Hasil Pencarian  ::  Simpan CSV :: Kembali

"Demam Berdarah Dengue (DBD) merupakan penyakit yang disebabkan oleh virus dengue (DENV) yang ditularkan kepada manusia melalui gigitan nyamuk betina. DBD cenderung memiliki siklus musiman, dimana puncak transmisinya di saat dan setelah musim hujan. Faktor iklim yang paling berpengaruh terhadap kasus DBD adalah curah hujan, suhu, dan kelembapan. Berdasarkan data dari Kemenkes (2021), masih terjadi penurunan dan peningkatan jumlah penderita DBD pada tahun 2016-2020. Oleh karena itu, diperlukan adanya pencegahan untuk mengendalikan jumlah kasus DBD. Prediksi jumlah insiden DBD dengan menggunakan deep learning dapat menjadi alternatif dalam pengendalian kasus DBD. Penelitian ini menggunakan data insiden DBD dan data iklim yang terdiri dari data temperatur rata-rata, kelembapan rata-rata, dan curah hujan di DKI Jakarta. Data yang digunakan merupakan data yang tercatat dari tahun 2008-2023. Prediksi insiden DBD dilakukan pada 5 wilayah di DKI Jakarta, yaitu Jakarta Barat, Jakarta Pusat, Jakarta Selatan, Jakarta Timur, dan Jakarta Utara. Untuk mencapai tujuan penelitian, penelitian ini menggunakan metode Long Short-Term Memory (LSTM). LSTM merupakan merupakan arsitektur recurrent network yang mampu mengingat informasi dalam jangka waktu yang lama. Hasil analisis menunjukkan bahwa LSTM dapat diimplementasikan untuk memprediksi insiden DBD di DKI Jakarta dimana wilayah Jakarta Pusat memiliki hasil terbaik dengan nilai MAE sebesar 6,021466 dan nilai RMSE sebesar 9,062668.

---

Dengue Hemorrhagic fever (DHF) is a disease caused by the dengue virus (DENV), which is transmitted to humans through the bite of female mosquitoes. Dengue tends to have a seasonal cycle, with transmission peaks during and after the rainy season. The climatic factors that have the most influence on dengue cases are rainfall, temperature, and humidity. Based on data from the Ministry of Health (2021), there are still changes in the number of dengue patients in 2016-2020. Therefore, prevention is needed to control the number of dengue cases. Predicting the number of dengue incidents using deep learning can be an alternative in controlling dengue cases. This study uses dengue incidence data and climate data consisting of average temperature, average humidity, and rainfall in DKI Jakarta. Data used is data recorded from 2008 - 2023. The prediction of dengue incidence was carried out in 5 regions in DKI Jakarta, namely West Jakarta, Central Jakarta, South Jakarta, East Jakarta, and North Jakarta. To achieve the research objectives, this study uses the Long Short-Term Memory (LSTM) method. LSTM is a recurrent network architecture that is able to remember information over a long period of time. The analysis results show that LSTM can be implemented to predict dengue incidents in DKI Jakarta, where Central Jakarta region has the best results with an MAE value of 6,021466 and an RMSE value of 9,062668.

"

"Demam dengue adalah salah satu jenis demam yang umum terdapat pada negara beriklim tropis. Demam ini disebabkan oleh virus dengue (DENV) yang disebarkan oleh nyamuk Aedes aegypti atau Aedes albopictus yang umumnya bereproduksi di iklim tropis serta dapat berubah menjadi demam berdarah dengue (DBD) apabila penderita tidak dirawat dengan tepat yang dapat berakibat fatal. DENV melakukan replikasi di dalam retikulum endoplasma dari sel manusia dengan bantuan enzim ?-Glucosidase yang dapat diinhibisi dengan menggunakan senyawa berbasis iminosakarida yang mengakibatkan DENV mengalami misfold dan terdegradasi. Ligan standar dan modifikasi telah dilakukan studi ADMET dan RO5 sebelum dilakukan docking dengan protein. Ligan modifikasi tersebut adalah senyawa organoboron yang berbasis terhadap 1-deoxynojirimycin yang meningkatkan energi ikatan bebas pada kompleks protein-ligan yang terbentuk jika dibandingkan dengan senyawa yang tidak termodifikasi. Dari sepuluh ligan modifikasi, ligan nomor dua dan tiga memiliki interaksi terbaik dengan ?-Glucosidase I dan II secara berturut-turut dengan sebesar -8,622 kkal/mol dan -8,858 kkal/mol secara berturut-turut.

