Kasus Demam Berdarah Dengue (DBD) per Kabupaten/Kota di Jawa Barat, 2016-2025
Rahayu Puspita Sari
2026-09-14
1 Pendahuluan
Dataset yang digunakan adalah Jumlah Kasus Demam Berdarah Dengue (DBD) Berdasarkan Jenis Kelamin di Jawa Barat, mencakup tahun 2016-2025, bersumber dari data terbuka Pemerintah Provinsi Jawa Barat (Dinas Kesehatan).
Dataset mengandung dimensi:
- Spasial: 27 kabupaten/kota se-Jawa Barat
- Temporal: tahun 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024, 2025 (data tahunan)
Variabel utama:
tahun— tahun pelaporankabupaten— nama kabupaten/kotalaki_laki,perempuan— jumlah kasus menurut jenis kelamintotal_kasus— total kasus DBD (laki-laki + perempuan)
2 Persiapan Data
2.1 Load Package
library(tidyverse)
library(readxl)
library(sf)
library(spdep)
library(geodata)
library(knitr)
library(ggrepel)
library(ggplot2)2.2 Load Data
dbd <- read_excel("C:/Users/rahay/OneDrive/Documents/Semester 5/Statistika Lingkungan/Jumlah Kasus Demam Berdarah Dengue Berdasarkan Jenis Kelamin di Jawa Barat.xlsx")
names(dbd) <- c("tahun", "kabupaten_kota", "laki_laki", "perempuan", "total_kasus")
df <- dbd %>%
mutate(kabupaten_kota_join = str_squish(str_remove(kabupaten_kota, "^Kabupaten ")))
str(df)## tibble [270 × 6] (S3: tbl_df/tbl/data.frame)
## $ tahun : num [1:270] 2016 2016 2016 2016 2016 ...
## $ kabupaten_kota : chr [1:270] "Kabupaten Bogor" "Kabupaten Sukabumi" "Kabupaten Cianjur" "Kabupaten Bandung" ...
## $ laki_laki : num [1:270] 1725 419 434 1664 291 ...
## $ perempuan : num [1:270] 1699 374 365 1708 225 ...
## $ total_kasus : num [1:270] 3424 793 799 3372 516 ...
## $ kabupaten_kota_join: chr [1:270] "Bogor" "Sukabumi" "Cianjur" "Bandung" ...class(df)## [1] "tbl_df" "tbl" "data.frame"3 Statistik Deskriptif
3.1 Statistik Deskriptif antar wilayah dan tahun
desc_stats <- df %>%
summarise(
n = n(),
mean = mean(total_kasus),
median = median(total_kasus),
sd = sd(total_kasus),
var = var(total_kasus),
min = min(total_kasus),
q1 = quantile(total_kasus, 0.25),
q3 = quantile(total_kasus, 0.75),
max = max(total_kasus),
range = max - min,
iqr = IQR(total_kasus)
)
kable(desc_stats)| n | mean | median | sd | var | min | q1 | q3 | max | range | iqr |
|---|---|---|---|---|---|---|---|---|---|---|
| 270 | 1091.748 | 727.5 | 1183.92 | 1401667 | 0 | 294.75 | 1389.5 | 7680 | 7680 | 1094.75 |
# Wilayah dengan kasus TERTINGGI dan TERENDAH
df %>% slice_max(total_kasus, n = 5) %>%
select(tahun, kabupaten_kota, total_kasus) %>% kable()| tahun | kabupaten_kota | total_kasus |
|---|---|---|
| 2024 | Kota Bandung | 7680 |
| 2025 | Kabupaten Karawang | 7578 |
| 2022 | Kota Bandung | 5205 |
| 2024 | Kota Depok | 5040 |
| 2019 | Kota Bandung | 4424 |
| 2020 | Kota Bandung | 4424 |
df %>% slice_min(total_kasus, n = 5) %>%
select(tahun, kabupaten_kota, total_kasus) %>% kable()| tahun | kabupaten_kota | total_kasus |
|---|---|---|
| 2017 | Kabupaten Cianjur | 0 |
| 2017 | Kabupaten Bandung | 0 |
| 2017 | Kota Banjar | 0 |
| 2018 | Kota Cirebon | 24 |
| 2018 | Kabupaten Ciamis | 29 |
Interpretasi Dari 270 observasi, jumlah kasus DBD di Provinsi Jawa Barat menunjukkan variasi besar antar wilayah dan tahun:
mean (1091,7) lebih besar dari median (727,5), ini indikasi kuat bahwa distribusi data skewed ke kanan. Artinya sebagian besar kabupaten/kota punya kasus di sekitar rendah-menengah, tapi ada beberapa wilayah dengan kasus sangat tinggi. Standar deviasi (1183,9) yang hampir sebesar mean menunjukkan kesenjangan besar antar kabupaten/kota dan antar tahun.
Kasus tertinggi adalah Kota Bandung pada tahun 2024 dengan jumlah kasus 7680 orang terjangkit DBD, disusul Kabupaten Karawangan pada tahun 2025 dengan jumlah kasus 7578 orang terjangkit DBD, dan Kota Bandung juga pada tahun 2022 dengan 5205 kasus. Kota Bandung bahkan tercatat berulang kali di posisi kasus tertinggi.
