Institute of Research and Publication Indonesia MALCOM: Indonesian Journal of Machine Learning and Computer Science Journal Homepage: https://journal.
id/index.
php/malcom Vol.
1 Iss.
1 April 2021, pp: 17-23
P-ISSN: 2797-2313 E-ISSN: 2775-8575
The Implementation of Markov Chain for Prediction on Chemistry of Hemorrhic Figure Case In Bengkalis District Implementasi Markov Chain untuk Prediksi Kasus Penderita Demam Berdarah Dengue di Kabupaten Bengkalis Trio Laksono1*.
Said Thaufik Rizaldi2.
Muhammad Arifin3 Sekolah Tinggi Agama Islam Negeri Bengkalis.
Indonesia Program Studi Sistem Informasi.
Fakultas Sains dan Teknologi.
UIN Sultan Syarif Kasim Riau.
Indonesia Jurusan Teknik Informatika.
Politeknik Negeri Bengkalis.
Indonesia E-mail: laksonotrio14@gmail.
com1, 11753101376@students.
uin-suska.
arifin@gmail.
Received February 22th 2021.
Revised February 25th 2021.
Accepted February 28th 2021 Corresponding Author: Trio Laksono Abstract Dengue Hemorrhagic Fever (DHF) is a contagious disease caused by the Dengue virus and transmitted by the Aedes Aegypti mosquito, characterized by a fever of 2-7 days and a decrease in the platelet count.
The number of dengue cases in Bengkalis Regency is too high that in 2014 Bengkalis was designated as an Extraordinary Event of DHF.
Bengkalis Health Office has made prevention efforts, but dengue cases still continue to occur and cause casualties.
For this reason, a prediction is needed that can be used as a reference for handling dengue cases in the future.
The purpose of this study is to see the rate of increase in dengue cases in 2016 and implement the prediction results into the system.
The prediction method used in this research is the Markov Chain method.
The method compares DHF data in the previous state with the present state discretely or continuously.
The results obtained in this study are the prediction of the Bengkalis DHF cases in 2016, and also a DHF prediction information system.
The prediction figure obtained for 2016 is 343 cases.
Based on the results of the predictions made, it is known that the cases of dengue fever in Bengkalis Regency have increased in January 2016 then decreased in February 2016.
Keywords: Aedes Aegypti.
Bengkalis.
Dengue Hemorrhagic Fever.
Markov Chain.
Prediction.
Abstrak Demam Berdarah Dengue (DBD) merupakan penyakit yang diakibatkan oleh virus Dengue serta ditularkan oleh nyamuk Aedes Aegypti, diikuti dengan demam 2Ae7 hari serta pengurangan jumlah trombosit.
Angka pesakitan DBD di Kabupaten Bengkalis sangat besar sehingga pada Tahun 2014 Bengkalis diresmikan selaku Peristiwa Luar Biasa DBD.
Dinas Kesehatan Bengkalis telah menerapkan upaya- upaya penghindaran, akan tetapi permasalahan DBD masih saja terus berlangsung serta memunculkan korban jiwa.
Buat itu hingga dibutuhkan suatu prediksi yang dapat dijadikan acuan buat menanggulangi permasalahan DBD di masa mendatang.
Tujuan dari riset ini yakni buat memandang angka peningkatan permasalahan DBD Tahun 2016 serta mengimplementasikan hasil prediksi kedalam sistem.
Tata cara prediksi yang digunakan dalam riset ini yakni tata cara Markov Chain.
Tata cara ini menyamakan informasi DBD pada kondisi tadinya dengan kondisi saat ini secara diskrit ataupun kontinyu.
Hasil yang didapat dalam riset ini yakni prediksi permasalahan DBD Kabupaten Bengkalis pada Tahun 2016, serta pula suatu sistem data prediksi DBD.
Angka prediksi yang diperoleh buat tahun 2016 yakni sebesar 343 permasalahan.
Bersumber pada hasil prediksi yang dicoba, dikenal kalau permasalahan DBD di Kabupaten Bengkalis hadapi kenaikan pada Bulan Januari 2016 setelah itu hadapi penyusutan pada Bulan Februari Kata Kunci:Aedes Aegypti.
Bengkalis.
Demam Berdarah Dengue.
Markov Chain.
Prediksi.
PENDAHULUAN
Kesehatan ialah sesuatu yang sangat berarti untuk manusia.