---

Dengue fever is a type of fever that is commonly found in tropical countries. It is caused by dengue virus (DENV) that transmitted by Aedes aegypti or Aedes albopictus mosquitos that mostly reproduces in tropical climates, that can develop into more severe and fatal disease called dengue hemorrhagic fever. DENV can replicate inside endoplasmic reticulum of human cells with the help of ?-Glucosidase enzymes, which can be inhibited using iminosaccharide based drug, that could lead to DENV degradation due to misfolded protein. Standard and modified ligand underwent ADMET and RO5 analysis before being prepared alongside with protein to be docked. The modified ligand is an organoboron compound based on 1-deoxynojirimycin that increases binding free energy on formed ligand-protein complex compared to non-modified compound. From ten modified ligands, ligand number two and three had the best interaction with ?-Glucosidase I and II respectively with of -8.622 kcal/mol and -8.858 kcal/mol respectively."

"Demam Berdarah Dengue (DBD) merupakan sebuah masalah kesehatan masyarakat dunia. Belum ditemukannya vaksin untuk pencegahannya, membuat pencegahan dan pengendaliannya sangat tergantung pada upaya pengendalian vektor utamanya, yaitu Aedes Aegypti. Persepsi barrier (hambatan) yang lebih besar daripada persepsi benefit (manfaat) yang dimiliki ibu-ibu di Kecamatan Jagakarsa membuat ibu-ibu memiliki kecenderungan untuk tidak berperilaku membersihkan tempat penampungan air serta kebiasaan menggantung palaian bekas pakai di luar lemari. Pemberian pesan dengan Messages Framing melalui aplikasi whatsapp dapat menjadi trigger dan motivasi seseorang untuk melakukan perilaku pencegahan DBD. Penelitian ini bertujuan untuk menguji apakah model intervensi dengan pemberian pesan kesehatan berbasis whatsapp dengan Gain Frame Messages lebih efektif dibandingkan dengan Loss-Frame Messages untuk meningkatkan perilaku pencegahan DBD pada ibu-ibu di kecamatan Jagakarsa. Penelitian ini menggunakan disain studi eksperimental dengan analisis two-way anova. Penelitian ini dilakukan pada bulan September-November 2018. Hasil yang didapatkan adalah pemberian messages framing (gain frame messages dan loss-frame messages) tidak memiliki pengaruh terhadap peningkatan perilaku pencegahan DBD (p-v = 0,24). Kesimpulan dari penelitian ini adalah intervensi dengan Gain Frame Messages lebih efektif meningkatkan perilaku pencegahan DBD pada ibu-ibu di kecamatan Jagakarsa dibandingkan dengan Loss Frame Messages tidak terbukti.

---

Dengue Hemorrhagic Fever (DHF) is a public health problem in the world. Since no vaccine has been found for prevention, dengue control and prevention highly depend on vector control, Aedes Aegypti. Effective, sustained community participation for dengue prevention remains a challenge in Jagakarsa District. Perceive of barriers that are greater than the perceive of benefits among mothers in Jagakarsa Subdistrict making mothers have a likelihood not to perform DHF preventive behavior which are cleaning water container regularly and hanging used clothes outised cupboard. Giving WhatsApp messages framing could become a trigger and motivation to perform preventive behavior. This study aims to examine effectiveness of gain frame messages compare to loss frame messages in improving DHF preventive behavior among mothes in Jagakarsa district. This study is experimental design with two-way ANOVA analysis. This research was conducted in September-November 2018. The finding of the study is whatrsapp messages framing (gain frame messages and loss-frame messages) have no effect in improving DHF preventive behavior (p-v = 0.24). The conclusion of this study is Gain Frame Messages more effective than Loss frame messages among mothers in Jagakarsa district in improving DHF preventive behavior is unproven."

"Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus dengue yang termasuk anggota genus Flavivirus dan keluarga Flaviviridae yang menyebar melalui nyamuk Aedes (Stegomyia). Jumlah kasus DBD di seluruh dunia dilaporkan meningkat lebih dari 8 kali lipat selama dua dekade terakhir, dari 505.430 kasus pada tahun 2000, menjadi lebih dari 2,4 juta pada tahun 2010, dan 5,2 juta pada tahun 2019. Peningkatan insiden DBD dipengaruhi oleh berbagai faktor, baik itu faktor alam, kebiasaan manusia, hingga jenis virus penyebab DBD itu sendiri. Faktor alam yang dimaksud disini antara lain faktor iklim, seperti curah hujan (mm), temperatur rata-rata (℃), dan kelembapan rata-rata (%). Peningkatan insiden DBD dapat dicegah dengan upaya pencegahan yang dilakukan sedini mungkin oleh pemerintah dan masyarakat. Informasi prediksi tren insiden DBD dapat menjadi masukan bagi masyarakat dan pemerintah untuk meningkatkan kewaspadaan terhadap peningkatan insiden DBD di DKI Jakarta. Dalam melakukan prediksi tren insiden DBD, dapat dilakukan dengan berbagai pendekatan, salah satu diantaranya adalah machine learning. Pada tugas akhir ini, implementasi machine learning menggunakan model The Attention Mechanism-Enhanced LSTM (LSTM-ATT) dan Poisson Regression, akan digunakan untuk memprediksi tren insiden DBD dari waktu ke waktu. LSTM-ATT adalah sebuah model machine learning yang digunakan untuk memproses data sequence. Poisson Regression adalah model regresi yang dapat digunakan pada data yang variabel responnya berdistribusi Poisson dan bertipe diskrit. Prediksi yang akan dilakukan didasarkan pada jumlah insiden DBD sebagai variabel respon, serta faktor iklim seperti curah hujan, suhu, dan kelembapan sebagai variabel prediktor. Untuk proporsi data, kedua model tersebut menggunakan proporsi data training sebesar 80% dan data testing sebesar 20%. Model yang dibentuk ini dievaluasi dengan nilai dari Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE). Hasil implementasi terbaik pada skrips ini dihasilkan oleh model LSTM-ATT dengan evaluasi di setiap wilayah DKI Jakarta: Jakarta Pusat RMSE: 9,5727, MAE: 6,6946; Jakarta Timur RMSE: 21,5288, MAE: 15,6365; Jakarta Barat RMSE: 16,3683, MAE: 12,4908; Jakarta Utara RMSE: 23,5911, MAE: 15,2969; Jakarta Selatan RMSE: 18,3811, MAE: 14,0262.

---

Dengue Hemorrhagic Fever (DHF) is a disease caused by the dengue virus, which belongs to the Flavivirus genus and Flaviviridae family, transmitted through Aedes mosquitoes (Stegomyia). The number of DHF cases worldwide has reported an increase of more than 8 times over the past two decades, from 505,430 cases in 2000 to over 2.4 million in 2010 and 5.2 million in 2019. The increase in DHF incidence is influenced by various factors, including natural factors, human behavior, and the type of dengue virus itself. Natural factors include climate factors such as rainfall (mm), average temperature (℃), and average humidity (%). The increase in DHF incidence can be prevented through early prevention efforts by the government and the community. Predicting the trend of DHF incidence can provide input for the community and the government to increase vigilance against the increasing incidence of DHF in Jakarta. Various approaches can be used for predicting the trend of DHF incidence, one of which is machine learning. In this final project, the implementation of machine learning using the LSTM-ATT and Poisson Regression models will be used to predict the trend of DHF incidence over time. LSTM-ATT is a machine learning model used to process sequential data, such as time series data. On the other hand, Poisson Regression is a regression model that can be used for data with Poisson-distributed response variables and discrete types. The prediction will be based on the number of DHF incidents as the dependent variable, and climate factors such as rainfall, temperature, and humidity as independent variables. The performance of the models will be evaluated using the Root Mean Square Error (RMSE) and Mean Absolute Error (MAE). The best implementation results in this thesis were produced by the LSTM-ATT model with evaluation in each area of DKI Jakarta: Central Jakarta RMSE: 9.5727, MAE: 6.6946; East Jakarta RMSE: 21.5288, MAE: 15.6365; West Jakarta RMSE: 16.3683, MAE: 12.4908; North Jakarta RMSE: 23.5911, MAE: 15.2969; South Jakarta RMSE: 18.3811, MAE: 14.0262."