Kasus terendah tercatat 0 kasus, terjadi di tiga wilayah sekaligus pada tahun 2017 yaitu Kabupaten Cianjur, Kabupaten Bandung, dan Kota Banjar. Disusul Kota Cirebon 24 kasus dan Kabupaten Ciamis 29 Kasus.
Kesimpulan: Beban DBD di Provinsi Jawa Barat tidak merata sepanjang 2016-2025, kesenjangan terjadi antara wilayah perkotaan padat seperti Kota Bandung dan Kabupaten Karawang, dan wilayah kecil (kasus rendah)
3.2 Statistik per tahun
untuk melihat tren dari waktu ke waktu:
df %>%
group_by(tahun) %>%
summarise(total_provinsi = sum(total_kasus),
mean = mean(total_kasus),
median = median(total_kasus),
sd = sd(total_kasus),
max = max(total_kasus),
kab_tertinggi = kabupaten_kota[which.max(total_kasus)]) %>%
kable()| tahun | total_provinsi | mean | median | sd | max | kab_tertinggi |
|---|---|---|---|---|---|---|
| 2016 | 37418 | 1385.8519 | 960 | 1084.6796 | 3881 | Kota Bandung |
| 2017 | 8561 | 317.0741 | 224 | 369.5012 | 1786 | Kota Bandung |
| 2018 | 12492 | 462.6667 | 238 | 605.0305 | 2826 | Kota Bandung |
| 2019 | 25282 | 936.3704 | 616 | 982.1368 | 4424 | Kota Bandung |
| 2020 | 24426 | 904.6667 | 651 | 892.9663 | 4424 | Kota Bandung |
| 2021 | 23959 | 887.3704 | 526 | 952.7534 | 3743 | Kota Bandung |
| 2022 | 36608 | 1355.8519 | 1009 | 1175.9650 | 5205 | Kota Bandung |
| 2023 | 19328 | 715.8519 | 630 | 529.1850 | 1881 | Kabupaten Bogor |
| 2024 | 61423 | 2274.9259 | 1902 | 1645.4454 | 7680 | Kota Bandung |
| 2025 | 45275 | 1676.8519 | 1240 | 1589.1456 | 7578 | Kabupaten Karawang |
Interpretasi
Total kasus DBD se-Jawa Barat berfluktuasi cukup tajam sepanjang 2016-2025, dengan pola naik-turun yang berulang. Titik terendah terjadi di 2017 (8.561 kasus), sementara puncak tertinggi ada di 2024 (61.423 kasus), rentang yang sangat lebar, hampir 7x lipat antara tahun terendah dan tertinggi.
Terlihat pola siklus: kasus rendah di 2017-2018 (8.561 dan 12.492), naik bertahap 2019-2021 (sekitar 24.000-25.000), sempat naik lagi ke 36.608 di 2022, sedikit turun di 2023 (19.328), lalu melonjak drastis ke puncaknya di 2024 (61.423), dan turun kembali di 2025 (45.275) namun masih jauh di atas level tahun-tahun sebelum 2022. Pola naik-turun berulang ini konsisten dengan karakteristik epidemiologi DBD yang memang cenderung bersiklus multi-tahun, biasanya terkait pergantian dominasi serotipe virus dengue dan tingkat imunitas populasi.
Kota Bandung mendominasi sebagai kabupaten/kota dengan kasus tertinggi di 8 dari 10 tahun (2016-2022, dan 2024), hanya digeser oleh Kabupaten Bogor di 2023 dan Kabupaten Karawang di 2025. Dengan data 10 tahun terlihat jelas bahwa Kota Bandung adalah episentrum DBD paling dominan dan persisten di Jawa Barat, dengan Karawang baru muncul sebagai pesaing serius di tahun terakhir (2025).
4 Visualisasi Data
4.1 Histogram
ggplot(df, aes(x = total_kasus)) +
geom_histogram(bins = 15, fill = "blue", color = "white") +
facet_wrap(~tahun, ncol = 5) +
labs(title = "Distribusi Jumlah Kasus DBD per Kabupaten/Kota, per Tahun",
x = "Total kasus", y = "Frekuensi (jumlah kabupaten/kota)") +
theme_minimal()
Interpretasi
2016: Sebaran melebar sampai ke rentang 2.000-4.000, ada 2 kabupaten/kota di ekor kanan, tahun dengan variasi cukup lebar untuk level “normal” (sebelum tren turun 2017-2018).
2017 & 2018: Paling terkonsentrasi ke kiri (kasus rendah) dari semua tahun, mayoritas wilayah di bawah 1.000 kasus, nyaris tidak ada wilayah dengan kasus tinggi. Ini titik terendah wabah DBD dalam dekade ini.
2019 & 2020: Sebaran mulai melebar lagi, sudah ada beberapa wilayah masuk rentang 2.000-4.000, meski mayoritas masih di bawah 1.000.
2021: Mirip 2019-2020, terkonsentrasi rendah dengan sedikit wilayah menengah, belum ada tanda lonjakan besar.
2022: Sebaran melebar signifikan, cukup banyak wilayah masuk rentang 2.000-4.000 dan satu wilayah tembus ke atas 5.000 (Kota Bandung), sebelum sempat mereda di 2023.
