaten Buton Tengah, Kabupaten Buton Selatan, Kabupaten Buton Utara, dan Kabupaten Buton. Variabel respons berupa jumlah kasus DBD, sedangkan variabel prediktor meliputi suhu rata-rata, curah hujan, dan kelembapan relatif. Pemodelan dilakukan menggunakan Distributed Lag Nonlinear Model (DLNM) dalam kerangka Bayesian dengan distribusi Negative Binomial dan pendekatan Integrated Nested Laplace Approximation (INLA). Pemilihan model terbaik didasarkan pada nilai Mean Leave-One-Year-Out Cross Validation (LOYO CV) dan Deviance Information Criterion (DIC), sedangkan evaluasi model dilakukan menggunakan probabilitas outbreak, Receiver Operating Characteristic (ROC), Area Under the Curve (AUC), dan Confusion Matrix. Hasil penelitian menunjukkan bahwa hubungan antara faktor iklim dan kejadian DBD bersifat nonlinier dengan efek lag hingga lima bulan, dengan pola yang berbeda pada setiap wilayah. Model terbaik di Kota Palu melibatkan curah hujan dan kelembapan relatif, di Kabupaten Buton Selatan dan Kabupaten Buton hanya melibatkan curah hujan, sedangkan di Kabupaten Buton Utara hanya melibatkan kelembapan relatif. Adapun di Kabupaten Buton Tengah tidak ada variabel iklim yang terpilih, sehingga model terbaiknya hanya memuat komponen temporal berupa efek musiman dan efek antar tahun. Secara umum, variabel suhu tidak terpilih pada satu pun wilayah, sedangkan curah hujan menjadi variabel iklim yang paling dominan. Evaluasi menggunakan LOYO CV menunjukkan bahwa model mampu menggambarkan pola temporal kejadian DBD, meskipun kemampuan prediktifnya bervariasi antarwilayah. Selain itu, estimasi Relative Risk menunjukkan bahwa besarnya risiko DBD dipengaruhi oleh tingkat paparan faktor iklim dan waktu lag. Hasil penelitian ini menunjukkan bahwa pendekatan DLNM berbasis Bayesian mampu menggambarkan hubungan kompleks antara faktor iklim dan kejadian DBD serta berpotensi mendukung sistem peringatan dini dan pengendalian DBD yang lebih adaptif terhadap kondisi iklim di masing-masing wilayah.