HARYADI, RIDHO (2026) PREDIKSI KASUS DEMAM BERDARAH DENGUE MENGGUNAKAN PROPHET DAN KLASIFIKASI ZONA KEWASPADAAN BERBASIS RANDOM FOREST. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
COVER.pdf Download (355kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
BAB 1.pdf Restricted to Registered users only Download (43kB) |
|
|
Text (BAB II)
BAB 2.pdf Restricted to Registered users only Download (274kB) |
|
|
Text (BAB III)
BAB 3.pdf Restricted to Registered users only Download (220kB) |
|
|
Text (BAB IV)
BAB 4.pdf Restricted to Registered users only Download (795kB) |
|
|
Text (BAB V)
BAB 5.pdf Restricted to Registered users only Download (31kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (157kB) |
|
|
Text (LAMPIRAN)
LAMPIRAN.pdf Restricted to Registered users only Download (392kB) |
Abstract
Dengue Hemorrhagic Fever (DHF) remains one of the major public health concerns in the Province of DKI Jakarta. The fluctuation in dengue cases, influenced by epidemiological and climatic factors, highlights the need for predictive approaches to support more effective prevention and control strategies. This study aims to predict the number of DHF cases using the Prophet method and classify dengue alert zones using the Random Forest algorithm based on epidemiological and climate data. The dataset consists of monthly DHF case records from 44 districts in DKI Jakarta covering the period from January 2023 to December 2025, comprising a total of 1,584 observations, combined with rainfall, average temperature, and humidity data. The prediction results generated by the Prophet model were subsequently used as one of the input features, together with climate variables, for the Random Forest classification model. The evaluation results of the Prophet model achieved a Mean Absolute Error (MAE) of 512.38, a Root Mean Square Error (RMSE) of 723.79, and a Mean Absolute Percentage Error (MAPE) of 48.89%. Meanwhile, the Random Forest model obtained an accuracy of 87%, precision of 85%, recall of 87%, and an F1-score of 84%, indicating good performance in classifying dengue risk levels. The research results were implemented in a web-based monitoring dashboard that presents case predictions and dengue alert zone classifications interactively. The integration of Prophet and Random Forest is expected to support monitoring activities, identify high-risk areas, and assist decision-making for dengue prevention and control in DKI Jakarta Province. Keywords: Dengue Hemorrhagic Fever, Prophet, Random Forest, Forecasting, Risk Classification. Demam Berdarah Dengue (DBD) merupakan salah satu penyakit menular yang masih menjadi permasalahan kesehatan masyarakat di Provinsi DKI Jakarta. Fluktuasi jumlah kasus yang dipengaruhi oleh faktor epidemiologi dan iklim menyebabkan perlunya pendekatan prediktif untuk mendukung upaya pencegahan dan pengendalian penyakit secara lebih efektif. Penelitian ini bertujuan memprediksi jumlah kasus DBD menggunakan metode Prophet serta mengklasifikasikan zona kewaspadaan menggunakan algoritma Random Forest berdasarkan data epidemiologi dan faktor iklim. Data yang digunakan berupa data bulanan kasus DBD pada 44 kecamatan di Provinsi DKI Jakarta periode Januari 2023 hingga Desember 2025 dengan total 1.584 observasi, yang dipadukan dengan data curah hujan, suhu udara rata-rata, dan kelembapan udara.Hasil prediksi yang dihasilkan oleh metode Prophet selanjutnya digunakan sebagai salah satu variabel masukan bersama variabel iklim dalam proses klasifikasi menggunakan algoritma Random Forest. Hasil evaluasi model Prophet menunjukkan nilai Mean Absolute Error (MAE) sebesar 512,38, Root Mean Square Error (RMSE) sebesar 723,79, dan Mean Absolute Percentage Error (MAPE) sebesar 48,89%. Sementara itu, model Random Forest menghasilkan nilai accuracy sebesar 87%, precision sebesar 85%, recall sebesar 87%, dan F1-score sebesar 84%, yang menunjukkan kemampuan model dalam mengklasifikasikan tingkat risiko DBD dengan baik. Hasil penelitian berhasil diimplementasikan dalam bentuk dashboard monitoring berbasis web yang menyajikan informasi prediksi jumlah kasus dan klasifikasi zona kewaspadaan secara interaktif. Integrasi metode Prophet dan Random Forest diharapkan dapat mendukung proses monitoring, identifikasi wilayah berisiko, serta pengambilan keputusan dalam upaya pencegahan dan pengendalian DBD di Provinsi DKI Jakarta. Kata Kunci : Demam Berdarah Dengue, Prophet, Random Forest, Forecasting, Klasifikasi Risiko.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | RIDHO HARYADI |
| Uncontrolled Keywords: | Demam Berdarah Dengue, Prophet, Random Forest, Forecasting, Klasifikasi Risiko. |
| Subjects: | 300 Social Science/Ilmu-ilmu Sosial > 300. Social Science/Ilmu-ilmu Sosial > 304 Factors Affecting Social Behaviour/Faktor-faktor yang Mempengaruhi Tingkah Laku Sosial > 304.2 Human Ecology/Ekologi Manusia > 304.25 Climatic and Weather Factors/Faktor Iklim dan Cuaca 300 Social Science/Ilmu-ilmu Sosial > 300. Social Science/Ilmu-ilmu Sosial > 304 Factors Affecting Social Behaviour/Faktor-faktor yang Mempengaruhi Tingkah Laku Sosial > 304.6 Demography, Population/Demografi, Penduduk, Ilmu Kependudukan |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | khalimah |
| Date Deposited: | 11 Sep 2026 05:24 |
| Last Modified: | 11 Sep 2026 05:24 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103788 |
Actions (login required)
 |
View Item |
