PERAMALAN JUMLAH KORBAN DEMAM BERDARAH DENGUE MENGGUNAKAN METODE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (SARIMA) DAN NEURAL NETWORK

Maria Bellaniar, Adhistya Erna Permanasari, S.T., M.T., Ph.D.

2014 | Tesis | S2 Teknik Elektro

Jumlah korban Demam Berdarah Dengue (DBD) ditularkan oleh nyamuk Aedes Aegypti dan merupakan jenis penyakit yang harus diwaspadai karena menduduki peringkat pertama di ASEAN serta peringkat kedua di dunia. DBD di RS Charitas Palembang cenderung meningkat pada bulan-bulan tertentu dan tidak menentu setiap bulannya. Selain itu, data korban DBD tersebut tidak dijadikan bahan evaluasi untuk menekan jumlah korban tersebut. Hal tersebut menjadi dasar untuk melakukan peramalan jumlah korban DBD pada tahun berikutnya sehingga pihak RS Charitas Palembang dapat menekan jumlah korban DBD di masa mendatang. ramalkan Penelitian untuk me jumlah korban DBD sudah pernah dilakukan dengan berbagai teknik kecerdasan buatan maupun metode statistik. Penelitian yang dilakukan sekarang berhubungan dengan peramalan jumlah korban DBD menggunakan data Rumah Sakit Charitas Palembang yang berpola time series selama 10 tahun terakhir. Metode yang digunakan adalah SARIMA (Seasonal Autoregressive Integrated Moving Average) dan Neural Network. SARIMA mewakili statistical model sedangkan Neural Network mewakili artificial model. dapatkan Hasil yang di adalah pola korban DBD mulai signifikan pada bulan Desember kemudian mencapai puncak pada bulan Januari dan mulai sedikit menurun pada bulan Februari dan Maret disertai angka peramalan pada masing- masing bulan pada tahun berikutnya. Model terbaik SARIMA adalah (0,1,0) (0,1,1) dan Neural Network dengan input layer 12, hidden neuron 28, dan output layer 1. Nilai error dari SARIMA adalah MSE(1602,04), RMSE(40), MAPE(27,46%), dan MAD(27,48) sedangkan untuk Neural Network adalah MSE(240,21), RMSE(15), MAPE(12,59%), dan MAD(10,64). Dari nilai error tersebut, metode yang lebih sesuai dalam mendapatkan hasil peramalan yang lebih akurat adalah Neural Network karena nilai error yang didapatkan lebih rendah.

Dengue fever is transmitted by Aedes aegypti and it is considered as dangerous disease due to its number of victims, which is first rank in ASEAN and second rank in the world. The number of dengue victims in Charitas Hospital Palembang tends to increase in certain months and indeterminate in every month. In addition, the data of the dengue victims are not used as an evaluation to reduce the number of victims. It becomes the basic of forecasting for the number of dengue victims in the next year, so the Charitas Hospital Palembang is able to reduce the number of dengue victims in the future. The research to predict the number of dengue patients has been done by using various techniques of artificial intelligence and statistical method. This research is associated with forecasting number of dengue fever patients using time series of Charitas Hospital Palembang over the last 10 years. SARIMA (Seasonal Autoregressive Integrated Moving Average) and Neural Network were used in the forecasting. SARIMA represents statistical model whereas Neural Network represents artificial model. The obtained result of significant pattern of Dengue Fever begins in December, reaches the summit in January, begins to decline in February and March followed by forecast number for each month in the next year. The best model of SARIMA is (0,1,0) (0,1,1) and Neural Network with 12 input layers, 28 hidden neurons, and 1 output layer. The value errors of SARIMA are MSE (1602.04), RMSE (40), MAPE (27.46%), and MAD (27.48) whereas for the Neural Network are MSE (240.21), RMSE (15), MAPE (12.59%), and MAD (10.64). Based on the obtained error value, the more appropriate method to get more accurate forecasting results is Neural Network because the obtained error value is lower than SARIMA.

Kata Kunci : DBD, Peramalan, SARIMA, Neural Network, Pengukuran error.