Prediksi Penyebaran Kasus Demam Berdarah Berdasarkan Tingkat Keparahan di Provinsi DKI Jakarta Menggunakan Metode Deep Learning

Abstract

Demam berdarah Dengue atau DBD merupakan penyakit yang berasal dari infeksi salah satu dari empat virus Dengue, penularan terjadi melalui gigitan nyamuk Aedes aegypti dan Aedes albopictus. Nyamuk ini sering ditemukan di daerah tropis dan subtropis. Indonesia, sebagai negara kesatuan yang terletak di Asia Tenggara merupakan negara yang beriklim tropis dimana penyakit DBD sudah menjadi penyakit endemik disetiap daerah, terutama pada daerah yang padat penduduk seperti di Jakarta menjadi habitat oleh berbagai jenis nyamuk Aedes. Untuk menekan terjadinya lonjakan kasus DBD maka diperlukan penanganan yang tepat baik dari masyarakat maupun pemerintah Provinsi DKI Jakarta. Oleh karena itu, tidak dapat dipungkiri pemanfaatan kemajuan teknologi juga dilibatkan seperti memprediksi daerah rawan lonjakan kasus DBD di Provinsi DKI Jakarta dengan menggunakan model Deep Learning ANN. Tujuan dari penggunaan metode ini adalah dapat menghasilkan prediksi yang lebih akurat terhadap daerah rawan peningkatan kasus demam berdarah Dengue guna mendapatkan tindakan preventif yang lebih. Hal ini dapat dilihat dari akurasi hasil prediksi probabilitas Stasiun Meteorologi Kemayoran sebesar 95,24; Stasiun Meteorologi Halim Perdana Kusuma sebesar 84,32; Stasiun Maritim Meteorologi Tanjung Priok sebesar 82,61.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).