"Demam Berdarah Dengue (DBD) masih menjadi masalah kesehatan yang utama di Indonesia.  Berdasarkan data dari Kemenkes RI, pada tahun 2022 jumlah insiden DBD dicatat sebanyak 131.265 yang mana sekitar 40% adalah anak-anak usia 0 sampai 14 tahun dengan jumlah kasus kematian mencapai 1.135 jiwa dengan 73% terjadi pada anak-anak usia 0 sampai 14 tahun. DBD disebabkan oleh virus dengue yang disebarkan melalui gigitan nyamuk Aedes aegypti  dan Aedes albopictus.. Selain faktor kebersihan lingkungan dan kebiasaan masyarakat, tingginya insiden DBD di Indonesia juga dipengaruhi oleh beberapa faktor iklim seperti curah hujan, temperatur, dan kelembapan. Memaksimalkan proses pencegahan DBD oleh pemerintah dan masyarakat dapat menekan tingginya kasus DBD di Indonesia. Salah satu cara untuk memaksimalkan proses pencegahan DBD adalah dengan melakukan prediksi jumlah insiden DBD yang akan terjadi kedepannya. Dengan mengetahui hasil prediksi jumlah insiden DBD, diharapkan masyarakat dan pemerintah dapat memaksimalkan proses pencegahan DBD. Pada tugas akhir ini, dilakukan prediksi jumlah insiden DBD menggunakan convolutional neural network dan extreme gradient boosting, dengan jumlah insiden sebelumnya dan faktor cuaca sebelumnya yang terdiri dari temperatur, curah hujan, dan kelembapan relatif sebagai variabel prediktor. Variabel prediktor yang digunakan ditentukan berdasarkan time lag dari masing-masing variabel prediktor terhadap jumlah insiden DBD menggunakan korelasi silang. Model convolutinal neural network dan extreme gradient boosting yang dibentuk dievaluasi dan dibandingkan berdasarkan nilai Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan waktu simulasi. Pada tugas akhir ini, convolutional neural network memberikan performa yang lebih baik dibandingkan dengan extreme gradient boosting berdasarkan nilai RMSE dan MAE dengan rata-rata 13,3586 untuk RMSE dan 9,2249 untuk MAE. Berdasarkan waktu simulasi, extreme gradient boosting memberikan performa yang lebih cepat dibandingkan convolutional neural network.

---

Dengue Hemorrhagic Fever (DHF) remains a major health problem in Indonesia. Based on data from the Ministry of Health of Indonesia, in 2022, the number of DHF incidents recorded was 131,265, of which approximately 40% were children aged 0 to 14 years, with a total of 1,135 deaths, 73% of which occurred in children aged 0 to 14 years. DHF is caused by the dengue virus, which is transmitted through the bites of Aedes aegypti and Aedes albopictus mosquitoes. In addition to environmental cleanliness and societal habits, the high incidence of DHF in Indonesia is also influenced by several climate factors such as rainfall, temperature, and humidity. Maximizing the DHF prevention process by the government and the community can help reduce the number of DHF cases in Indonesia. One way to maximize the DHF prevention process is by predicting the future number of DHF incidents. By knowing the predicted number of DHF incidents, it is hoped that the community and the government can maximize the DHF prevention process. In this final project, the prediction of the number of DHF incidents is carried out using convolutional neural network and extreme gradient boosting, with the previous incident counts and previous weather factors consisting of temperature, rainfall, and relative humidity as predictor variables. The predictor variables used are determined based on the time lag of each predictor variable on the number of DHF incidents using cross-correlation. In this final project, the convolutional neural network outperforms extreme gradient boosting based on the RMSE and MAE values, with an average of 13.3586 for RMSE and 9.2249 for MAE. However, in terms of simulation time, extreme gradient boosting demonstrates faster performance compared to the convolutional neural network."