Banyak metode yang dicoba manusia buat menjauhi terjangkitnya dari sesuatu penyakit, paling utama yakni penyakit yang beresiko.
Salah satu penyakit beresiko yang terdapat di dunia ini yakni penyakit Demam Berdarah Dengue (DBD).
Bagi Kementrian Link: https://journal.
id/index.
php/malcom/article/view/56 MALCOM-1.
: 17-23 Kesehatan Republik Indonesia .
DBD merupakan penyakit meluas yang diakibatkan oleh virus dengue serta ditularkan oleh nyamuk Aedes Aegypti, yang diisyarati dengan demam 2Ae7 hari diiringi dengan perwujudan perdarahan, penyusutan jumlah trombosit <100.
000/mm3, terdapatnya kebocoran plasma diisyarati kenaikan hematokrit Ou20% dari nilai wajar.
Nyamuk Aedes Aegypti tumbuh dimusim hujan dengan menyebarkan jentik nyamuk pada genangan air yang bersih.
Curah hujan yang banyak serta area yang tidak bersih sangat pengaruhi keberadaan Nyamuk Aedes Aegypti.
Penyakit DBD dapat melanda semua golongan secara luas.
Salah satu Kabupaten yang mempunyai permasalahan DBD di Provinsi Riau yakni Kabupaten Bengkalis.
Permasalahan DBD di Kabupaten Bengkalis hadapi penyusutan lebih dari separuh peristiwa pada Tahun 2012- 2013 setelah itu hadapi kenaikan nyaris 4 kali lipat pada Tahun 2014 ialah sebanyak 590 permasalahan bila dibanding dengan Tahun 2013 yang cuma sebanyak 158 permasalahan.
Ini ialah sesuatu peristiwa luar biasa buat penyakit DBD di Bengkalis.
Kemudian jumlah ini menyusut sedikit pada Tahun 2015 sebanyak 570 permasalahan DBD.
Penindakan yang dicoba oleh Dinas Kesehatan (Dinke.
Kabupaten Bengkalis yakni melaksanakan fogging kedaerah yang terkena penyakit DBD, membagikan materi sosialisasi guna melindungi area senantiasa bersih sehingga nyamuk Aedes Aegypti tidak dapat tumbuh biak.
Tidak hanya penindakan yang dicoba di atas, pastinya Dinkes butuh melaksanakan persiapan yang sangat baik bila seketika DBD menungkat sebagian kali Sebab bila perihal itu tidak dicoba hingga puskesmas serta rumah sakit hendak kekurangan sarana serta tenaga kerja.
Dampaknya sebagian penderita lagi dirawat serta dikirim kembali tanpa uji serologi yang sesungguhnya buat mengkonfirmasi virus dengue .
Oleh sebab itu, dibutuhkan suatu prediksi tentang jumlah permasalahan DBD pada waktu mendatang sehingga Dinkes dapat melaksanakan persiapan buat mengadapi permasalahan DBD berikutnya.
Prediksi dinilai sangat berarti guna korban dari penederita DBD dapat Dengan dikerjakannya prediksi pasti saja permasalahan DBD dapat diperkirakan jumlahnya.
Dengan terdapatnya ditaksir jumlah pengidap DBD, pasti saja Dinkes dapat memepertimbangkan formulasi penangkaran lebih dini.
Tidak hanya itu Dinkes pula dapat menghimbau kepada puskesmas serta rumah sakit di segala Kabupaten Bengkalis buat mempersiapkan obat- obatan serta regu spesial penindakan DBD, sebab dengan informasi hasil prediksi menampilkan wilayah mana yang mempunyai probabilitas terjalin permasalahan DBD yang signifikan di Kabupaten Bengkalis sehingga Dinkes dapat memfokuskan penangkalan di wilayah tersebut.
Di dalam data mining terdapat beberapa metode yang digunakan untuk prediksi, salah satunya adalah Markov Chain.
Untuk melakukan prediksi.
Markov Chain tidak memerlukan data historis terus menerus, yang dibutuhkan hanyalah data terakhir yang muncul .
Berdasarkan penelitian yang sudah dilakukan, markov chain terbukti memiliki akurasi yang relative tinggi, hasil yang mudah dimengerti, perhitungan yang sederhana dan dapat diandalkan .
BAHAN DAN METODE
Pengumpulan Data Data didapatkan dari Dinkes Kabupaten Bengkalis berupa angka jumlah kasus DBD yang terjadi tiap kecamatan perbulan.
