Tentang Sistem
Sistem prediksi spasial-temporal berbasis AI untuk kasus demam berdarah di Daerah Istimewa Yogyakarta, Indonesia.
Spatio-Temporal Graph Neural Network
Sistem ini memanfaatkan teknik machine learning canggih, khususnya <i>Spatio-Temporal Graph Neural Networks (STGNN)</i>, untuk memprediksi wabah demam berdarah dengan menganalisis data kasus historis, variabel iklim, dan faktor lingkungan.
Model ini secara bersamaan menangkap dependensi spasial antar kabupaten melalui struktur graf, dan pola temporal seperti musiman serta tren historis melalui recurrent layers — menggabungkan keduanya dalam satu prediksi end-to-end.
Arsitektur Model
Klasifikasi Risiko
Alert jika prediksi > mean + 1.25 × SD (kanal endemik)
Ambang batas dihitung per kabupaten per bulan menggunakan data dari 2021 hingga tahun sebelum target prediksi.
Sumber Data
Tiga aliran data pelengkap yang digunakan oleh model prediksi.
Kasus Demam Berdarah
Jumlah kasus demam berdarah bulanan dari kantor kesehatan di 5 kabupaten di Yogyakarta
Data Iklim
Suhu, kelembaban, curah hujan, dan variabel cuaca lainnya dari API NASA POWER dan OpenWeather
Data NDVI
Normalized Difference Vegetation Index dari citra satelit MODIS (NASA NEO)
Teknologi
Alat open-source yang menggerakkan sistem dari ujung ke ujung.
Backend
Frontend
Informasi Lebih Lanjut
Sistem ini dikembangkan untuk mendukung pengambilan keputusan kesehatan masyarakat dalam pencegahan dan pengendalian demam berdarah di Daerah Istimewa Yogyakarta.