"Demam berdarah dengue (DBD) adalah penyakit menular akibat virus dengue dan disebarluaskan nyamuk Aedes sp. Salah satu faktor yang mempengaruhi kejadian DBD adalah iklim. DKI Jakarta merupakan wilayah yang rentan terhadap perubahan iklim. Setiap tahun DBD menjadi satu dari sepuluh kasus penyakit terbanyak di DKI Jakarta yang berpotensi Kejadian Luar Biasa (KLB). Penelitian ini merupakan studi ekologi yang dilakukan untuk mengetahui hubungan iklim dengan kejadian DBD di DKI Jakarta tahun 2008-2011.Hasil penelitian menyatakan kejadian DBD memiliki hubungan sedang dengan suhu (r=-0,279;p=0,000), kelembaban (r=0,301;p=0,000), curah hujan (r=0,316;p=0,000), dan lama penyinaran matahari (r=-0,392;p=0,000), sedangkan dengan kecepatan angin hubungannya tidak siginifikan (p>0,05).

---

Dengue hemorrhagic fever (DHF) is an infectious disease caused by dengue virus and the spread of Aedes sp. One of the factors that influence the incidence of dengue is the climate. Jakarta is a region vulnerable to climate change. Each year, dengue became one of top ten cases of the disease in Jakarta that could potentially Extraordinary Events. This study is an ecological study conducted to determine the relationship of climate with the incidence of dengue fever in Jakarta in 2008-2011.

The study stated the incidence of dengue fever are being linked with temperature (r=-0.279, p=0.000), humidity (r=0.301, p=0.000), rainfall (r=0.316, p = 0.000), and duration of solar radiation (r=-0.392, p=0.000), whereas the wind velocity relationship is not significant (p> 0.05)."

"Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu penyakit yang penyebarannya sangat cepat. Dengan memprediksi angka insiden penyakit tersebut, diharapkan dapat membantu pemerintah dalam mengatasi penyakit ini. Seiring berkembangnya ilmu pengetahuan, salah satu metode untuk memprediksi penyakit DBD adalah machine learning. Penelitian dilakukan dengan memanfaatkan salah satu metode dalam machine learning yaitu Long Short-Term Memory (LSTM) dalam membangun model prediksi insiden DBD. Pada penelitian sebelumnya, LSTM telah digunakan dalam memprediksi angka insiden DBD di 20 kota di negara China. Pada skripsi ini model LSTM diterapkan untuk memprediksi angka insiden DBD di DKI Jakarta dengan menggunakan data cuaca dan insiden DBD. Hasil implementasi LSTM dalam memprediksi angka insiden DBD menunjukkan bahwa model terbaik diperoleh dengan menggunakan proporsi data training-testing 90%-10% dengan RMSE dan MAE berdasarkan data test. Nilai RMSE pada wilayah Jakarta Pusat, Jakarta Timur, Jakarta Barat, Jakarta Utara, dan Jakarta Selatan adalah 5,218412, 9,570137, 10,527401, 6,496117, dan 5,952310. Nilai MAE pada wilayah yang sama secara berturut-turut adalah 4,016646, 7,791134, 8,405053, 5,279802, dan 4,416999.

