Suhu, Bukan Hujan, Kunci Ramalan Dengue di Nepal Barat

Musim hujan biasa dituding sebagai penyebab utama lonjakan demam berdarah, sebab genangan air dianggap tempat paling subur bagi nyamuk bertelur. Di Provinsi Gandaki, Nepal bagian barat, tudingan itu ternyata meleset jauh dari sasarannya, dan datanya sendiri yang membantahnya.

Temuan itu ditulis Sishir Poudel, Nishchal Pokhrel, Tara Prasad Aryal, Laxman Wagle, Birodh Kattel, Bibek Thapa, dan Rashmita Regmi dalam Use of time—series forecasting of dengue incidence based on meteorological predictors in Western Nepal, yang terbit di BMC Public Health tahun 2026. Poudel bekerja di B.P. Koirala Institute of Health Sciences Dharan, Pokhrel di Institute of Engineering Tribhuvan University Lalitpur, dan Aryal di HERD International Kathmandu; ketiganya berbagi status penulis pertama.

Bahan penelitiannya adalah 34.364 kasus demam berdarah yang tercatat mingguan di Provinsi Gandaki sejak Januari 2020 sampai Desember 2025, disandingkan dengan data suhu, curah hujan, kelembapan, dan kecepatan angin dari dataset cuaca ERA5—Land. Kasus mingguan rata—rata 109,78, tetapi mediannya cuma 9, dengan puncak 1.772 kasus dalam satu minggu saat wabah 2023.

Bagaimana pola tahunan itu tersusun

Kasus tahunan melonjak dari 158 pada 2020 menjadi 9.755 pada 2023 lalu 20.349 pada 2024, sebelum anjlok ke 2.341 pada 2025. Dekomposisi musim—tren memisahkan pola itu menjadi komponen tren, musiman, dan sisa, dan pola musiman terbukti menyumbang 40,5 persen dari keragaman keseluruhan data. Puncaknya konsisten jatuh pada September sampai Oktober tiap tahun, dengan September sebagai bulan tersibuk, rata—rata 1.735 kasus.

Karena polanya berulang setiap tahun dengan waktu yang mirip, dugaan pertama tentu jatuh ke musim hujan, yang di Nepal juga jatuh sekitar pertengahan tahun menjelang musim tanam. Persoalannya, saat pola cuaca itu benar—benar diuji satu per satu terhadap jumlah kasus lewat perhitungan statistik, curah hujan justru tidak lolos uji, padahal itulah variabel yang paling sering disebut dalam penjelasan sehari—hari tentang wabah demam berdarah.

Ke mana korelasi curah hujan menghilang

Korelasi peringkat Spearman antara curah hujan dan kasus dengue cuma minus 0,01, praktis nol, dan tidak bermakna secara statistik. Kelembapan juga lemah, 0,02, begitu pula kecepatan angin, minus 0,09. Yang membuatnya rumit, ketiga variabel itu justru saling berkorelasi kuat satu sama lain, curah hujan dengan kelembapan mencapai 0,78, sehingga kalau salah satunya naik, yang lain ikut naik tanpa masing—masing benar—benar mendorong kasus dengue.

Baca juga Tiga Tahun Tanpa Perubahan, Lalu Berobat ke Malaysia

Suhu berbeda sendiri. Korelasinya dengan kasus dengue tanpa jeda waktu memang masih sedang, 0,29, tapi begitu jeda satu bulan diperhitungkan, angkanya naik ke 0,42, dan pada jeda dua bulan naik lagi ke 0,53. Semakin jauh jaraknya dari kejadian cuaca ke munculnya kasus, semakin kuat justru hubungan keduanya, pola yang berkebalikan dari intuisi sederhana bahwa efek cuaca semestinya paling terasa saat itu juga.

Mengapa suhu yang bertahan setelah dihitung ulang

Korelasi sederhana bisa menipu kalau variabel lain tidak dikendalikan, karena itu tim peneliti memakai regresi binomial negatif, metode yang dipilih setelah rasio varians terhadap rata—rata kasus dengue tercatat 2.702,3, jauh di atas ambang wajar untuk model regresi biasa. Dalam model ini, tiap kenaikan suhu 1 derajat Celsius, tanpa jeda waktu, berasosiasi dengan kenaikan 17,9 persen kasus dengue. Precipitation, kelembapan, dan kecepatan angin gugur semua, tidak satu pun bermakna secara statistik pada model ini.

Pada jeda satu bulan, kenaikan asosiasinya malah membesar jadi 18,7 persen tiap derajat, dan model dengan jeda dua bulan tercatat sebagai yang paling pas menurut ukuran kecocokan statistiknya. Di ketiga model jeda itu, tetap hanya suhu yang bertahan sebagai prediktor bermakna, sementara tiga variabel cuaca lainnya konsisten tidak berpengaruh independen berapa pun jeda waktunya dicoba.

Bagaimana jeda dua bulan itu bekerja di tubuh nyamuk

Naskah menjelaskan jeda itu lewat proses biologis nyamuk Aedes aegypti, pembawa virus dengue: suhu memengaruhi kecepatan nyamuk berkembang dari telur ke dewasa, sekaligus lama masa inkubasi ekstrinsik, yakni waktu yang dibutuhkan virus berkembang biak di dalam tubuh nyamuk sebelum bisa ditularkan lagi. Prosesnya mirip air yang perlu waktu mendidih sebelum benar—benar menguap, panasnya sudah ada sejak awal, tapi efeknya baru terlihat belakangan.

