Perpustakaan Digital ITB

Pandemi global Coronavirus 2019 (COVID-19) yang sedang berlangsung menimbulkan ancaman besar. Penyebaran virus COVID-19 berkemungkinan besar dapat terjadi dari satu lokasi ke lokasi lain akibat mobilitas masyarakat yang berpindah dari satu lokasi ke lokasi lain. Banyak upaya dan kebijakan-kebijakan yang sudah dilakukan oleh setiap negara untuk memperlambat penyebaran wabah COVID-19. Pemberlakuan lockdown dan pembatasan sosial bersekala besar / Social Distancing telah banyak digunakan untuk membatasi penularan virus ini ditingkat komunitas dan provinsi. Dua kebijakan tersebut terbukti efektif dalam mengurangi penyebaran virus COVID-19 ini. Model GSTAR diaplikasikan untuk memodelkan kenaikan kasus COVID-19 perhari di enam provinsi di Pulau Jawa. Data kenaikan kasus COVID-19 perhari dicatat secara serentak di enam lokasi, yaitu di Provinsi Banten, Jakarta, Jawa Barat, Jawa Tengah, Daerah Istimewa Yogyakarta dan Jawa Timur. Di dalam penelitian ini, digunakan pendekatan lain dalam membangun matriks bobot yang dibutuhkan dalam membangun model GSTAR, yaitu model Bayesian Network dan model Minimum Spanning Tree. Kedua model ini membantu membangun dan mrepresentasikan hubungan antar lokasi satu dengan yang lainnya. Dengan menggunakan model Bayesian network, dibuat model grafik (berarah) probabilitas yang menyatakan hubungan sebab-akibat antar enam provinsi di Pulau Jawa. Kemudian dengan menggunakan MST, dibuat model jaringan topologi (tidak berarah) untuk menunjukan korelasi, sentralitas dan hubungan kenaikan kasus positif COVID-19 antar provinsi di Pulau Jawa. Berdasarkan Mean Absolute Percentage Error, diperoleh bahwa matriks bobot yang dihasilkan oleh dua model tersebut memberikan hasil yang sama baiknya dalam estimasi (in-sample) maupun peramalan (out-sample) dengan matriks bobot konvensional.