---

Dengue Hemorrhagic Fever (DHF) is a disease that spreads very fast. By predicting the incidence of the disease, it is expected to help the government in overcoming this disease. As the development of science, one method to predict DHF is machine learning. The study was conducted by utilizing one method in machine learning that is Long Short Term-Memory (LSTM) in building a DHF incident prediction model. In previous studies, LSTM has been used in predicting the incidence of DHF in 20 cities in China. In this thesis the LSTM model is applied to predict the number of DHF incidents in DKI Jakarta by using weather data and DHF incidents. The results of LSTM implementation in predicting the number of DHF incidents showed that the best model was obtained using the proportion of training data-testing 90% -10% with RMSE and MAE based on test data. The RMSE values in the Central Jakarta, East Jakarta, West Jakarta, North Jakarta and South Jakarta areas are 5.218412, 9.570137, 10.527401, 6.496117, and 5.952310. MAE values in the same region are 4,016646, 7.791134, 8.405053, 5.279802, and 4.416999."

"Demam berdarah dengue di Kota Administrasi Jakarta Selatan mengalami fluktuasi selama 5 tahun terakhir dan pada tahun 2016 angka insiden naik lebih dari 3 kali lipat dari tahun sebelumnya. Penelitian ini bertujuan untuk mengetahui hubungan antara faktor iklim curah hujan, kelembaban, suhu dan kepadatan penduduk dengan angka insiden DBD. Studi ini merupakan studi ekologi time series dan dianalisis dengan uji korelasi. Data angka insiden DBD diperoleh dari Suku Dinas Kesehatan Jakarta Selatan. Data iklim bulanan diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika Jakarta. Data kepadatan penduduk diperoleh dari Badan Pusat Statistika DKI Jakarta. Hasil penelitian menyatakan bahwa suhu dan kepadatan penduduk tidak memiliki hubungan bermakna dengan angka insiden DBD p > 0,05 . Angka insiden DBD memiliki hubungan yang bermakna dengan curah hujan r = 0,384 ; p = 0,002 , kelembaban r = 0,496 ; p = 0,000.

---

Dengue hemorrhagic fever DHF in South Jakarta Administration City was fluctuating during 2012 2016 and in 2016 the incidence rate IR was more than tripled from the previous year. This study aims to determine the relationship between climatic factors rainfall, humidity, temperature and population density with the incidence rate IR of DHF. This study is a time series ecology study and was analyzed by correlation test. Incidence rate IR data was obtained from the South Jakarta District Health Office. Monthly climate data was obtained from the Meteorology, Climatology and Geophysics Department of Jakarta. Population density data was obtained from the Central Statistics Department of DKI Jakarta. The results demonstrate that temperature and population density have no significant correlation with dengue incidence rate p 0,05 . The incidence rate IR had a significant correlation with rainfall r 0.384 p 0.002 , humidity r 0.496 p 0,000."

"Demam Berdarah Dengue (DBD) merupakan penyakit menular akibat virus dengue yang ditularkan oleh vektor Aedes spp. Salah satu faktor yang mempengaruhi kejadian DBD adalah faktor iklim. Kota Cimahi merupakan salah satu daerah di Jawa Barat yang setiap tahun mempunyai angka kejadian DBD yang lebih tinggi dari target nasional. Penelitian ini merupakan studi ekologi yang dilakukan untuk mendapatkan model prediksi kasus DBD berdasarkan faktor iklim di Kota Cimahi Tahun 2004 - 2013. Hasil analisis bivariat menyatakan bahwa suhu, kelembaban, curah hujan dan lama penyinaran matahari mempunyai hubungan yang signifikan dengan kasus DBD. Hasil uji regresi linier ganda membentuk model prediksi dengan persamaan Kasus DBD = 238,769 - 22,320(Suhu) + 5,117(Kelembaban) + e dengan nilai R2 = 0,198. Dinas Kesehatan Kota Cimahi dapat menggunakan model prediksi tersebut dalam perencanaan upaya pengendalian DBD.