Kemudian data tersebut diolah dan dibagi menjadi 3 kelompok data sesuai metode prediksi yang akan dilakukan.
Alur prediksi markov chain bisa dilihat pada gambar 1.
Prediksi Prediksi adalah proses untuk memperkirakan beberapa kebutuhan dimasa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa .
Prediksi dilihat dari horizon waktu ada tiga, yaitu:
Prediksi Jangka Panjang Umumnya 2 sampai 10 Tahun.
Prediksi ini digunakan untuk perencanaan produk dan perencanaan Prediksi Jangka Menengah Umumnya 1 sampai 24 Bulan.
Prediksi ini lebih mengkhususkan dibandingkan prediksi jangka panjang, biasanya digunakan untuk menentukan aliran kas, perencanaan produksi, dan penentuan anggaran.
Prediksi Jangka Pendek Umumnya 1 sampai 5 minggu.
Prediksi ini digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja dan lain-lain keputusan kontrol jangka pendek.
Markov Chain Markov Chain adalah suatu teknik matematika yang biasa digunakan untuk melakukan pemodelan bermacam-macam sistem dan proses bisnis.
Teknik ini dapat digunakan untuk memperkirakan perubahanperubahan diwaktu yang akan datang dalam variabel-variabel dinamis atas dasar perubahan-perubahan dari variabel-variabel dinamis tersebut di waktu yang lalu.
Teknik ini dapat digunakan juga untuk menganalisis kejadian-kejadian diwaktu mendatang secara matematis .
Markov Chain telah menjadi metode yang sesuai Implementation of Markov Chain for Case.
(Laksono et al, 2.
ISSN(P): 2797-2313 ISSN(E): 2775-8575 untuk menggambarkan proses acak yang berevolusi dari waktu ke waktu dan dapat digunakan untuk mengambarkan perkembangan alami dari tahun ke tahun .
Ada beberapa syarat agar Markov Chain dapat diaplikasikan dalam evaluasi keandalan sistem .
Sistem harus stationery atau homogen, artinya perilaku sistem selalu sama pada sepanjang waktu atau probabilitas transisi sistem dari satu kondisi ke kondisi lainnya yang akan selalu sama disepanjang Dengan demikian maka pendekatan Markov hanya dapat diaplikasikan untuk sistem dengan laju kegagalan yang konstan.
State is identifiable.
Kondisi yang dimungkinkan terjadi pada system harus dapat diidentifikasi dengan Apakah sistem memiliki dua kondisi .
yakni kondisi beroperasi dan kondisi gagal, ataukah sistem memiliki 3 kondisi, yakni 100 persen sukses, 50 persen sukses dan 100 persen gagal.
Sebuah Markov Chain merupakan sebuah proses Markov dengan ruang status terhingga atau terhitung (Countable se.
Untuk waktu diskrit.
Markov Chain dapat digambarkan sebagai diagram transisi status.
Dari definisi tersebut, sifat Markov secara menual dinyatakan sebagai:
cUycu 1 = yc.
ycU0 = ycn0 .
A , ycUycuOe1 = ycnycuOe1 , ycUycu = yc.
= ycE.
cUycu 1 = yc.
ycUycu = yc.
Persamaan tersebut secara narasi dapat diartikan bahwa proses selanjutnya hanya bergantung pada status saat ini, bukan pada sejarah dari proses tersebut.
Dalam proses Markov, status-status proses yang terjadi selama ini dicerminkan oleh status saat ini .
Mulai Menentukan Matrix Awal Melakukan Perbandingan Tiap Kejadian dengan Total Kejadian Diambil Bobot Terbesar Bobot Dikalikan 100% Melakukan Perbandingan Tiap Bobot dengan Total Bobot Prediksi Hasil Kali Dijadikan Bobot Baru Bobot Sebelumnya Dikalikan Matrix Awal Tidak Selesai Gambar 1.
Alur prediksi Marcov Chain
HASIL DAN ANALISIS
Prediksi Demam Berdarah Dengue Kabupaten Bengkalis hendak dicoba dengan 3 metode, ialah prediksi jangka panjang .
, prediksi jangka menengah .
erdua bula.
serta prediksi jangka pendek .
Langkah dini prediksi yakni dengan membuat matrik peristiwa dengan memakai informasi DBD dari Dinkes Kabupaten Bengkalis Tahun 2012 hingga Tahun 2015 yang ditampilkan pada Tabel 1 berikut:
MALCOM - Vol.
