Professional Documents
Culture Documents
161-168
Deteksi Dini Kasus Demam Berdarah Dengue (DBD) Berdasarkan ... (Muhammad Lutfi H.D. Jaya, at.al)
Deteksi Dini Kasus Demam Berdarah Dengue Berdasarkan Faktor Cuaca di DKI
Jakarta Menggunakan Metode Zero Truncated Negative Binomial
Abstract
The incidence rates of DHF in Jakarta in 2010 to 2014 are always higher than that of the national
rates. Therefore, this study aims to find the effect of weather parameter on DHF cases. Weather
is chosen because it can be observed daily and can be predicted so that it can be used as early
detection in estimating the number of DHF cases. Data use includes DHF cases which is collected
daily and weather data including lowest and highest temperatures and rainfall. Data analysis used
is zero-truncated negative binomial analysis at 10% significance level. Based on the periodic data
of selected variables from January 1st 2015 until May 31st 2015, the study revealed that weather
factors consisting of highest temperature, lowest temperature, and rainfall rate were significant
enough to predict the number of DHF patients in DKI Jakarta. The three variables had positive
effects in influencing the number of DHF patients in the same period. However, the weather factors
cannot be controlled by humans, so that appropriate preventions are required whenever weather’s
predictions indicate the increasing number of DHF cases in DKI Jakarta.
Keywords: Dengue Hemorrhagic Fever, zero truncated negative binomial, early warning.
Abstrak
Angka kesakitan DBD pada tahun 2010 hingga 2014 selalu lebih tinggi dibandingkan dengan angka
kesakitan DBD nasional. Oleh karena itu, penelitian ini bertujuan untuk mencari pengaruh faktor
cuaca terhadap kasus DBD. Faktor cuaca dipilih karena dapat diamati setiap harinya dan dapat
diprediksi sehingga dapat dijadikan deteksi dini dalam perkiraan jumlah penderita DBD. Data yang
digunakan dalam penelitian ini adalah data jumlah penderita DBD di DKI Jakarta per hari dan data
cuaca yang meliputi suhu terendah, suhu tertinggi dan curah hujan. Untuk mengetahui pengaruh
faktor cuaca tersebut terhadap jumlah penderita DBD di DKI Jakarta digunakan metode analisis
zero-truncated negative binomial. Berdasarkan data periode 1 Januari 2015 hingga 31 Mei 2015
didapatkan hasil bahwa pada taraf nyata 10% faktor cuaca yang terdiri dari suhu tertinggi, suhu
terendah, dan curah hujan signifikan dalam menjelaskan banyaknya penderita DBD di DKI Jakarta.
Ketiga variabel tersebut memiliki pengaruh positif dalam mempengaruhi jumlah penderita DBD.
Akan tetapi faktor cuaca tersebut tidak bisa dikendalikan oleh manusia, sehingga tindak pencegahan
diperlukan jika terindikasi dari prediksi cuaca akan menyebabkan pertambahan jumlah penderita
DBD di DKI Jakarta.
Kata kunci: Demam Berdarah Dengue, zero truncated negative binomial , deteksi dini.
161
Buletin Penelitian Kesehatan, Vol. 45, No. 3, September 2017: 161 - 168
250 227,44
AI per 100.000 penduduk
200
150
104,04
100 83,34
65,7 69,27 68,48
55 54 53 52 51
50 37,11 37,27 39,8
27,67
0
2010 2011 2012 2013 2014
162
Deteksi Dini Kasus Demam Berdarah Dengue (DBD) Berdasarkan ... (Muhammad Lutfi H.D. Jaya, at.al)
163
Buletin Penelitian Kesehatan, Vol. 45, No. 3, September 2017: 161 - 168
yang selalu ada dalam rentang waktu tertentu.23 dari model tersebut sebagai berikut
Maka dari itu dalam penelitian ini akan digunakan (4)
metode analisis zero-truncated poisson regression ( ) ∑(
dan zero-truncated negative binomial.