2023: Kembali menyempit, mayoritas wilayah di bawah 2.000, jeda sesaat sebelum lonjakan besar 2024.
2024: Sebaran paling melebar dan tidak merata, mengelompok di 500-2.000 dan 3.000-4.500, plus satu wilayah ekstrem terpisah dekat 8.000 (Kota Bandung). Tahun paling ekstrem/skewed dari seluruh dekade.
2025: Sedikit menyempit dari 2024 tapi tetap lebar, dengan satu wilayah ekstrem di dekat 8.000 (Kabupaten Karawang) yang menggantikan posisi Kota Bandung tahun sebelumnya.
Pola keseluruhan: Terlihat siklus jelas, sebaran menyempit (rendah) di 2017-2018 dan 2023, lalu melebar (tinggi, skewed) di 2016, 2022, dan puncaknya 2024-2025. Pola bolak-balik “sempit-lebar” ini mendukung dugaan adanya siklus multi-tahun dalam wabah DBD Jawa Barat, bukan tren naik yang terus-menerus.
4.2 Boxplot (antar tahun)
ggplot(df, aes(x = factor(tahun), y = total_kasus)) +
geom_boxplot(fill = "blue", outlier.color = "red") +
labs(title = "Sebaran Jumlah Kasus DBD antar Kabupaten/Kota, per Tahun",
x = "Tahun", y = "Total kasus") +
theme_minimal()
Interpretasi
2016: Median ±900, kotak relatif lebar (±400-1.700), dengan 2 outlier di kisaran 3.400-3.900.
2017: Median dan kotak paling rendah/sempit dari seluruh tahun (mendekati 0), whisker pendek. Ada 2 outlier kecil (±700 dan ±1.800).
2018: Kotak dan median tetap rendah, dengan 1 outlier di ±2.850.
2019: Median ±650, kotak melebar ke ±300-1.100, whisker sampai ±2.300, dengan 2 outlier (±2.400 dan 4.424).
2020: Median ±650, kotak ±350-1.300, dengan 1 outlier di 4.424.
2021: Median ±550, dengan 4 outlier (±2.000, 2.200, 3.150, 3.750), jumlah outlier terbanyak dari seluruh tahun.
2022: Median naik ke ±1.000, kotak melebar (±600-1.850), whisker sampai ±2.400, dengan 2 outlier (4.200 dan 5.205).
2023: Median ±650, kotak ±350-1.000, whisker sampai ±1.850, tanpa outlier.
2024: Median ±1.900, tertinggi dari seluruh tahun, kotak paling lebar (±1.000-3.300), whisker sampai ±5.000, dengan 1 outlier ekstrem di 7.680 (Kota Bandung).
2025: Median ±1.300, kotak ±800-2.000, dengan 1 outlier ekstrem di 7.578 (Kabupaten Karawang).
Kesimpulan umum: Median dan sebaran kasus DBD berbeda-beda tiap tahun, dengan nilai terendah di 2017-2018 dan 2023, serta tertinggi di 2024. Outlier ekstrem (di atas 4.000 kasus) mulai muncul sejak 2019 dan konsisten ada tiap tahun setelahnya, dengan puncaknya di 2024 dan 2025 (Kota Bandung dan Kabupaten Karawang).
4.3 Time Series
Total kasus DBD se-Jawa Barat tiap tahun (garis provinsi), dilengkapi beberapa kabupaten/kota dengan kasus tertinggi:
ts_provinsi <- df %>%
group_by(tahun) %>%
summarise(total = sum(total_kasus))
ggplot(ts_provinsi, aes(x = tahun, y = total)) +
geom_line(color = "red", linewidth = 1) +
geom_point(size = 2, color = "red") +
scale_x_continuous(breaks = ts_provinsi$tahun) +
labs(title = "Tren Total Kasus DBD Provinsi Jawa Barat, 2016-2025",
x = "Tahun", y = "Total kasus") +
theme_minimal()
Interpretasi
Total kasus DBD se-Jawa Barat berfluktuasi tajam sepanjang dekade ini, bukan tren yang naik terus-menerus. Dimulai cukup tinggi di 2016 (37.418), anjlok drastis ke titik terendah di 2017 (8.561), lalu naik bertahap dan relatif stabil di kisaran 24.000-25.000 selama 2019-2021, sempat naik lagi ke 36.608 di 2022, turun kembali di 2023 (19.328), sebelum melonjak tajam ke puncak tertinggi di 2024 (61.423), hampir 3x lipat dari tahun sebelumnya dan turun sedikit di 2025 (45.275) namun masih jauh di atas level tahun-tahun sebelumnya.
Bentuk kurva menunjukkan pola naik-turun berulang dengan dua “lembah” jelas (2017 dan 2023) serta dua “puncak” (2016 dan terutama 2024) sepanjang periode pengamatan. Rentang antara titik terendah (8.561 di 2017) dan tertinggi (61.423 di 2024) sangat lebar, hampir 7x lipat yang menunjukkan variasi kasus DBD antar tahun di Jawa Barat sangat besar.