---

Dengue hemorrhagic fever (DHF) is a communicable disease caused by dengue virus and spread by Aedes spp as vector. Climate factors are included in factors that influencing DHF cases. Kota Cimahi is a city in West Java that always has higher incidence rate of DHF than national target. This is an ecological study conducted to get a DHF case prediction model based on climate factors in Kota Cimahi 2004 - 2013.

The result shows that temperature, humidity, rainfall and duration of solar radiation are significantly related to DHF cases. Multiple linier regression test resulting a prediction model equation DHF cases = 238,769 - 22,320(temperature) + 5,117(humidity) + e with R2 = 0,198. The model can be used by the health authority of Kota Cimahi in the DHF control program planning."

"Latar Belakang: Demam Berdarah Dengua (DBD) adalah infeksi virus yang ditularkan ke manusia melalui gigitan nyamuk yang terinfeksi. Vektor utama yang menularkan virus Dengue adalah Aedes aegypti, dan Aedes albopictus. Kota dengan jumlah kejadian DBD tertinggi di Indonesia pada tahun 2021 adalah Kota Depok sebesar 3.155 kasus dengan angka Incidence Rate (IR) 151,2 kasus per 100.000 penduduk. Selama 10 tahun terakhir sejak tahun 2012-2020, trend kasus DBD di Kota Depok cenderung meningkat. Tujuan: Mengetahui hubungan antara faktor iklim dan kepadatan penduduk dengan kejadian DBD di Kota Depok tahun 2012-2021. Metode: Penelitian ini menggunakan studi ekologi dengan analisis korelasi untuk melihat hubungan antara faktor iklim (suhu, kelembaban, dan curah hujan) pada bulan yang sama (non-time lag), faktor iklim dengan jeda 1 bulan (time lag 1), dan kepadatan penduduk dengan Incidence Rate DBD. Hasil: Hasil analisis korelasi menujukkan bahwa terdapat hubungan yang signifikan antara kelembaban non time lag dan kelembaban time lag 1 dengan Incidence Rate DBD (p=0,000 dan p=0,000) dengan kekuatan hubungan sedang berpola positif (r=0,332 dan r-0,451). Hasil uji regresi linear ganda menghasilkan bentuk model prediksi dengan persamaan IR DBD = -47.353 + 0.784 (Suhu) + 0.394 (Kelembapan) + 0.023 (Curah Hujan). Berdasarkan hasil persamaan regresi, jika disimulasikan dengan kombinasi suhu 26,1 oC, kelembaban 82,9%, dan curah hujan 14,9 mm, maka akan terjadi peningkatan IR DBD sebanyak 10 kasus per 100.000 penduduk.

---

Background: Dengue Hemorrhagic Fever (DHF) is a viral infection transmitted to humans through the bite of an infected mosquito. The main vectors that transmit the dengue virus are Aedes aegypti and Aedes albopictus. The city with the highest number of dengue cases in Indonesia in 2021 is Depok City with 3,155 cases with an Incidence Rate (IR) of 151.2 cases per 100,000 population. During the last 10 years from 2012- 2020, the trend of dengue cases in Depok City tends to increase. Objective: To determine the relationship between climatic factors and population density with the incidence of DHF in Depok City in 2012-2021. Methods: This study uses an ecological study with correlation analysis to see the relationship between climatic factors (temperature, humidity, and rainfall) in the same month (non-time lag), climatic factors with a 1-month lag (time lag 1), and density population with DHF Incidence Rate. Results: The correlation analysis results showed a significant relationship between non-time lag humidity and time lag 1 humidity with DHF Incidence Rate (p = 0.000 and p = 0.000) with the strength of the relationship being positive (r = 0.332 and r-0.451). The results of the multiple linear regression test produce a predictive model with the equation IR DBD = -47.353 + 0.784 (Temperature) + 0.394 (Relative Humidity) + 0.023 (Rainfall). Based on the results of the regression equation, if it is simulated with a combination of the temperature of 26,1oC, humidity of 82.9%, and rainfall of 14.9 mm, there will be an increase in IR of DHF by 10 cases per 100,000 population."