UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Model Generalized Spatio-Temporal Autoregressive (GSTAR) untuk Kasus Coronavirus Disease (COVID-19) di DKI Jakarta = Generalized Spatio-Temporal Autoregressive (GSTAR) Modeling on Coronavirus Disease (COVID-19) Cases in DKI Jakarta

Nidia Ayu; Yekti Widyaningsih, supervisor; Titin Siswantining, examiner; Siti Nurrohmah, examiner (Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021)

 Abstrak

Coronavirus Disease (COVID-19) adalah penyakit baru yang melanda dunia tahun 2020.
Penyakit ini diperkirakan berasal dari Wuhan, China (Rothan HA, 2020). WHO
menetapkan COVID-19 sebagai pandemi karena penyakit ini telah berhasil menginfeksi
lebih dari 190 negara di dunia. DKI Jakarta adalah Ibu Kota di Indonesia yang turut
menjadi salah satu Provinsi dengan kasus konfirmasi positif COVID-19 tertinggi sampai
akhir Juli 2020. Penelitian ini bertujuan untuk memodelkan rate kasus COVID-19 pada
15 kecamatan Jakarta dengan intensitas tertinggi. Alasan dipilihnya 15 kecamatan dengan
intensitas tertinggi untuk menjadi area penelitian karena lebih dari 63,43% kasus
konfirmasi COVID-19 dilaporkan dari 15 kecamatan, yakni Kecamatan Gambir,
Menteng, Sawah Besar, Kemayoran, Taman Sari, Senen, Tanah Abang, Johar Baru,
Tambora, Grogol Petamburan, Cempaka Putih, Pademangan, Setia Budi, Matraman, dan
Palmerah. Rate kasus COVID-19 pada area ini kemudian dibuat model GSTAR, model
ini merupakan salah satu pemodelan dalam time seriesstokastik yang mempertimbangkan
indeks spasial atau lokasi dan waktu (Budi, 2019). Matriks bobot biner, matriks bobot
seragam, dan matriks bobot jarak pada penelitian ini dibentuk sebagai matriks dependensi
spasial antar lokasi atau disebut matriks bobot W. Hasil identifikasi STACF dan STPACF
untuk semua matriks pembobot spasial didapatkan model yang sama, yaitu GSTAR(3,1).
Pendugaan parameter model GSTAR(3,1) dilakukan untuk setiap matriks pembobot
tersebut. Model GSTAR(3,1) yang terbaik diperoleh berdasarkan matriks pembobot
jarak, dengan RMSE terkecil yaitu 0.1271.

Coronavirus Disease (COVID-19) is a new disease that hit the world in 2020. This disease
is thought to have originated in Wuhan, China (Rothan HA, 2020). WHO has designated
COVID-19 as a pandemic because this disease has successfully infected more than 190
countries in world. DKI Jakarta is the capital city in Indonesia which is also one of the
provinces with the highest positive confirmed cases of COVID-19 until the end of July
2020. This study aims to model the level of COVID-19 cases in 15 sub-districts of DKI
Jakarta with the highest intensity. The reason for choosing 15 sub-districts with the
highest intensity to be the research area was because more than 63.43% of confirmed
COVID-19 cases were reported from 15 sub-districts, that is Gambir, Menteng, Sawah
Besar, Kemayoran, Taman Sari, Senen, Tanah Abang, Johar Baru Districts , Tambora,
Grogol Petamburan, Cempaka Putih, Pademangan, Setia Budi, Matraman, and Palmerah.
Rate of COVID-19 cases in this area is then made a GSTAR model, this model is one of
the models in a stochastic time series that considers spatial index or location and time
(Budi, 2019). The binary weight matrix, uniform weight matrix, and distance weight
matrix in this study were formed as a spatial dependency matrix between locations or
called the W weight matrix. The results of STACF and STPACF services for all spatial
weighting matrices obtained the same model, that is GSTAR (3,1). Estimation of
parameters of the GSTAR model (3,1) is carried out for each weighting matrix. The best
GSTAR (3,1) model is based on a distance weighted matrix, with an RMSE of 0.1271

 File Digital: 1

Shelf
 S-Nidia Ayu.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Skripsi Membership
No. Panggil : S-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2021
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xvi, 76 pages : illustration + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
S-pdf 14-23-33658666 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 9999920520927
Cover