2024 tegas menjadi tahun dengan beban DBD terparah dalam 10 tahun terakhir, jauh melampaui puncak sebelumnya di 2016 dan 2022. Meski 2025 menunjukkan penurunan, angkanya masih menjadi yang tertinggi kedua sepanjang dekade yang mengindikasikan situasi belum sepenuhnya kembali ke level “normal” seperti tahun-tahun sebelum 2022.
top5_kab <- df %>%
filter(tahun == 2025) %>%
slice_max(total_kasus, n = 5) %>%
pull(kabupaten_kota)
df %>%
filter(kabupaten_kota %in% top5_kab) %>%
ggplot(aes(x = tahun, y = total_kasus, color = kabupaten_kota)) +
geom_line(linewidth = 1) +
geom_point(size = 2) +
scale_x_continuous(breaks = 2016:2025) +
labs(title = "Tren Kasus DBD, 5 Kabupaten/Kota Tertinggi (2025)",
x = "Tahun", y = "Total kasus", color = "Kabupaten/Kota") +
theme_minimal()
Interpretasi
Kota Bandung (hijau): fluktuatif sepanjang dekade dengan level yang secara umum tertinggi dibanding 4 wilayah lain di sebagian besar tahun. Naik ke ±4.400 di 2019-2020, sempat turun ke ±3.800 di 2021, naik lagi ke ±5.200 di 2022, anjlok ke ±1.900 di 2023, lalu melonjak tajam ke puncak tertinggi keseluruhan grafik ini (±7.680) di 2024 sebelum turun ke ±4.100 di 2025. Kota Bandung konsisten menjadi wilayah dengan kasus tertinggi di hampir semua tahun, kecuali di titik akhir (2025) ketika disalip Karawang.
Kabupaten Karawang (kuning): polanya paling berbeda dari yang lain, relatif rendah dan stabil sepanjang 2016-2023 (di bawah 1.500, bahkan sempat mendekati 0 di 2017-2018), baru mulai naik di 2024 (±3.300), lalu melonjak drastis di 2025 (±7.578) ini menyalip Kota Bandung dan menjadi wilayah tertinggi di tahun terakhir. Karawang adalah satu-satunya dari kelima wilayah yang trennya justru masih menanjak tajam di titik akhir grafik, bukan menurun seperti yang lain.
Kota Bekasi (biru): sempat jadi wilayah tertinggi di awal periode (±3.900 di 2016), lalu turun tajam ke ±650 di 2017-2018, kemudian naik bertahap dan relatif stabil di kisaran 1.700-2.400 selama 2019-2022, turun ke ±1.300 di 2023, lalu naik ke ±4.200 di 2024 dan bertahan hampir sama di 2025 (±4.100), menjadikan satu-satunya wilayah dengan pola 2024-2025 yang landai/stabil, bukan naik atau turun tajam.
Kota Depok (pink): mengikuti pola naik-turun serupa Kota Bandung, turun ke ±700 di 2017, naik ke ±2.200 di 2019, sempat memuncak di ±3.200 pada 2021 (paling awal mencapai puncak lokal dibanding wilayah lain), turun ke ±1.200 di 2023, lalu naik tajam ke ±5.000 di 2024 (tertinggi kedua tahun itu setelah Bandung), dan turun ke ±3.100 di 2025.
Kabupaten Bekasi (merah): konsisten menjadi wilayah terendah dari kelima wilayah ini di hampir seluruh periode, dengan level yang jauh di bawah wilayah lain sepanjang 2017-2023 (sebagian besar di bawah 1.000). Baru mulai naik di 2024 (±1.900) dan terus naik ke 2025 (±2.800) yang sama seperti Karawang, ini salah satu dari hanya dua wilayah yang trennya masih menanjak di titik akhir, meski levelnya tetap paling rendah dari kelimanya.
Kesimpulan: Kelima wilayah menunjukkan pola dasar yang serupa, turun tajam di 2017-2018, naik-turun di pertengahan dekade, dan melonjak signifikan di 2024. Yang membedakan adalah arah pergerakan di 2025 yaitu Kota Bandung, Kota Depok cenderung menurun dari puncak 2024, Kota Bekasi relatif stabil, sementara Karawang dan Kabupaten Bekasi justru masih terus naik, ini mengindikasikan pergeseran episentrum wabah DBD dari wilayah Bandung Raya/Depok ke arah Karawang-Bekasi menjelang akhir periode pengamatan.