( ))
164
Early Warning System Kasus Demam Berdarah Dengue (DBD)…. (Jaya, et. al)
Deteksi Dini Kasus Demam Berdarah Dengue (DBD) Berdasarkan ... (Muhammad Lutfi H.D. Jaya, at.al)
prakteknya
Model count
regresidata
poisson mengasumsikan
seringkali mengalami Dimana 𝑃𝑃𝑃𝑃 (𝑁𝑁𝑁𝑁) (𝑌𝑌𝑖𝑖 = 0𝑖𝑖 |𝜇𝜇𝑖𝑖 ) = (1 +
bahwa rata-rata kondisional
overdispersi. E(yi | μi)hal
Untuk mengatasi = μtersebut
i sama −1
𝛼𝛼𝜇𝜇𝑖𝑖 )−𝛼𝛼 dan nilai harapan kondisional dari
dengan varians kondisional V(y |
maka asumsi bahwa data berdistribusi
i μi) = μi. Namun 𝜇𝜇𝑖𝑖
𝑦𝑦𝑖𝑖 adalah (𝑦𝑦𝑖𝑖 |𝑦𝑦𝑖𝑖 > 0, 𝜇𝜇𝑖𝑖 , 𝛼𝛼) = .
dalam prakteknya
poisson count
diganti data seringkali
dengan mengalami
asumsi bahwa data 1−(1+𝛼𝛼𝜇𝜇𝑖𝑖 ) −𝛼𝛼−1
overdispersi.
berdistribusiUntuk mengatasi
binomial hal tersebut maka
negatif. Log-likelihood dari model tersebut sebagai
asumsi bahwa data berdistribusi poisson diganti berikut:
dengan asumsi bahwa data berdistribusi binomial
negatif. 𝑦𝑦𝑖𝑖
ℓ(𝛽𝛽, 𝛼𝛼) = ∑𝑛𝑛𝑖𝑖=1�∑𝑗𝑗=0 ln(𝑗𝑗 + 𝛼𝛼 −1 ) − 𝑙𝑙𝑙𝑙𝑦𝑦𝑖𝑖 ! −
Zero-Truncated Negative Binomial (𝑦𝑦𝑖𝑖 + 𝛼𝛼 −1 ) ln(1 + 𝛼𝛼𝜇𝜇𝑖𝑖 ) + 𝑦𝑦𝑖𝑖 ln 𝛼𝛼𝜇𝜇𝑖𝑖 − ln[1 −
Zero-Truncated Negative
Misalkan Yi Binomial
berdistribusi binomial −1
negatif,
Misalkan Yi berdistribusi binomial negatif, (1 + 𝛼𝛼𝜇𝜇𝑖𝑖 )−𝛼𝛼 ]� (8)
maka Yi akan memiliki fungsi
maka Yi akan
12 memiliki fungsi
peluang sebagai berikut peluang12 sebagai
berikut dimana ∑𝑦𝑦𝑗𝑗=0
𝑖𝑖
ln(𝑗𝑗 + 𝛼𝛼 −1 ) = ln 𝛤𝛤(𝑦𝑦𝑖𝑖 +
𝑃𝑃𝑃𝑃)(𝑁𝑁𝑁𝑁) (𝑌𝑌𝑖𝑖 = 𝑦𝑦𝑖𝑖 |𝜇𝜇𝑖𝑖 ) = 𝛼𝛼 −1 ) − ln 𝛤𝛤(𝛼𝛼 −1 ) jika 𝑦𝑦𝑖𝑖 adalah bilangan
(
𝛼𝛼(−1 | )𝑦𝑦𝑖𝑖 bulat.
