Estimasi Ambang Batas Iklim dan Pemodelan Prediksi Laju Kejadian DBD di Kota Bandung Tahun 2014–2024

Abstract

Demam Berdarah Dengue merupakan penyakit menular melalui vektor tertinggi dalam lima puluh tahun terakhir, dengan perkiraan 3,97 miliar manusia hidup di zona berisiko. Penelitian ini bertujuan mengidentifikasi pengaruh faktor iklim terhadap kejadian DBD melalui penentuan jeda waktu optimum, pengestimasian ambang batas, dan pemodelan prediksi laju kejadian DBD. Penelitian ini menggunakan model statistik Generalized Additive Models (GAM) untuk penentuan jeda waktu, Classification and Regression Tree (CART) untuk pengestimasian ambang batas, dan Support Vector Regression (SVR) untuk membangun tiga model prediksi laju kejadian dan klasifikasi kerawanan DBD. Hasil penelitian menunjukkan kecepatan angin dan suhu maksimum berjeda paling cepat pada lag 1 bulan, sedangkan suhu minimum, suhu rata-rata, kelembapan, dan curah hujan berjeda lebih panjang pada lag 2 bulan. Jeda waktu bergantung pada fase biologi nyamuk vektor. Analisis ambang batas iklim menentukan kondisi iklim yang mendukung lonjakan transmisi DBD. Diperoleh ambang batas curah hujan sebesar 208 mm, suhu minimum 20,6°C, dan kelembapan 72,5%. Ketiga unsur iklim tersebut merupakan parameter terkuat dalam memengaruhi dinamika angka kejadian DBD. Dalam pemodelan, model dengan data historis IR dan iklim, paling optimum untuk memprediksi laju kejadian dan kerawanan DBD mengungguli model dengan input iklim saja dan model autoregressive IR.

Dengue Hemorrhagic Fever is the highest vector-borne infectious disease in the past fifty years, with an estimated 3.97 billion people living in at-risk zones. This study aims to identify the influence of climatic factors on dengue incidence rate by determining the optimal time lag, estimating thresholds, and predictive modelling. The study uses Generalized Additive Models (GAM) to determine time lags, Classification and Regression Tree (CART) to estimate thresholds, and Support Vector Regression (SVR) to construct three models for predicting incidence rates and classifying dengue vulnerability. Results show that wind speed and maximum temperature exhibit the shortest lag at 1 month, whereas minimum temperature, mean temperature, humidity, and rainfall exhibit longer lags at 2 months. Time lag depends on the biological phases of the mosquito vector. Threshold analysis identified climatic conditions that support transmission surges and established thresholds of rainfall 208 mm, minimum temperature 20.6°C, and humidity 72.5%. These three climatic elements are the strongest parameters influencing dengue incidence dynamics. In modelling, the model using historical incidence rate (IR) and climatic inputs was most optimal for predicting incidence rates and vulnerability, outperforming the model with climate inputs only and the autoregressive IR model.