Integrasi Model SIR-UV, Random Forest dan Time Varying Copula untuk Analisis Kasus DBD (Studi Kasus : Demam Berdarah Dengue di DKI Jakarta tahun 2008-2024)

Abstract

Demam Berdarah Dengue (DBD) merupakan penyakit endemik di wilayah tropis seperti Indonesia, dengan DKI Jakarta sebagai salah satu daerah dengan pola kasus yang fluktuatif. Peningkatan kasus DBD dipengaruhi oleh faktor iklim, seperti suhu, curah hujan, kelembapan, dan lama penyinaran matahari, yang mempercepat siklus hidup nyamuk serta proses transmisi virus. Model kompartemen dasar seperti SIR-UV mampu menggambarkan mekanisme penularan antara manusia dan vektor, namun masih memiliki keterbatasan dalam menangkap pengaruh faktor eksternal yang bersifat nonlinier serta dinamika spasial antarwilayah.Penelitian ini mengombinasikan model SIR-UV dengan pendekatan Random Forest dan Time Varying Copula untuk meningkatkan analisis dan prediksi DBD di DKI Jakarta. Model SIR-UV digunakan untuk mengestimasi laju gigitan nyamuk B(t), Random Forest diterapkan untuk memodelkan pengaruh variabel iklim terhadap dinamika penularan, serta Time Varying Copula untuk menganalisis ketergantungan dinamis antarwilayah. Hasil penelitian menunjukkan bahwa nilai B(t) berada pada kisaran 0,70 hingga 1,05 dengan pola fluktuasi musiman yang relatif stabil, di mana Jakarta Timur memiliki dinamika paling tinggi dan Jakarta Pusat paling stabil. Model Random Forest default memberikan performa prediksi terbaik, dengan salah satu nilai RMSE testing sebesar 0,011 dan SA Score 0,012. Analisis Time Varying Clayton Copula mengungkap adanya dependensi antarwilayah yang berubah dari waktu ke waktu. Penerapan Error Correction mampu menurunkan RMSE secara signifikan, misalnya pada Jakarta Utara dari 44,43 menjadi 18,65. Integrasi ketiga pendekatan ini memberikan pemahaman yang lebih komprehensif terhadap dinamika DBD di DKI Jakarta serta mendukung pengembangan sistem peringatan dini yang lebih efektif.