PEMODELAN PREDIKTIF PENYEBARAN DEMAM BERDARAH DENGUE BERBASIS DATA IKLIM DI ASIA TENGGARA.

Abstract

Demam Berdarah Dengue (DBD) tetap menjadi ancaman kesehatan masyarakat yang signifikan di Asia Tenggara, dengan pola penyebaran yang sangat dipengaruhi oleh faktor iklim. Fluktuasi suhu, curah hujan, dan kelembaban memengaruhi siklus hidup nyamuk Aedes aegypti dan transmisi virus dengue. Latar belakang ini mendorong kebutuhan akan sistem peringatan dini yang akurat untuk mitigasi wabah. Penelitian ini bertujuan mengembangkan model prediktif penyebaran DBD menggunakan data iklim historis dan kasus DBD dari beberapa negara di Asia Tenggara. Metode yang diterapkan adalah pendekatan ekonometrik dan pembelajaran mesin, seperti model ARIMA (Autoregressive Integrated Moving Average) dan Random Forest, untuk mengidentifikasi korelasi antara variabel iklim (suhu rata-rata, curah hujan bulanan, kelembaban relatif) dan insiden DBD. Data dikumpulkan dari lembaga meteorologi regional dan kementerian kesehatan selama periode 10 tahun (misalnya, 2015-2024). Model akan diuji validitasnya menggunakan data set terpisah dan metrik kinerja seperti RMSE (Root Mean Squared Error) dan R-squared. Hasil awal menunjukkan bahwa curah hujan dan suhu memiliki pengaruh paling dominan terhadap fluktuasi kasus DBD, dengan model Random Forest menunjukkan akurasi prediktif yang lebih tinggi dibandingkan model linear. Pembahasan akan mengelaborasi bagaimana model ini dapat diintegrasikan ke dalam sistem surveilans epidemiologi nasional untuk memprediksi puncak wabah dan mengalokasikan sumber daya secara lebih efisien. Implikasi dari penelitian ini adalah penyediaan alat yang kuat bagi otoritas kesehatan untuk merencanakan intervensi pencegahan, seperti fogging dan kampanye kebersihan lingkungan, secara proaktif, mengurangi morbiditas dan mortalitas DBD di kawasan tersebut.