Submission Details

Dengue hemorrhagic fever (DHF) is endemic in Banyumas Regency, where case patterns may reflect both temporal trends and climate variability. This study developed a hybrid forecasting model combining Autoregressive Integrated Moving Average (ARIMA) and Support Vector Regression (SVR), with rainfall, ambient temperature, and relative humidity as hydrometeorological predictors. The dataset comprised 36 monthly observations from January 2022 to December 2024, obtained from health surveillance records of the Banyumas Regency Health Office and climate data from BMKG and BPS Banyumas. Climate variables were incorporated with one- and two-month lags to account for potential delayed associations with case counts. Model performance was evaluated using out-of-sample data from May to December 2024. The hybrid ARIMA–SVR model achieved an RMSE of 17.11, an MAE of 11.67, and a MAPE of 50.94%. Its RMSE and MAE were lower than those of standalone ARIMA(1,0,1) (17.85 and 12.40, respectively) and standalone SVR (25.72 and 17.81, respectively). Although the hybrid model performed better than the individual models on these error measures, its MAPE indicates substantial relative prediction error. The findings suggest that combining time-series and climate information may support dengue forecasting; further evaluation with longer time series and additional validation periods is needed before operational use as an early-warning tool.

Demam berdarah dengue (DBD) endemik di Kabupaten Banyumas, di mana pola kasus dapat mencerminkan tren temporal dan variabilitas iklim. Penelitian ini mengembangkan model peramalan hibrida yang menggabungkan Autoregressive Integrated Moving Average (ARIMA) dan Support Vector Regression (SVR), dengan curah hujan, suhu udara, dan kelembapan relatif sebagai prediktor hidrometeorologis. Dataset terdiri dari 36 pengamatan bulanan dari Januari 2022 hingga Desember 2024, yang diperoleh dari catatan pengawasan kesehatan Dinas Kesehatan Kabupaten Banyumas dan data iklim dari BMKG dan BPS Banyumas. Variabel iklim dimasukkan dengan jeda satu dan dua bulan untuk memperhitungkan kemungkinan asosiasi tertunda dengan jumlah kasus. Kinerja model dievaluasi menggunakan data di luar sampel dari Mei hingga Desember 2024. Model hibrida ARIMA–SVR mencapai RMSE sebesar 17,11, MAE sebesar 11,67, dan MAPE sebesar 50,94%. RMSE dan MAE-nya lebih rendah dibandingkan dengan ARIMA(1,0,1) mandiri (17,85 dan 12,40, masing-masing) dan SVR mandiri (25,72 dan 17,81, masing-masing). Meskipun model hibrida berkinerja lebih baik daripada model individual pada ukuran kesalahan ini, MAPE-nya menunjukkan kesalahan prediksi relatif yang substansial. Temuan ini menunjukkan bahwa menggabungkan informasi deret waktu dan iklim dapat mendukung peramalan dengue; evaluasi lebih lanjut dengan deret waktu yang lebih panjang dan periode validasi tambahan diperlukan sebelum digunakan secara operasional sebagai alat peringatan dini.