Γ(𝑦𝑦𝑖𝑖 +𝛼𝛼−1 ) 𝛼𝛼 −1 𝜇𝜇𝑖𝑖
� � � � (5)(5)
Γ(𝛼𝛼 −1 )𝑦𝑦𝑖𝑖 ! 𝛼𝛼 −1 +𝜇𝜇𝑖𝑖 𝛼𝛼 −1 +𝜇𝜇𝑖𝑖
( ) HASIL
HASIL
dimana Γ(.() merupakan ) fungsi( gamma) dan 𝛼𝛼
((𝛼𝛼 >)0) merupakan parameter overdispersi. Zero-Truncated
Zero-TruncatedPoisson
Poisson
Untuk 𝛼𝛼 mendekati nol maka model binomial Dalam mengestimasi koefisien regresi
negatif akan mendekati model poisson. Dalam mengestimasi koefisien regresi
zero-truncated poisson digunakan software R
Berbeda Dimanadengan
Γ(.) merupakan
regresi fungsi
poissongammayang zero-truncated poisson digunakan software
3.2.1 dengan package VGAM dengan
danmengasumsikan
α (α>0) merupakan rata-rata danoverdispersi.
parameter variannya R 3.2.1 dengan package VGAM dengan
menggunakan syntax program vector
Untuk
sama,α dalam
mendekati nolbinomial
maka model binomial menggunakan syntax program vector generalized
regresi negatif varians generalized linier model (vglm)27. Software
negatif akan
kondisional mendekati
𝑉𝑉(𝑦𝑦𝑖𝑖 |𝜇𝜇𝑖𝑖 ) = 𝛼𝛼 + 𝛼𝛼𝜇𝜇𝑖𝑖Berbeda
model poisson. 2
akan linier
dan package tersebut merupakan open package
model (vglm)25. Software dan source
dengan regresi poisson yang mengasumsikan rata- tersebut merupakan open source sehingga
sehingga dapat digunakan siapapun secara dapat
melebihi rata-rata kondisionalnya 𝐸𝐸(𝑦𝑦𝑖𝑖 |𝜇𝜇𝑖𝑖 ) =
rata dan variannya sama, dalam regresi binomial digunakan siapapun secara gratis. Hasil
gratis. Hasil estimasi model ditunjukkan estimasi
𝜇𝜇𝑖𝑖 .
negatif varians
Samakondisional
halnya dengan V(yi |μi model
)= α+αμi2 akan
poisson, model
dalam ditunjukkan dalam
tabel dibawah ini:tabel dibawah ini:
melebihi rata-rata kondisionalnya E(yi |μi)= μi.
dari model binomial negatif diatas nilai 𝑦𝑦𝑖𝑖 Tabel
Tabel 1. Hasil
1. Hasil Estimasi
Estimasi Koefisien
Koefisien Regresi
Regresi Zero-
nya Sama masihhalnya
bisa dengan
mengandung model poisson, dari
nol. Apabila
model binomial negatif diatas nilai yi nya masih Zero-Truncated
Truncated Poisson Poisson
dalam suatu observasi nilai 𝑦𝑦𝑖𝑖 = 0 tidak Variabel Koefisien Standar
Standarerror
error P-value
bisamuncul mengandung
maka akan nol.lebih
Apabila dalam
baik jika suatu
digunakan
Variabel Koefisien P-value
observasi nilai y i = 0 tidak muncul maka akan Intercept
Intercept -12,4
-12,4 0,4586
0,4586 2x10 -16
2x10-16
distribusi zero-truncated binomial negative12. Suhu tertinggi 0,1896 9,85x10-3 -3 2x10-16
lebih
Jika baik
Yijika digunakan zero-truncated
berdistribusi distribusi zero-truncated
binomial Suhu tertinggi 0,1896 9,85x10 2x10-16
Suhu terendah 0,4212 1,7998x10-2 2x10-16
binomial negative.
