Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

EMD-GRNN-PSO Hibrida pada Data Deret Waktu Intermiten untuk Peramalan Demam Berdarah Dengue

Rektorat UDINUS 2024 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2024
Tujuan
Nomor
90815afc-b908-491a-b4e1-e9b52a94ffee
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan kegiatan mengenai peramalan jumlah kasus demam berdarah dengue dengan data intermiten. Kegiatan ini melibatkan Anggraeni, Wiwik; Yuniarno, Eko Mulyanto; Rachmadi, Reza Fuad; Sumpeno, Surya; Pujiadi, Pujiadi; Sugiyanto, Sugiyanto; Santoso, Joan; dan Purnomo, Mauridhi Hery sebagai peneliti dan peserta kegiatan. Kegiatan tersebut menanggapi kebutuhan akan peramalan kasus dengue yang akurat sebagai sistem peringatan dini untuk mencegah wabah pada masa mendatang. Peramalan demam berdarah dengue dengan karakteristik data intermiten disebut masih jarang, sedangkan pencapaian akurasi peramalan yang baik untuk data intermiten dijelaskan sebagai tantangan.

Kegiatan ini mengusulkan pendekatan hibrida Empirical Mode Decomposition, Generalized Regression Neural Network, dan Particle Swarm Optimization. Prapemrosesan data terlebih dahulu dilakukan untuk memastikan bahwa data siap diproses lebih lanjut dan memiliki hubungan dengan jumlah kasus demam berdarah dengue. Dekomposisi kemudian mengekstraksi pola nonstasioner dan nonlinier dari setiap variabel prediktor serta mengubahnya menjadi beberapa intrinsic mode functions. Intrinsic mode functions dari setiap variabel prediktor dilatih dengan Generalized Regression Neural Network. Berbagai rasio pelatihan dan pengujian data serta validasi silang digunakan untuk memperoleh model terbaik dalam peramalan kasus demam berdarah dengue. Particle Swarm Optimization digunakan untuk menemukan parameter optimal Generalized Regression Neural Network sehingga proses pencarian parameter menjadi lebih efisien dan akurasi meningkat.

Pendekatan yang diusulkan dinilai ketangguhan dan efektivitasnya pada 21 dataset dengan kondisi intermiten, periode data, kondisi geografis, jumlah data, dan rentang data yang berbeda. Pendekatan tersebut dibandingkan dengan model pembanding menggunakan mean squared error, mean absolute error, dan symmetric mean absolute percentage error sebagai indikator evaluasi. Uji Diebold–Mariano dan pairwise sample t-test menunjukkan bahwa model yang diusulkan lebih andal dalam menangani data intermiten. Kegiatan ini berkaitan dengan tujuan yang dinyatakan melalui penelitian yang berfokus pada kesehatan dan peramalan demam berdarah dengue serta menunjukkan kegiatan penelitian kelembagaan untuk menangani tantangan peramalan yang diidentifikasi.

Rujukan https://www.scopus.com/pages/publications/85171389807?origin=resultslist