Integrasi Model Multilayer Perceptron dengan Vine Copula dalam memodelkan Kasus Pneumonia di DKI Jakarta

Abstract

Pada tahun 2019, WHO melaporkan pneumonia sebagai penyebab utama kematian lebih dari 740 ribu anak di bawah usia lima tahun. Selain itu, risiko tinggi juga terjadi pada lansia dengan kondisi kesehatan tertentu. Pneumonia adalah penyakit infeksi saluran pernapasan yang disebabkan oleh bakteri, jamur, atau parasit, serta dipengaruhi oleh faktor lingkungan seperti perubahan iklim dan polusi udara. Kota DKI Jakarta, dengan populasi padat dan tingkat polusi tinggi, menghadapi risiko besar terkait peningkatan kasus pneumonia. Polusi udara akibat padatnya kendaraan bermotor, pembakaran bahan bakar, serta konstruksi rumah kaca memperburuk kualitas udara dan menambah kompleksitas prediksi iklim, yang semuanya dapat memicu peningkatan risiko pneumonia. Penelitian ini bertujuan untuk memodelkan keterkaitan faktor lingkungan, seperti variasi iklim dan polusi udara, terhadap kejadian pneumonia menggunakan pendekatan Multilayer Perceptron (MLP) yang dikenal efektif dalam analisis regresi non- linear. Pendekatan ini diintegrasikan dengan metode Vine Copula, khususnya C- Vine dan D-Vine Copula, yang dapat digunakan untuk menangani data multivariat berdimensi tinggi dan menganalisis hubungan antar kasus pneumonia di berbagai wilayah DKI Jakarta. Hasil penelitian ini menunjukkan bahwa penggunaan error correction berbasis copula terbukti mampu meningkatkan akurasi model MLP sekitar 0.1-2% di beberapa wilayah dari akurasi sebelumnya.