negative mana Yi akan
23
Jika Yi berdistribusi zero-
memiliki model -4 -2 -16
Curah
Suhuhujan
terendah 9,31x10
0,4212
-3
8,015x10
1,7998x10 2x10
2x10-16
truncated binomial negative mana Yi akan
sebagai berikut Log-likelihood:
Curah hujan-3361.098
9,31x10-3 8,015x10-4 2x10-16
memiliki model sebagai berikut
Log-likelihood: -3361.098
(𝑁𝑁𝑁𝑁)
𝑃𝑃𝑃𝑃𝑍𝑍𝑍𝑍 (𝑌𝑌𝑖𝑖 = 𝑦𝑦𝑖𝑖 |𝑦𝑦𝑖𝑖 > 0, 𝜇𝜇𝑖𝑖 , 𝛼𝛼) = Hasil estimasi tehadap model
𝑃𝑃𝑃𝑃((𝑁𝑁𝑁𝑁) (𝑌𝑌
) =𝑦𝑦 |𝜇𝜇 )
Hasil regresi
menggunakan estimasizero-truncated
tehadap poisson
model
(𝑖𝑖 𝑖𝑖 𝑖𝑖 |
1−𝑃𝑃𝑃𝑃 (𝑁𝑁𝑁𝑁) (𝑌𝑌𝑖𝑖 =0𝑖𝑖 |𝜇𝜇𝑖𝑖 )
) (6)
(6) menggunakan regresi
menunjukkan bahwa zero-truncated
suhu tertinggi, poisson
suhu
(𝑁𝑁𝑁𝑁)
( )( | ) menunjukkan bahwa suhu tertinggi,
terendah, dan curah hujan signifikan dalam suhu
𝑃𝑃𝑃𝑃𝑍𝑍𝑍𝑍 (𝑌𝑌𝑖𝑖 = 𝑦𝑦𝑖𝑖 |𝑦𝑦𝑖𝑖 > 0, 𝜇𝜇𝑖𝑖 , 𝛼𝛼) =
( ) terendah, dan
menjelaskan curah hujan
banyaknya signifikan
penderita DBD di dalam
DKI
( −1
| )
(𝛤𝛤(𝑦𝑦𝑖𝑖 +𝛼𝛼−1 )/𝛤𝛤(𝛼𝛼 −1 )𝑦𝑦𝑖𝑖 !)(𝛼𝛼 −1 /(𝛼𝛼−1 +𝜇𝜇𝑖𝑖 ))𝛼𝛼 (𝜇𝜇𝑖𝑖 /(𝛼𝛼−1 +𝜇𝜇𝑖𝑖 ))𝑦𝑦𝑖𝑖
1−(1+𝛼𝛼𝜇𝜇𝑖𝑖 )−𝛼𝛼
−1 (7) menjelaskan banyaknya penderita DBD
Jakarta. Hal ini berdasarkan nilai p-value dari di
( ) DKI Jakarta. koefisien
masing-masing Hal ini regresi
berdasarkan nilai p-
yang mempunyai
( | ) value dari masing-masing koefisien regresi
(7) nilai kurang dari taraf nyata 10%. Kemudian
( )( setelah dilakukan uji signifikansi koefisien regresi
| )
selanjutnya dilakukan uji asumsi untuk melihat
( )( | ) apakah pada model ini terjadi overdispersion atau
tidak. Untuk menguji apakah terjadi overdispersi
136
165
Buletin Penelitian Kesehatan, Vol. 45, No. 3, September 2017: 161 - 168
166
Deteksi Dini Kasus Demam Berdarah Dengue (DBD) Berdasarkan ... (Muhammad Lutfi H.D. Jaya, at.al)
variabel lainnya tetap. Ini berarti ketika seharusnya dan curah hujan, keduanya memiliki pengaruh
ada 100 penderita DBD pada hari itu, maka akan yang positif terhadap bertambahnya penderita
ada penambahan jumlah penderita sebanyak 15 DBD di DKI Jakarta. Sebagaimana kita tahu
orang akibat peningkatan suhu tertinggi. bahwa faktor alam merupakan faktor yang tidak
Kemudian apabila suhu terendah pada bisa dikendalikan oleh manusia, begitupun dengan
suatu hari meningkat 10C maka jumlah penderita suhu dan curah hujan di DKI Jakarta. Akan tetapi,
DBD di DKI Jakarta akan bertambah sebesar suhu dan curah hujan dapat diprediksi, oleh karena
exp(0,140731) = 1,49 kali dengan asumsi variabel itu pemerintah diharapkan membuat suatu sistem
lainnya tetap. Ini berarti ketika seharusnya ada pencegahan manakala diperkirakan akan terjadi
100 penderita DBD pada hari itu, maka akan ada kenaikan jumlah penderita DBD berdasarkan
penambahan jumlah penderita sebanyak 49 orang model yang terbentuk pada penelitian ini. Metode
akibat peningkatan suhu terendah. yang peneliti usulkan bisa menjadi early warning
Selain itu, apabila curah hujan pada system bagi pemerintah provinsi DKI Jakarta
suatu hari meningkat sebesar 1mm maka jumlah secara khusus dan pemerintah secara umum untuk
penderita DBD di DKI Jakarta akan bertambah mengambil kebijakan terkait dengan penanganan
sebesar exp(0,007008009) = 1,01 kali dengan DBD. Kerja sama antara dinas kesehatan selaku
asumsi variabel lainnya tetap. Ini berarti ketika pembuat kebijakan dan BMKG selaku peramal
seharusnya ada 100 penderita DBD pada hari itu, cuaca diperlukan guna penanganan masalah DBD
maka akan ada penambahan jumlah penderita secara tepat dan cepat di DKI Jakarta.
