Dengue Cases Prediction in Kupang

T. Respati, Wanti Wanti, R. Nindrea
{"title":"Dengue Cases Prediction in Kupang","authors":"T. Respati, Wanti Wanti, R. Nindrea","doi":"10.29313/gmhc.v8i3.6727","DOIUrl":null,"url":null,"abstract":"The pandemic of coronavirus (COVID-19) causes another infectious disease such as dengue is neglected in Indonesia. Since the majority of resources, both human and capital, are focusing more on COVID-19, it is still essential to also manage dengue as it is still becoming a threat to the community. This study aims to predict the number of cases of dengue in Kupang, East Nusa Tenggara, Indonesia. This study area is in Kupang city, East Nusa Tenggara province, Indonesia. Data regarding monthly dengue reported cases by months from January 2010–December 2019 in Kupang city was collected to describe the temporal patterns of dengue cases. The Box-Jenkins approach is used to fit the auto-regressive integrated moving average (ARIMA) models. This model will predict monthly dengue cases for the year 2020 (12 months). Data analyzed using the Minitab program version 18.0. This study shows that seasonality was an essential component for Kupang city, which performed an exploratory analysis of dengue incidence (ln data) for 2010–2019. The linear trend model shows the prediction of dengue cases in 2020 was Yt=36.9−0.131 × t. The forecast tells that dengue will remain high for the whole year. Maintaining a clean environment, reduction of breeding sites, and other protective measurements against dengue transmission are significant to perform. PREDIKSI KASUS DEMAM BERDARAH DENGUE DI KUPANGPandemi virus corona (COVID-19) mengakibatkan penyakit menular lain seperti dengue terbengkalai di Indonesia karena mayoritas sumber daya, baik manusia maupun permodalan, lebih berfokus pada COVID-19, sedangkan penanggulangan demam berdarah dengue (DBD) masih menjadi hal yang penting karena masih menjadi ancaman bagi masyarakat. Penelitian ini bertujuan memprediksi jumlah kasus DBD di Kupang, Nusa Tenggara Timur, Indonesia. Wilayah studi ini berada di Kota Kupang, Provinsi Nusa Tenggara Timur, Indonesia. Data bulanan kasus DBD yang dilaporkan per bulan dari Januari 2010–Desember 2019 di Kota Kupang dikumpulkan untuk menggambarkan pola temporal kasus DBD. Pendekatan Box-Jenkins digunakan untuk menyesuaikan model auto-regressive integrated moving average (ARIMA). Model ini akan memprediksi kasus DBD bulanan untuk tahun 2020 (12 bulan). Data dianalisis menggunakan program Minitab versi 18.0. Studi ini menunjukkan bahwa musim merupakan komponen penting bagi Kota Kupang yang melakukan analisis eksplorasi kejadian DBD (dalam data) untuk tahun 2010–2019. Model tren linier menunjukkan prediksi kasus DBD tahun 2020 adalah Yt=36.9−0.131 × t yang memperkirakan DBD akan tetap tinggi sepanjang tahun. Menjaga kebersihan lingkungan, mengurangi tempat berkembang biak, dan tindakan perlindungan lainnya terhadap penularan DBD penting dilakukan.","PeriodicalId":312900,"journal":{"name":"Global Medical & Health Communication (GMHC)","volume":"69 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Global Medical & Health Communication (GMHC)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/gmhc.v8i3.6727","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