4.4 Peta Tematik
peta_jabar <- st_read(
"https://github.com/wmgeolab/geoBoundaries/raw/9469f09/releaseData/gbOpen/IDN/ADM2/geoBoundaries-IDN-ADM2_simplified.geojson"
) %>%
mutate(kabkota_key = str_trim(shapeName)) %>%
filter(kabkota_key %in% unique(df$kabupaten_kota_join))## Reading layer `geoBoundaries-IDN-ADM2_simplified' from data source
## `https://github.com/wmgeolab/geoBoundaries/raw/9469f09/releaseData/gbOpen/IDN/ADM2/geoBoundaries-IDN-ADM2_simplified.geojson'
## using driver `GeoJSON'
## Simple feature collection with 519 features and 5 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 95.01115 ymin: -11.00762 xmax: 141.0194 ymax: 6.07693
## Geodetic CRS: WGS 84data_map_2025 <- df %>% filter(tahun == 2025)
peta_join <- peta_jabar %>%
left_join(data_map_2025, by = c("kabkota_key" = "kabupaten_kota_join"))
peta_join_centroid <- peta_join %>%
mutate(centroid = st_centroid(geometry),
lon = st_coordinates(centroid)[,1],
lat = st_coordinates(centroid)[,2])
ggplot(peta_join) +
geom_sf(aes(fill = total_kasus), color = "white", linewidth = 0.2) +
geom_text_repel(
data = peta_join_centroid,
aes(x = lon, y = lat, label = kabkota_key),
size = 2.3, color = "black",
segment.size = 0.3, segment.color = "grey",
max.overlaps = 30, min.segment.length = 0
) +
scale_fill_distiller(palette = "Reds", direction = 1, name = "Jumlah\nKasus DBD") +
labs(title = "Peta Tematik Kasus DBD Provinsi Jawa Barat, 2025",
caption = "Sumber: Open Data Jabar, Dinas Kesehatan Provinsi Jawa Barat; batas wilayah: geoBoundaries") +
theme_void(base_size = 12) +
theme(plot.title = element_text(face = "bold", hjust = 0.5))
Interpretasi
Kabupaten Karawang tampil paling gelap (>6.000 kasus), jauh melampaui wilayah lain, mengonfirmasi temuan sebelumnya bahwa Karawang menjadi episentrum DBD Jawa Barat di tahun 2025.
Pola klaster spasial terlihat jelas di wilayah utara-barat: Karawang, Bekasi, dan Kota Bekasi (sekitarnya) sama-sama berwarna gelap/oranye tua dan saling berdekatan secara geografis, mengindikasikan kemungkinan adanya autokorelasi spasial positif (wilayah dengan kasus tinggi cenderung mengelompok).
Wilayah selatan dan tenggara (Sukabumi, Cianjur, Pangandaran, Ciamis, Kota Banjar, Tasikmalaya) secara konsisten berwarna paling pudar, kasus DBD-nya jauh lebih rendah, sesuai dengan temuan Kota Banjar sebagai wilayah terendah di statistik deskriptif sebelumnya.
Wilayah tengah (Bandung Raya: Kota Bandung, Kota Cimahi, Bandung, Bandung Barat) berada di level menengah, cukup tinggi tapi tidak seekstrem Karawang, meski Kota Bandung sempat jadi episentrum di 2024.
4.5 Grafik Pendukung: Perbandingan Jenis Kelamin
df %>%
group_by(tahun) %>%
summarise(laki_laki = sum(laki_laki), perempuan = sum(perempuan)) %>%
pivot_longer(cols = c(laki_laki, perempuan),
names_to = "jenis_kelamin", values_to = "jumlah") %>%
ggplot(aes(x = factor(tahun), y = jumlah, fill = jenis_kelamin)) +
geom_col(position = "dodge") +
labs(title = "Kasus DBD Provinsi Jawa Barat Menurut Jenis Kelamin",
x = "Tahun", y = "Jumlah kasus", fill = "Jenis Kelamin") +
scale_fill_manual(values = c("laki_laki" = "blue", "perempuan" = "pink"),
labels = c("Laki-laki", "Perempuan")) +
theme_minimal()
Interpretasi
Tren laki-laki dan perempuan mengikuti pola yang identik dengan total kasus provinsi sepanjang 2016-2025 yang sama-sama turun tajam di 2017, naik bertahap 2019-2022, turun lagi di 2023, lalu melonjak ke puncak tertinggi di 2024, dan sedikit turun di 2025. Pola pergerakan yang serentak ini menunjukkan lonjakan maupun penurunan kasus DBD menyerang kedua gender secara bersamaan, bukan terkonsentrasi pada gender tertentu di tahun tertentu.
Laki-laki konsisten sedikit lebih tinggi dari perempuan di seluruh 10 tahun tanpa terkecuali, meski selisihnya relatif kecil dan proporsional (tidak melebar drastis meski total kasus naik-turun tajam). Dengan laki-laki sedikit lebih rentan secara konsisten sepanjang dekade ini kemungkinan terkait faktor mobilitas atau aktivitas luar ruang yang lebih tinggi, namun ini tetap hipotesis yang perlu dikonfirmasi dengan data pendukung lain.
