Forecasting Model Penyakit Demam Berdarah Dengue Di Provinsi DKI Jakarta Menggunakan Algoritma Regresi Linier Untuk Mengetahui Kecenderungan Nilai Variabel Prediktor Terhadap Peningkatan Kasus

Abstract

Abstrak Di Indonesia khususnya di Provinsi DKI Jakarta sampai saat ini Demam Berdarah Dengue masih merupakan masalah kesehatan masyarakat yang utama. Meski sudah ada beberapa langkah untuk mengatasi penyebaran penyakit Demam Berdarah Dengue (DBD), namun harus ada metode analisis untuk melakukan peramalan terhadap kasus DBD menggunakan serangkaian data yang ada, dan memperkirakan nilai data dimasa yang akan datang. Penelitian ini bertujuan untuk membuat model forecasting peningkatan jumlah kasus Demam Berdarah Dengue menggunakan algoritma regresi linear dan melakukan analisis pengaruh dari temperatur, kelembapan dan curah hujan dalam kanaikan kasus penyakit Demam Berdarah Dengue di Provinsi DKI Jakarta dari model regresi yang dibuat. Data DBD yang digunakkan merupakan dataset pemantauan penyakit endemik yang diperoleh dari Dinas Kesehatan DKI Jakart a sedangkan data cuaca merupakan dataset yang didapat dari Dinas Lingkungan Hidup DKI Jakarta. Dari model regresi yang dibuat diperoleh nilai R2  sebesar 0.3622, hal tersebut menunjukan presentase pengaruh variabel predictor terhadap kasus demam berdarah sebesar 36.22%, sedangkan 63.78% dipengaruhi oleh faktor lain diluar variabel independen tersebut.Setelah melakukan uji simultan, dapat disimpulkan bahwa temperatur, kelambapan, dan curah hujan secara bersama-sama berpengaruh terhadap kenaikan jumlah kasus demam berdarah di Provinsi DKI Jakarta. Selanjutnya uji parsial membuktikan bahwa, kelembapan dan curah hujan memiliki pengaruh signifikan terhadap kenaikan kasus demam berdarah, sedangkan untuk variabel bebas, temperatur terbukti tidak memiliki pengaruh yang signifikan terhadap kenaikan kasus demam berdarah dengue di Provinsi DKI Jakarta. Kata kunci : Data Mining, Predictive Mining, Regresi Linier, Demam Berdarah Dengue Abstract [Forecasting Model of Dengue Hemorrhagic Fever in DKI Jakarta Using Linear Regression Algorithm to Know Trends of Predictor Variable Value for Case Increasing] In Indonesia specifically in DKI Jakarta Province, Dengue fever is still the main public health problem. Although there are already several steps to overcome the spread of Dengue Fever (DHF), there still needs to be an analytical method to forecast the increase dengue cases using and estimated data values in the future. This study aims to make a forecasting model for increasing the number of cases of Dengue Fever using a linear regression algorithm and analyzing the effect of temperature, humidity and rainfall in the case of Dengue Hemorrhagic Fever in DKI Jakarta Province from a regression model made. The DHF data used is an endemic disease monitoring dataset obtained from the DKI Jakarta Health Office while the weather data is a dataset obtained from the DKI Jakarta Environmental Service. From the regression model made, the value of R2 is 0.3622, it shows the percentage of the influence of temperature, humidity and rainfall on cases of dengue fever is 36.22%, while 63.78% is influenced by other factors outside the independent variable. After conducting a simultaneous test, it can be concluded that temperature, humidity and rainfall together, influence the increase in the number of dengue cases in DKI Jakarta Province. Then the partial test proves that humidity and rainfall have a significant influence on the increase in dengue cases, whereas for temperature independent variables proved that no significant effect on the increase in cases of dengue hemorrhagic fever in DKI Jakarta Province. Keywords : Data Mining, Predictive Mining, Linear Regression, Dengue Fever (DHF)