The pandemic of coronavirus (COVID-19) causes another infectious disease such as dengue is neglected in Indonesia. Since the majority of resources, both human and capital, are focusing more on COVID-19, it is still essential to also manage dengue as it is still becoming a threat to the community. This study aims to predict the number of cases of dengue in Kupang, East Nusa Tenggara, Indonesia. This study area is in Kupang city, East Nusa Tenggara province, Indonesia. Data regarding monthly dengue reported cases by months from January 2010–December 2019 in Kupang city was collected to describe the temporal patterns of dengue cases. The Box-Jenkins approach is used to fit the auto-regressive integrated moving average (ARIMA) models. This model will predict monthly dengue cases for the year 2020 (12 months). Data analyzed using the Minitab program version 18.0. This study shows that seasonality was an essential component for Kupang city, which performed an exploratory analysis of dengue incidence (ln data) for 2010–2019. The linear trend model shows the prediction of dengue cases in 2020 was Yt=36.9−0.131 × t. The forecast tells that dengue will remain high for the whole year. Maintaining a clean environment, reduction of breeding sites, and other protective measurements against dengue transmission are significant to perform. PREDIKSI KASUS DEMAM BERDARAH DENGUE DI KUPANGPandemi virus corona (COVID-19) mengakibatkan penyakit menular lain seperti dengue terbengkalai di Indonesia karena mayoritas sumber daya, baik manusia maupun permodalan, lebih berfokus pada COVID-19, sedangkan penanggulangan demam berdarah dengue (DBD) masih menjadi hal yang penting karena masih menjadi ancaman bagi masyarakat. Penelitian ini bertujuan memprediksi jumlah kasus DBD di Kupang, Nusa Tenggara Timur, Indonesia. Wilayah studi ini berada di Kota Kupang, Provinsi Nusa Tenggara Timur, Indonesia. Data bulanan kasus DBD yang dilaporkan per bulan dari Januari 2010–Desember 2019 di Kota Kupang dikumpulkan untuk menggambarkan pola temporal kasus DBD. Pendekatan Box-Jenkins digunakan untuk menyesuaikan model auto-regressive integrated moving average (ARIMA). Model ini akan memprediksi kasus DBD bulanan untuk tahun 2020 (12 bulan). Data dianalisis menggunakan program Minitab versi 18.0. Studi ini menunjukkan bahwa musim merupakan komponen penting bagi Kota Kupang yang melakukan analisis eksplorasi kejadian DBD (dalam data) untuk tahun 2010–2019. Model tren linier menunjukkan prediksi kasus DBD tahun 2020 adalah Yt=36.9−0.131 × t yang memperkirakan DBD akan tetap tinggi sepanjang tahun. Menjaga kebersihan lingkungan, mengurangi tempat berkembang biak, dan tindakan perlindungan lainnya terhadap penularan DBD penting dilakukan.
古邦登革热病例预测
冠状病毒大流行(COVID-19)导致登革热等另一种传染病在印度尼西亚被忽视。由于大多数人力和资本资源更多地集中在COVID-19上,因此管理登革热仍然至关重要,因为它仍然对社区构成威胁。本研究旨在预测印度尼西亚东努沙登加拉库邦的登革热病例数。本研究区位于印度尼西亚东努沙登加拉省古邦市。收集了库邦市2010年1月至2019年12月按月报告的登革热病例数据,以描述登革热病例的时间格局。Box-Jenkins方法用于拟合自回归综合移动平均(ARIMA)模型。该模型将预测2020年(12个月)每月登革热病例。数据分析使用Minitab程序版本18.0。该研究表明,季节性是库邦市的一个重要组成部分,该城市对2010-2019年登革热发病率(ln数据)进行了探索性分析。线性趋势模型预测2020年登革热病例数为Yt=36.9−0.131 × t,预测全年登革热将保持高位。保持清洁的环境、减少滋生地点和采取其他预防登革热传播的保护性措施是非常重要的。PREDIKSI KASUS DEMAM BERDARAH登革热大流行性病毒冠状病毒(COVID-19) mengakibatkan penyakit menular lain perperti登革热terbengkalai印度尼西亚karena mayoritas sumber daya, baik manupun permodalan, lebih berfus pad2019 -19, sedangkan penanggulangan DEMAM BERDARAH登革热(DBD) masih menjadi hal yang penting karena masih menjadi ancaman bagi masyarakat。Penelitian ini bertujuan memprediksi jumlah kasus DBD di Kupang,努沙登加拉木木尔,印度尼西亚。Wilayah studi ini berada di Kota Kupang, province Nusa Tenggara Timur,印度尼西亚。数据bulanan kasus DBD yang orkan per bulan dari 2010年1月- 2019年12月di Kota Kupang dikumpulkan untuk menggambarkan polan temporal kasus DBD。自回归综合移动平均(ARIMA)模型。模型ini可以预测到2020年1月(12月)。数据分析梦古那坎程序Minitab version 18.0。[2010-2019][研究][m] [m] [m] [m] [m] [m] [m] [m] [d] [m] [j]。模型趋势线性线menunjukkan预测kasus DBD tahun 2020 adalah Yt=36.9−0.131 × t yang memperkirakan DBD akan tetap tinggi sepanjang tahun。Menjaga kebersihan lingakkan, mengurangi tempat berkembang biak, dan tindakan perlindungan lainnya terhadap penularan DBD pentingdilakkan。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信