5 Identifikasi & Interpretasi Outlier
5.1 Metode IQR
Q1 <- quantile(df$total_kasus, 0.25)
Q3 <- quantile(df$total_kasus, 0.75)
IQR_val <- Q3 - Q1
batas_bawah <- Q1 - 1.5 * IQR_val
batas_atas <- Q3 + 1.5 * IQR_val
outlier_iqr <- df %>%
filter(total_kasus < batas_bawah | total_kasus > batas_atas) %>%
arrange(desc(total_kasus))
cat("Batas bawah:", batas_bawah, "| Batas atas:", batas_atas, "\n")## Batas bawah: -1347.375 | Batas atas: 3031.625kable(outlier_iqr)| tahun | kabupaten_kota | laki_laki | perempuan | total_kasus | kabupaten_kota_join |
|---|---|---|---|---|---|
| 2024 | Kota Bandung | 3886 | 3794 | 7680 | Kota Bandung |
| 2025 | Kabupaten Karawang | 3915 | 3663 | 7578 | Karawang |
| 2022 | Kota Bandung | 2646 | 2559 | 5205 | Kota Bandung |
| 2024 | Kota Depok | 2689 | 2351 | 5040 | Kota Depok |
| 2019 | Kota Bandung | 2322 | 2102 | 4424 | Kota Bandung |
| 2020 | Kota Bandung | 2322 | 2102 | 4424 | Kota Bandung |
| 2022 | Kabupaten Bandung | 2014 | 2177 | 4191 | Bandung |
| 2024 | Kota Bekasi | 2220 | 1947 | 4167 | Kota Bekasi |
| 2025 | Kota Bandung | 2154 | 1942 | 4096 | Kota Bandung |
| 2025 | Kota Bekasi | 2041 | 2004 | 4045 | Kota Bekasi |
| 2016 | Kota Bandung | 2054 | 1827 | 3881 | Kota Bandung |
| 2016 | Kota Bekasi | 1972 | 1841 | 3813 | Kota Bekasi |
| 2024 | Kabupaten Bandung Barat | 1803 | 1951 | 3754 | Bandung Barat |
| 2021 | Kota Bandung | 1951 | 1792 | 3743 | Kota Bandung |
| 2024 | Kabupaten Bandung | 1812 | 1777 | 3589 | Bandung |
| 2016 | Kabupaten Bogor | 1725 | 1699 | 3424 | Bogor |
| 2024 | Kabupaten Bogor | 1706 | 1698 | 3404 | Bogor |
| 2016 | Kabupaten Bandung | 1664 | 1708 | 3372 | Bandung |
| 2024 | Kabupaten Karawang | 1689 | 1590 | 3279 | Karawang |
| 2024 | Kabupaten Garut | 1533 | 1736 | 3269 | Garut |
| 2021 | Kota Depok | 1707 | 1448 | 3155 | Kota Depok |
| 2024 | Kota Bogor | 1603 | 1514 | 3117 | Kota Bogor |
| 2025 | Kota Depok | 1626 | 1459 | 3085 | Kota Depok |
Interpretasi
Dengan batas atas 3.031,6, teridentifikasi 23 observasi outlier.
Kota Bandung mendominasi daftar outlier, muncul 7 kali (2016, 2019, 2020, 2021, 2022, 2024, 2025), ini mengonfirmasi ulang temuan sebelumnya bahwa Kota Bandung bukan sekadar “beruntung” tinggi di satu tahun, tapi secara struktural dan berulang menjadi wilayah berkasus tinggi hampir di sepanjang dekade. Disusul Kota Bekasi (3 kali: 2016, 2024, 2025) dan Kota Depok (3 kali: 2021, 2024, 2025) yang juga berulang, serta Kabupaten Bandung (3 kali: 2016, 2022, 2024).
Kabupaten Karawang hanya muncul 2 kali (2024, 2025), outlier-nya baru terjadi di dua tahun terakhir, menegaskan bahwa lonjakan Karawang adalah fenomena baru dan mendadak, bukan pola lama seperti Kota Bandung.
Sebaran tahun outlier menunjukkan konsentrasi di dua periode: 2016 (4 wilayah: Kota Bandung, Kota Bekasi, Kabupaten Bogor, Kabupaten Bandung) dan pada 2024 terdapat 9 wilayah, paling banyak dari semua tahun yaitu, Kota Bandung, Kota Depok, Kota Bekasi, Kabupaten Bandung Barat, Kabupaten Bandung, Kabupaten Bogor, Kabupaten Karawang, Kabupaten Garut, Kota Bogor. Ini mengonfirmasi 2024 sebagai tahun dengan wabah paling luas dan tidak merata, banyak wilayah sekaligus melonjak jauh di atas kebiasaan, bukan cuma satu-dua wilayah seperti tahun-tahun lain.
Kesimpulan: Kota Bandung adalah wilayah dengan risiko DBD tinggi sepanjang 10 tahun terakhir, sementara Kabupaten Karawang merupakan episentrum baru yang baru muncul di 2024-2025. Tahun 2024 sendiri tercatat sebagai periode dengan sebaran wabah paling luas, melibatkan hampir sepertiga dari seluruh kabupaten/kota di Jawa Barat yang sama-sama mengalami lonjakan ekstrem secara bersamaan.
