Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Riset Informatika Digital Transformation Technology (Digitech) Blend Sains Jurnal Teknik
Pareira, Yoseph Thobias
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mechanical Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Simulasi Pengaruh Setting Fisik Lingkungan terhadap Karakteristik Termal pada Wilayah Kejadian DBD di Maumere, Nusa Tenggara Timur Pareira, Yoseph Thobias; Parera, Yohanes Pieter Pedor; Hildegardis, Cornelia
Blend Sains Jurnal Teknik Vol. 3 No. 1 (2024): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v3i1.570

Abstract

DBD merupakan penyakit endemik dan epidemik yang menyebar luas di beberapa daerah termasuk Indonesia. Kabupaten Sikka termasuk dalam kategori iklim kering tropis (savana) dan memiliki jumlah kasus tertinggi untuk kejadian DBD dalam 2 (dua) tahun terakhir. Peningkatan DBD pada beberapa kota di Indonesia dipengaruhi oleh lingkungan fisik, terutama terkait dengan pencahayaan pada lingkungan tersebut. Wilayah yang dingin, lembap dan kurang pencahayaan merupakan area yang disukai nyamuk dan dapat diatasi dengan desain pada bangunan yang mengutamakan pencahayaan dan aliran udara yang cukup. Metode dalam penelitian menggunakan metode kuantitatif. Pengamatan wilayah dilakukan berdasarkan pada tinggi rendahnya kasus yang terjadi selama beberapa tahun terakhir di Kabupaten Sikka. Hasil ukur di lapangan, simulasi andrewmarsh, dan climate consultan menunjukkan bahwa tinggi, letak dan jarak bangunan terhadap vegetasi sebagai naungan memberikan pengaruh terhadap pembayangan. Pembayangan yang terbentuk tanpa adanya pencahayaan dan aliran udara yang cukup akan memacu tingginya kelembapan udara yang terjadi, dan kelembapan udara secara signifikan terbukti berpengaruh terhadap penyebaran kasus DBD.
Analisis Tingkat Akurasi Penggunaan Metode Monte Carlo Dalam Memprediksi Jumlah Penderita Demam Berdarah Dengue Chandra, Conchita Junita; Pareira, Yoseph Thobias
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.3266

Abstract

DBD merupakan penyakit pada manusia yang disebabkan oleh virus Dengue yang masuk melalui perantara nyamuk Aedes Aegypti, dan dapat menyebabkan kematian. Kasus DBD di Indonesia meningkat baik jumlah maupun wilayah penyebarannya termasuk di kabupaten Sikka, NTT yang ditetapkan sebagai KLB tahun 2020. Oleh karena itu pemerintah setempat perlu meningkatkan kewaspadaan serta kesiapan penanggulangan, salah satunya dengan memprediksi jumlah penderita demam berdarah di masa yang akan datang. Penelitian ini dilakukan dengan studi literatur dan metode kuantitatif untuk menguji hipotesis, melalui pengumpulan data-data sekunder yang bersumber dari Dinas Kesehatan Kapupaten Sikka terkait jumlah kasus DBD di Sikka dari tahun 2019 hingga 2022, selanjutnya dibuat pemodelan dan simulasi menggunakan metode Monte Carlo untuk memprediksi jumlah kasus perbulan setiap tahun berdasarkan data tahun sebelumnya. Hasil prediksi dibandingkan dengan data sesungguhnya untuk melihat tingkat akurasi metode yang digunakan. Pada penelitian ini dipilih MAE sebagai metrik evaluasi karena jumlah penderita real ada yang bernilai 0. Hasil simulasi menunjukan bahwa prediksi jumlah penderita DBD per bulan berdasarkan data 1 tahun sebelumnya kurang akurat, terlihat pada rata-rata MAE terendah adalah 24. Namun jika dijumlahkan dalam setahun, hasilnya mendekati jumlah penderita real. Sedangkan hasil simulasi data 2 tahun untuk prediksi 1 tahun menunjukan hasil semakin akurat. Dapat disimpulkan bahwa penggunaan metode Monte Carlo dalam memprediksi jumlah penderita DBD kurang tepat karena hasilnya kurang akurat, terutama jika data yang digunakan untuk prediksi hanya berdasarkan data 1 tahun sebelumnya. Perlu penelitian lanjut yang melibatkan lebih banyak data masa lampau, serta data lain yang dianggap mempengaruhi kasus DBD, termasuk metode prediksinya.
DENGUE FEVER CASE PREDICTION MODEL USING LINEAR REGRESSION WITH EXPLANATORY SEQUENTIAL MIXED METHODS APPROACH Chandra, Conchita Junita; Pareira, Yoseph Thobias
Jurnal Riset Informatika Vol. 8 No. 2 (2026): Maret 2026
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v8i2.484

Abstract

Dengue Hemorrhagic Fever (DHF) is an infectious disease in Indonesia, including in Sikka Regency, where the number of cases has increased over the past decade. Predicting the number of DHF cases is crucial to support disease prevention and control policies. This study aims to develop a predictive model for the number of dengue fever cases based on building area, population, and population density, moreover to explain other factors that influence the prediction results. The study uses an explanatory sequential mixed methods approach, and the prediction model is developed using simple linear regression and multiple linear regression. Quantitative data were obtained from the Health Office, the Sikka Regency Statistics Office, and Google Earth; while qualitative data were obtained through interviews with surveillance personnel from the Health Office and several community health centers in the study area, using a purposive sampling technique. The results show that the building area has a weak relationship with the number of DHF cases (R² = 0.10334 for Alok Timur sub-district and R2=0.38055 for Waiblama). After adding the population and population density variables, the R² in Alok Timur increases to 0.46974; and R2=0.41024 for Waiblama; however, the accuracy is still low. The interviews results show that community behavior is the dominant factors of DHF cases. This study indicates that predictive models based on physical environmental and population variables are unable to accurately depict the complexity of dengue fever case distribution. Therefore, the development of models that integrate community behavioral factors is necessary to provide more accurate predictions.
Co-Authors Chandra, Conchita Junita Cornelia Hildegardis Yohanes Pieter Pedor Parera