1 Iss.
1 April 2021, pp: 17-23 MALCOM-1.
: 17-23
Tabel 1.
Matriks Kasus DBD Pulau Pulau Pulau Rupat Bengkalis Sumatra (Sumber: Dinkes Kabupaten Bengkali.
Tahun Bebas DBD Langkah berikutnya melakukan perbandingan pada masing- masing peristiwa dengan total peristiwa.
Dimana hasil perbandingan bisa dilihat pada Tabel 2 berikut:
Tabel 2.
Hasil Perbandingan Matriks Tahun Bengkalis Rupat Sumatra (Sumber: Dinkes Kabupaten Bengkali.
Bebas DBD Dari Tabel 2 didapatkan matriks hasil kejadian sebagai berikut:
0,073
0,115
0,393
0,340
0,003
0,005
0,005
0,003
0,186
0,147
0,602
0,621
0,738
0,733
0,000
0,036
Berikutnya merupakan mengalikan kesempatan dengan matriks peristiwa.
Peristiwa (A.
) merupakan tipe peristiwa yang dilambangkan dengan bilangan biner 0 ataupun 1.
Terdapat 4 state peristiwa pada prediksi DBD sebagai berikut yakni: Pulau Bengkalis.
Pulau Rupat serta Pulau Sumatra atau dilambangkan dengan huruf merupakan [P.
S], serta bila dilambangkan dengan bilangan biner merupakan .
, 0, 0, .
Kesempatan prediksi jumlah DBD yang hendak terjalin pada Tahun 2016 didapat dengan metode:(A .
= A ( P).
Didapatkan hasil hasil peluangnya yakni:
Bobot Terbesar 0,073 0,115 0,393 0,340 0,003 0,005 0,005 0,003 0,186 0,147 0,602 0,621 0,738 0,733 0,000 0,036 0,393 0,005 0,621 0,738 Bahwa terlihat bahwa peluang atau bobot tertinggi adalah pada prediksi Tahun 2016 sehingga presentase dari peluang Prediksi Tahun 2016 dapat dinyatakan sebagai berikut :
Peluang 2016 = 39,3% 0,5% 62,1% 73,8 = 175,6% Maka Total kemungkinan atau peluang dalam presentase 100% dibagi dengan total peluang dengan hasil sebagai berikut :
Prediksi 2016 = 22,4% 0,3% 35,4% 42,0% = 100% Selanjutnya mengalikan tiap persentase dengan total peristiwa sebesar 591 peristiwa.
Hasil prediksi bersumber pada perhitungan tata cara Markov Chain pada peristiwa DBD di Kabupaten Bengkalis pada Tahun 2016 yakni Pulau Bengkalis 132 permasalahan.
Pulau Rupat 2 permasalahan.
Pulau Sumatra 209 permasalahan, serta Leluasa DBD 248 permasalahan.
Proses Prediksi pada kejadian tahun 2017 yakni dengan cara mengalikan matriks bobot terbanyak dengan matriks peristiwa.
Proses perhitungan prediksi DBD Tahun 2017 bisa dilihat pada Lampiran B.
Hasil prediksi permasalahan DBD di Kabupaten Bengkalis pada Tahun 2017 ialah Pulau Bengkalis 176 permasalahan.
Pulau Rupat 2 permasalahan.
Pulau Sumatra 305 permasalahan, serta leluasa DBD 108 Rekapitulasi prediksi permasalahan DBD Kabupaten Bengkalis pula bisa dilihat pada Tabel 3 serta Tabel 4.
Implementation of Markov Chain for Case.
(Laksono et al, 2.
ISSN(P): 2797-2313 ISSN(E): 2775-8575 Tabel 3.
Rekapitulasi Prediksi Jumlah DBD Tahun 2012 Ae 2017 Kabupaten Bengkalis Tahun Pulau Bengkalis Pulau Rupat Pulau Sumatra Bebas DBD Tabel 4.
Rekapitulasi Prediksi Jumlah DBD Tahun 2012 Ae 2017 Kabupaten Bengkalis angka Aktual Tahun Pulau Bengkalis Pulau Rupat Pulau Sumatra Bebas DBD Secara spesifik dan tervisual, rekapitulasi prediksi pada kasus DBD pertahun di Kabupaten Bengkalis juga dapat dilihat pada Gambar 2.
Grafik Kasus DBD Bengkalis Jumlah Bengkalis Rupat Sumatra bebas dbd Gambar 2.