5.2 Metode Z-score
df <- df %>%
group_by(tahun) %>%
mutate(z_score = (total_kasus - mean(total_kasus)) / sd(total_kasus)) %>%
ungroup()
outlier_z <- df %>%
filter(abs(z_score) > 2) %>%
arrange(desc(abs(z_score)))
kable(outlier_z)| tahun | kabupaten_kota | laki_laki | perempuan | total_kasus | kabupaten_kota_join | z_score |
|---|---|---|---|---|---|---|
| 2017 | Kota Bandung | 980 | 806 | 1786 | Kota Bandung | 3.975429 |
| 2020 | Kota Bandung | 2322 | 2102 | 4424 | Kota Bandung | 3.941171 |
| 2018 | Kota Bandung | 1453 | 1373 | 2826 | Kota Bandung | 3.906140 |
| 2025 | Kabupaten Karawang | 3915 | 3663 | 7578 | Karawang | 3.713409 |
| 2019 | Kota Bandung | 2322 | 2102 | 4424 | Kota Bandung | 3.551063 |
| 2024 | Kota Bandung | 3886 | 3794 | 7680 | Kota Bandung | 3.284870 |
| 2022 | Kota Bandung | 2646 | 2559 | 5205 | Kota Bandung | 3.273182 |
| 2021 | Kota Bandung | 1951 | 1792 | 3743 | Kota Bandung | 2.997239 |
| 2022 | Kabupaten Bandung | 2014 | 2177 | 4191 | Bandung | 2.410912 |
| 2021 | Kota Depok | 1707 | 1448 | 3155 | Kota Depok | 2.380080 |
| 2016 | Kota Bandung | 2054 | 1827 | 3881 | Kota Bandung | 2.300355 |
| 2016 | Kota Bekasi | 1972 | 1841 | 3813 | Kota Bekasi | 2.237664 |
| 2023 | Kabupaten Bogor | 945 | 936 | 1881 | Bogor | 2.201779 |
| 2018 | Kabupaten Bandung | 904 | 870 | 1774 | Bandung | 2.167384 |
| 2023 | Kota Bandung | 977 | 879 | 1856 | Kota Bandung | 2.154536 |
Interpretasi:
Metode Z-score (ambang |z| > 2) mengidentifikasi 15 outlier, dan hasilnya jauh lebih menegaskan dominasi Kota Bandung dibanding metode IQR, Kota Bandung muncul 9 dari 15 kali (2016-2025), bahkan di tahun-tahun yang secara absolut termasuk “rendah” seperti 2017 (z=3,98) dan 2018 (z=3,91), Kota Bandung tetap terdeteksi sebagai outlier paling ekstrem justru karena metode Z-score dihitung relatif per tahun, meski jumlah kasusnya kecil secara nasional (1.786 di 2017), itu tetap jauh di atas rata-rata kabupaten/kota lain di tahun yang sama.
Kota Bandung secara konsisten menjadi wilayah “termenonjol” di tahunnya sendiri, terlepas dari apakah tahun itu wabah besar atau kecil secara keseluruhan. Artinya faktor risiko DBD di Kota Bandung bersifat struktural/permanen (kepadatan penduduk, urbanisasi, karakteristik lingkungan), bukan cuma kebetulan ikut-ikutan naik saat wabah provinsi memuncak.
Kabupaten Karawang 2025 (z=3,71) tetap menjadi outlier paling ekstrem kedua secara keseluruhan, sejalan dengan temuan IQR, memperkuat statusnya sebagai episentrum baru yang benar-benar signifikan secara statistik, bukan sekadar fluktuasi biasa.
MBeberapa outlier muncul di tahun-tahun yang justru punya total provinsi rendah, seperti Kota Bandung 2023 (z=2,15) di tengah tahun yang relatif tenang, dan Kabupaten Bogor 2023 (z=2,20).
Kesimpulan: Perbandingan kedua metode memperkuat satu benang merah yang sama, Kota Bandung dan Kabupaten Karawang adalah dua wilayah paling kritis di Jawa Barat, namun dengan karakter berbeda, Kota Bandung menonjol secara persisten/struktural sepanjang dekade, sementara Karawang adalah fenomena baru yang mendadak dan ekstrem di tahun-tahun terakhir.
6 Uji Autokorelasi
6.1 ACF (Temporal)
ts_total <- ts(ts_provinsi$total, start = min(ts_provinsi$tahun), frequency = 1)
acf(ts_total, main = "ACF Total Kasus DBD Provinsi Jawa Barat (2016-2025)")
Interpretasi
Nilai ACF di lag 0 selalu bernilai 1 (korelasi data dengan dirinya sendiri). Pada lag 1 sampai lag 9, seluruh nilai ACF berada dalam batas garis putus-putus (confidence interval), artinya tidak ditemukan autokorelasi yang signifikan secara statistik antar tahun pada data ini.
Nilai tertinggi terlihat di lag 1 (sekitar 0,17, positif), sementara nilai paling menonjol ada di lag 7 (sekitar -0,45), meski mendekati garis batas bawah, nilai ini masih belum menembus ambang signifikansi. Pola ini bisa jadi indikasi lemah adanya jarak waktu sekitar 7 tahun antara periode tinggi dan rendah, namun sinyal ini terlalu lemah untuk disimpulkan sebagai bukti pasti adanya siklus.
6.2 Moran’s I (Spasial)
peta_valid <- peta_join %>% filter(!is.na(total_kasus))
nb <- poly2nb(peta_valid, queen = TRUE)
lw <- nb2listw(nb, style = "W", zero.policy = TRUE)
moran.test(peta_valid$total_kasus, lw, zero.policy = TRUE)##
## Moran I test under randomisation
##
## data: peta_valid$total_kasus
## weights: lw
##
## Moran I statistic standard deviate = 1.7303, p-value = 0.04179
## alternative hypothesis: greater
## sample estimates:
## Moran I statistic Expectation Variance
## 0.17281568 -0.03846154 0.01491030moran.plot(peta_valid$total_kasus, lw, zero.policy = TRUE,
xlab = "Total kasus", ylab = "Spatial lag total kasus")
Interpretasi:
Nilai Moran’s I = 0,173 (positif, di atas nilai ekspektasi acak -0,038), dengan p-value = 0,0418, ini signifikan secara statistik pada alpha 0,05. Artinya ada bukti statistik untuk tolak H0 (pola acak/tidak ada autokorelasi spasial), meskipun nilainya tergolong autokorelasi spasial positif yang lemah-sedang, bukan sangat kuat.