“Overall, these findings highlight that temperature is the most robust and temporally consistent predictor of dengue incidence, with effects becoming more pronounced at 1–2 month lags.” tulis Sishir Poudel, Nishchal Pokhrel, Tara Prasad Aryal, Laxman Wagle, Birodh Kattel, Bibek Thapa, dan Rashmita Regmi dalam naskahnya yang berbahasa Inggris, yang diterjemahkan kurang lebih menjadi: secara keseluruhan, suhu adalah prediktor paling kuat dan paling konsisten sepanjang waktu bagi kasus dengue, dengan efek yang makin terasa pada jeda satu sampai dua bulan.

Di mana model peramalan saling berbeda pendapat

Tim peneliti membandingkan tiga model peramalan, SARIMA yang hanya memakai pola data kasus sendiri, SARIMAX yang menambahkan variabel cuaca, dan XGBoost, sebuah algoritma pembelajaran mesin. Menariknya, dari segi kecocokan statistik dalam—sampel, SARIMA murni justru sedikit lebih unggul dibanding SARIMAX. Namun begitu kedua model diuji terhadap data yang belum pernah dilihatnya lewat validasi bergulir, urutannya berbalik telak.

SARIMAX mencatat kesalahan rata—rata jauh lebih kecil dibanding SARIMA saat meramal data baru, sekitar sepertiga lebih akurat. Model XGBoost mencatat kesalahan rata—rata yang sebanding dengan SARIMAX, tapi jauh lebih goyah, sempat mencetak nilai kecocokan yang anjlok drastis pada satu periode pengujian, tanda model itu kesulitan saat pola data berubah tiba—tiba.

Baca juga Harga Rumah Diramal sebagai Rentang, Bukan Satu Angka

Bagaimana angka proyeksi bergerak sampai 2027

Dengan model SARIMAX, proyeksi total kasus dengue Gandaki dari sisa 2025 sampai 2027 mencapai 12.391 kasus, dengan puncak mingguan diperkirakan 535 kasus sekitar September 2027. Model XGBoost memberi gambaran yang jauh berbeda tergantung asumsi rezim transmisinya, mulai dari sekitar 2.400 kasus per tahun bila rezim rendah pascapatahan struktural dianggap berlanjut, sampai lebih dari 5.400 kasus per tahun bila tidak.

Baca juga Seperenam Ruang Kuliah di Batam Diramal Kosong Terus

Rentang proyeksi yang lebar itu sendiri mengulang pelajaran yang sama dari awal naskah, bahwa satu variabel cuaca saja tidak cukup untuk memastikan arah wabah, dan bahwa pilihan model ikut menentukan seberapa optimistis atau waspada pembacaan terhadap angka masa depan. Naskah mengakui keterbatasan ini secara terbuka, karena data mobilitas manusia, imunitas terhadap serotipe tertentu, dan indeks kepadatan vektor tidak tersedia pada resolusi mingguan sehingga tidak bisa dimasukkan ke model manapun.

Data kasus yang dipakai juga bergantung pada pelaporan rutin dari layanan kesehatan, yang menurut penulis sendiri berpotensi kurang lengkap tercatat atau berubah caranya seiring waktu. Proyeksi sampai 2027 pun mengasumsikan pola cuaca ke depan akan menyerupai enam tahun terakhir, sesuatu yang bisa saja meleset kalau muncul anomali cuaca atau kampanye pengendalian nyamuk berskala besar.

Ketegangan yang dibiarkan terbuka dalam naskahnya sendiri

Ada satu hal yang bisa diperiksa ulang oleh siapa pun yang membaca naskahnya. Dari ukuran kecocokan statistik, SARIMA murni tercatat lebih baik daripada SARIMAX yang memuat variabel cuaca, tapi begitu diuji pada ramalan luar—sampel, SARIMAX unggul jauh lebih akurat. Dua ukuran kebaikan model itu berlawanan arah, dan penulis sendiri hanya menyebut hasil ramalan yang lebih baik sebagai alasan memakai SARIMAX untuk tujuan peramalan, tanpa benar—benar menuntaskan mengapa ukuran kecocokannya justru berkata sebaliknya.

Titik patahan struktural itu terletak sekitar minggu ke—260, memisahkan periode wabah besar 2023—2024 dari periode yang lebih tenang di 2025. Penyebabnya masih berupa dugaan menurut penulis sendiri, entah perubahan imunitas penduduk, pergeseran jenis virus yang beredar, atau perbaikan pengendalian vektor, dan semuanya belum bisa dipastikan hanya dari data cuaca dan kasus yang tersedia.

Balik ke kejanggalan di awal tulisan ini, jawabannya kini punya bentuk yang lebih jelas dan bisa diperiksa lewat angka. Bukan hujan yang menentukan naik—turunnya demam berdarah di Gandaki, melainkan suhu, dan efeknya baru benar—benar terasa satu sampai dua bulan setelah suhu itu berubah. Jarak waktu itu cukup lama untuk membuat hubungan sebab—akibatnya gampang terlewat kalau orang hanya menoleh ke cuaca hari itu juga saat mencari penjelasan wabah.