BERITABANGSA.ID, SURABAYA – Ancaman demam berdarah dengue (DBD) di Surabaya kini dapat dipetakan lebih dini melalui pendekatan berbasis kecerdasan buatan.
Inovasi tersebut lahir dari tangan mahasiswa Departemen Teknik Geomatika Institut Teknologi Sepuluh Nopember (ITS) yang mengembangkan Aedes Aegypti Environmental Risk System (AERIS), sebuah sistem prediksi risiko DBD berbasis Web Geographic Information System (WebGIS) dan machine learning.
Melalui analisis yang dilakukan tim pengembang, lima kecamatan di Surabaya diproyeksikan menjadi wilayah dengan tingkat risiko tinggi DBD pada 2026.
Kelima kecamatan tersebut adalah Tambaksari, Rungkut, Tandes, Sawahan, dan Semampir. Prediksi itu dihasilkan dari pemodelan data yang mengintegrasikan berbagai faktor lingkungan, demografi, dan karakteristik wilayah yang berpengaruh terhadap perkembangan nyamuk Aedes aegypti sebagai vektor utama penularan dengue.
Ketua tim pengembang AERIS, Rifqi Pangestu Wiguna, menjelaskan bahwa sistem tersebut dirancang untuk membantu pemerintah dan masyarakat melakukan mitigasi lebih awal sebelum lonjakan kasus terjadi.
Menurutnya, pendekatan prediktif menjadi kebutuhan penting di tengah tingginya dinamika penyebaran DBD di kawasan perkotaan.
“Melalui inovasi ini, kami berupaya menggeser pendekatan dari responsif menjadi preventif,” ujarnya.
Dalam pengembangannya, tim memanfaatkan data kasus DBD Kota Surabaya periode 2019 hingga 2024 yang diperoleh dari Dinas Kesehatan Kota Surabaya.
Data tersebut kemudian dipadukan dengan beragam parameter pendukung, mulai dari curah hujan, topografi, kepadatan penduduk, sebaran titik genangan air, hingga sejumlah variabel lingkungan lainnya yang berpotensi memengaruhi persebaran penyakit.
Rifqi menuturkan, integrasi berbagai variabel tersebut memungkinkan sistem membaca pola risiko secara lebih komprehensif.
Semakin banyak faktor relevan yang dimasukkan ke dalam model, semakin tinggi pula kemampuan sistem dalam mengenali kecenderungan munculnya kasus DBD di suatu wilayah.
Proses analisis dilakukan menggunakan empat pendekatan machine learning, yakni Random Forest, XGBoost, Support Vector Regression, dan Regresi Binomial Negatif.
Keempat metode tersebut digunakan untuk mengolah data historis sekaligus membangun model prediksi yang mampu menggambarkan tingkat kerawanan setiap kecamatan.
“Kombinasi variabel ini memungkinkan sistem menyajikan informasi risiko sebagai pendukung pengambilan keputusan berbasis data,” terang mahasiswa angkatan 2023 tersebut.
Hasil pemodelan menunjukkan bahwa kepadatan penduduk menjadi salah satu indikator dominan yang berkorelasi dengan tingginya risiko DBD. Selain itu, keberadaan genangan air juga terbukti memiliki pengaruh signifikan terhadap potensi berkembangnya populasi nyamuk pembawa virus dengue.
Temuan tersebut memperkuat pentingnya pengelolaan lingkungan perkotaan sebagai bagian dari strategi pengendalian penyakit.
Upaya pemberantasan sarang nyamuk, pengurangan titik genangan, serta peningkatan kesadaran masyarakat dinilai tetap menjadi instrumen utama dalam menekan risiko penularan.
Untuk menguji tingkat akurasi model, tim menggunakan data aktual kasus DBD pada Maret 2025 yang sengaja tidak dimasukkan dalam proses pelatihan sistem.
Hasil validasi menunjukkan performa yang menjanjikan. Model AERIS mampu mengidentifikasi sembilan dari sepuluh kecamatan dengan jumlah kasus tertinggi secara tepat.
Satu-satunya wilayah yang tidak terdeteksi adalah Kecamatan Bubutan. Menurut Rifqi, kondisi tersebut kemungkinan dipengaruhi faktor lokal yang bersifat temporer, seperti munculnya klaster penularan tertentu yang tidak tercermin dalam pola data historis.
Selain menghadirkan prediksi risiko, AERIS juga menyediakan platform visualisasi berbasis WebGIS yang memungkinkan pengguna mengakses berbagai informasi spasial secara interaktif.
Melalui sistem tersebut, pengguna dapat memantau persebaran kasus DBD, data curah hujan, lokasi fasilitas kesehatan, hingga peta prediksi risiko penyakit pada tingkat kecamatan.
Keberadaan platform ini diharapkan dapat membantu pemerintah daerah, tenaga kesehatan, akademisi, maupun masyarakat dalam memahami pola persebaran DBD secara lebih akurat dan terukur.
Dengan dukungan informasi spasial yang mudah diakses, langkah intervensi dapat dilakukan secara lebih tepat sasaran sesuai karakteristik wilayah yang berisiko.
Pengembangan AERIS juga sejalan dengan komitmen ITS dalam mendukung pencapaian Tujuan Pembangunan Berkelanjutan atau Sustainable Development5 Goals (SDGs).
Inovasi tersebut berkontribusi pada tujuan ketiga tentang kehidupan sehat dan sejahtera melalui penguatan sistem deteksi dini penyakit berbasis data.
Di saat yang sama, integrasi analisis kerawanan genangan ke dalam pemetaan risiko kesehatan turut mendukung terwujudnya kota dan permukiman yang lebih tangguh, adaptif, serta berkelanjutan.