Ini berarti kasus DBD di Jawa Barat (tahun 2025) menunjukkan kecenderungan mengelompok secara spasial, kabupaten/kota dengan kasus tinggi cenderung berdekatan dengan kabupaten/kota lain yang juga berkasus tinggi (dan sebaliknya untuk kasus rendah), meski polanya tidak terlalu kuat/dominan.
Dari Moran scatterplot, garis tren berkemiringan positif mengonfirmasi hubungan ini. Ada dua titik yang menonjol:
Titik nomor 3 memiliki total kasus sedang (±2.700) tapi spatial lag-nya (rata-rata kasus tetangga) sangat tinggi (>3.500). Wilayah ini dikelilingi tetangga-tetangga yang berkasus jauh lebih tinggi dari dirinya sendiri.
Titik nomor 10 memiliki total kasus sangat tinggi (>7.000, kemungkinan Kabupaten Karawang) namun spatial lag-nya hanya berada di sekitar rata-rata (±1.700). Artinya meski Karawang sendiri sangat tinggi, tetangga-tetangganya tidak seluruhnya ikut tinggi, sehingga ia relatif “menyendiri” secara spasial dibanding pola klaster umum di sekitarnya.
Temuan ini konsisten dengan peta tematik: klaster visual di wilayah utara (Karawang, Bekasi, Kota Bekasi saling berdekatan dan sama-sama berkasus tinggi) terkonfirmasi signifikan secara statistik oleh Moran’s I — pengelompokan ini bukan kebetulan acak.
7 Kesimpulan
Total kasus DBD se-Jawa Barat berfluktuasi tajam sepanjang 2016-2025. Titik terendah terjadi di 2017 (8.561 kasus), naik-turun di pertengahan dekade, lalu melonjak ke puncak tertinggi di 2024 (61.423 kasus, hampir 3x lipat dari 2023), dan turun ke 45.275 di 2025 namun masih jauh di atas level tahun-tahun sebelum 2022. Pola ini mengindikasikan 2024 sebagai puncak wabah terparah dalam satu dekade terakhir.
Kota Bandung adalah wilayah dengan risiko DBD paling persisten di Jawa Barat, konsisten menjadi kabupaten/kota dengan kasus tertinggi di 8 dari 10 tahun (2016-2022, 2024), dan terdeteksi sebagai outlier di hampir setiap tahun pada metode Z-score, bahkan di tahun-tahun dengan total kasus provinsi rendah. Kabupaten Karawang, sebaliknya, adalah episentrum baru yang mendadak muncul, konsisten rendah sepanjang 2016-2023, lalu melonjak ekstrem di 2024-2025 hingga menyalip Kota Bandung sebagai wilayah tertinggi di 2025 (7.578 kasus). Kota Bekasi dan Kota Depok juga berulang kali masuk kategori outlier, menjadikan keempat wilayah ini sebagai fokus utama perhatian.
Pola gender antara laki-laki dan perempuan relatif seimbang di seluruh periode 2016-2025, laki-laki konsisten sedikit lebih tinggi di semua 10 tahun tanpa terkecuali, namun selisihnya kecil dan mengikuti tren naik-turun yang sama persis dengan total kasus, sehingga tidak ada perbedaan signifikan berdasarkan gender.
Uji ACF pada 10 titik waktu tidak menunjukkan autokorelasi temporal yang signifikan di lag manapun (lag 1-9), meski lag 7 menunjukkan nilai negatif yang mendekati batas signifikansi. Hasil ini perlu dimaknai hati-hati karena 10 titik waktu masih di bawah jumlah ideal (20-30+) untuk ACF yang benar-benar robust. Pola naik-turun yang tampak jelas secara visual pada time series (lembah di 2017 dan 2023, puncak di 2016 dan 2024) tetap menjadi indikasi kuat adanya fluktuasi berulang, meski belum terkonfirmasi secara statistik formal melalui ACF.
Uji Moran’s I menunjukkan autokorelasi spasial positif yang signifikan (I=0,173, p=0,0418), mengonfirmasi kecenderungan pengelompokan wilayah, kabupaten/kota berkasus tinggi cenderung berdekatan secara geografis, sesuai pola klaster yang terlihat di peta tematik (Karawang, Bekasi, dan Kota Bekasi yang saling berdekatan dan sama-sama berkasus tinggi di 2025).
Catatan: Keterbatasan utama data ini adalah tidak adanya breakdown bulanan, sehingga meski cakupan 10 tahun sudah cukup baik untuk analisis tren dan outlier antar tahun, uji ACF tetap memiliki keterbatasan daya statistik dan sama sekali tidak dapat mendeteksi pola musiman dalam satu tahun (misalnya terkait musim hujan) yang secara epidemiologis umum terjadi pada DBD. Penelitian lanjutan dengan data bulanan akan memberikan hasil yang jauh lebih informatif untuk mengidentifikasi pola musiman tersebut.