sebanyak 1 orang akibat peningkatan curah hujan
tersebut. UCAPAN TERIMA KASIH
Hasil penelitian ini sejalan dengan
penelitian Ariati dan Anwar (2014) yang Penelitian ini merupakan pilot study yang
menyatakan bahwa suhu, curah hujan, dilakukan untuk membuat Early Warning System
dan kelembaban udara berpengaruh dalam DBD di Jakarta yang dilombakan pada kompetisi
memprediksi kejadian DBD di Jawa Barat.16 Selain data inovasi. Dan penulis mengucapkan terima
itu, Wu, Pei-Chih et al. (2007) menyatakan bahwa kasih kepada Global Pulse Jakarta, pemerintah
di Taiwan, faktor cuaca yang meliputi temperatur Korea sebagai sponsor kompetisi data inovasi,
dan kelembaban udara memiliki pengaruh yang sehingga penelitian ini mendapat Silver Medal.
signifikan terhadap perkembangan kasus demam Dan tak lupa juga ucapan terimakasih kepada
berdarah. Sehingga faktor cuaca dapat membantu teman-teman yang membantu penelitian ini.
untuk melakukan deteksi dini pada kasus demam
berdarah.26 DAFTAR RUJUKAN
Kemudian, jika dibandingkan dengan
negara tetangga, yakni Malaysia, terdapat kesamaan 1. WHO. (2016). Dengue and Severe Dengue.
faktor yang memengaruhi perkembangan kasus Fact Sheet. (Internet). 2016. Tersedia dari
demam berdarah, yakni suhu dan curah hujan. Hal http://www.who.int/mediacentre/factsheets/
ini terbukti dari penelitian Cheong, Yoon Ling et fs117/en/ [diunduh 1 juni 2017 jam 11.24]
al. (2013) yang menyatakan bahwa suhu minimum, 2. Brady, et al. Refining the Global Spatial Limits
curah hujan dan kecepatan angin memiliki pengaruh of Dengue Virus Transmission by Evidence-
terhadap perkembangan kasus demam berdarah, Based Consensus. PLoS Neglected Tropical
dimana suhu minimum dan curah hujan memiliki Diseases. 2016. 6 (2)
pengaruh positif yang besar sedangkan kecepatan 3. Kementerian Kesehatan RI. Buletin Jendela
angin memiliki pengaruh negatif.27 Epidemiologi (Demam Berdarah Dengue).
2010.
KESIMPULAN 4. Kementerian Kesehatan RI. Profil Kesehatan
Indonesia Tahun 2014. Jakarta: Menkes;2015
Faktor-faktor cuaca yang signifikan 5. Kristina, Isminah, Wulandari L. Kajian
memengaruhi jumlah penderita DBD di DKI Masalah Kesehatan.: Demam Berdarah
Jakarta adalah suhu dan curah hujan. Baik suhu Dengue. Jakarta: Balitbangkes;2004
167
Buletin Penelitian Kesehatan, Vol. 45, No. 3, September 2017: 161 - 168
168