Rekapitulasi Prediksi DBD di Bengkalis Tahun 2012 Ae 2017 Untuk melakukan prediksi perdua bulan dan perbulan, langkah yang dilakukan sama dengan prediksi Berikut adalah hasil rekapitulasi prediksi perdua bulan dan perbulan.
Tabel 5.
Rekapitulasi prediksi jumlah DBD Kabupaten Bengkalis perdua Bulan dalam persentase.
Bulan Nov-Des 2014 Jan-Feb 2015 Mar-Apr 2015 Mei-Jun 2015 Jul-Agu 2015 Sep-Okt 2015 Nov-Des 2015 Jan-Feb 2016 Mar-Apr 2016 Bengkalis Bukit Batu Siak Kecil Pinggir Rupat Mandau Bebas Dbd Tabel 6.
Rekapitulasi prediksi jumlah DBD Kabupaten Bengkalis perdua bulan dalam angka sebenarnya Bulan Nov-Des 2014 Jan-Feb 2015 Mar-Apr 2015 Mei-Jun 2015 Bengkalis Bukit Batu MALCOM - Vol.
1 Iss.
1 April 2021, pp: 17-23 Siak Kecil Pinggir Rupat Mandau Bebas DBD MALCOM-1.
: 17-23
Bulan Jul-Agu 2015 Nov-Des 2015 Jan-Feb 2015 Mar-Apr 2015 Bengkalis Bukit Batu Siak Kecil Pinggir Rupat Mandau Bebas DBD Rekapitulasi Kasus DBD di Kabupaten Bengkalis perdua bulan juga dapat dilihat pada Gambar 3.
Grafik DBD Kabupaten Bengkalis Perdua Bulan Jumlah Nov-Des Jan-Feb Mar-Apr Mei-Jun Bengkalis Bukit Batu Jul-Agu Sep-Okt Nov-Des Jan-Feb Mar-Apr Bulan Siak Kecil Pinggir Rupat Mandau Gambar 3.
Grafik perdua bulan kasus DBD pada Kabupaten Bengkalis Tabel 7.
Rekapitulasi prediksi kasus DBD Kabupaten Bengkalis perbulan dalam persentase Bulan Bengkalis Bantan Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Bukit Batu Siak Kecil Pinggir Rupat Mandau Rupat Utara Bebas DBD Tabel 8.
Rekapitulasi prediksi perbulan jumlah DBD Kabupaten Bengkalis dalam aktual Bulan Bengkalis Bantan Apr-15 May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Feb-16 Bukit Batu Siak Kecil Pinggir Rupat Mandau Rupat Utara Bebas Dbd Rekapitulasi prediksi jumlah kasus DBD Kabupaten Bengkalis perbulan juga dapat dilihat pada Gambar 4.
Implementation of Markov Chain for Case.
(Laksono et al, 2.
ISSN(P): 2797-2313 ISSN(E): 2775-8575 Grafik DBD Kabupaten Bengkalis Perbulan Jumlah Apr-15 Mei-15 Jun-15 Jul-15 Agu-15 Sep-15 Okt-15 Nov-15 Des-15 Jan-16 Feb-16 Bulan Bengkalis Bantan Bukit Batu Siak Kecil Pinggir Rupat Mandau Rupat Utara Gambar 4.
Grafik prediksi perbulan kasus DBD pada Kabupaten Bengkalis KESIMPULAN Berdasarkan hasil prediksi menggunakan Markov Chain, kasus DBD Kabupaten Bengkalis mengalami peningkatan pada awal Tahun 2016, yaitu pada Kecamatan Siak Kecil pada kasus tertinggi sebesar 15 kasus diikuti dengan Kecamatan Bengkalis 14 kasus.
Kecamatan Mandau 13 kasus.
Kecamatan Bantan 9 kasus.
Kecamatan Bukit Batu 5 kasus.
Kecamatan Pinggir 4 kasus.
Kecamatan Rupat Utara 1 Kasus dan Kecamatan Rapat tidak terdapat kasus.
Sedangkan pada Tahun 2016 kasus DBD mengalami penurunan dibandingkan dengan Tahun 2015.
Prediksi kasus DBD Kabupaten Bengkalis Tahun 2016 tiap pulau yaitu Pulau Bengkalis 132 kasus.
Pulau Rupat 2 kasus.
Pulau Sumatra 209 kasus .
REFERENSI