Artikel Terbaru

KONSTRUKSI MODEL MULTIVARIATE GENERALIZED SPACE TIME AUTOREGRESSIVE (MULTIVARIATE GSTAR) DENGAN MATRIKS BOBOT TERMODIFIKASI

Oleh   Metra Volisa [20119003]
Kontributor / Dosen Pembimbing : Dr. Utriweni Mukhaiyar, S.Si., M.Si.;
Jenis Koleksi : S2 - Tesis
Penerbit : FMIPA - Matematika
Fakultas : Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA)
Subjek :
Kata Kunci : COVID-19, Multivariate GSTAR, Matriks bobot, Least Square, Kestasioneran proses,
Sumber :
Staf Input/Edit : Dwi Ary Fuziastuti  
File : 1 file
Tanggal Input : 2021-09-28 10:19:38

Sejak COVID-19 pertama kali muncul di China, virus telah berkembang dengan sangat cepat dan menyebar ke seluruh dunia dalam hitungan bulan sehingga WHO (World Health Organization) menetapkan virus COVID-19 sebagai pandemi global. Keresahan yang dialami semua negara menuntut pemerintahannya untuk mengambil kebijakan guna menekan penularan virus tersebut dari satu lokasi ke lokasi lainnya. Suatu model ruang waktu dapat dirancang untuk memprediksi kasus COVID-19 di berbagai lokasi dengan berbagai variabel pengamatan. Model Multivariate GSTAR dikonstruksi untuk memprediksi beberapa variabel dan lokasi secara bersamaan dengan urutan pengamatan berdasarkan waktu. Matriks bobot dibangun dengan menggunakan invers jarak dan korelasi antar kasus di setiap lokasi pengamatan yang kemudian dimodifikasi. Model yang telah diperoleh kemudian dilakukan estimasi parameter dengan menggunakan metode least-square. Pemeriksaan kestasioneran proses digunakan uji residual, pendekatan nilai eigen matriks parameter, dan pendekatan invers matriks autokovarinasi. Model diterapkan untuk memprediksi kasus infected, death, dan recovery COVID-19 untuk semua provinsi di Pulau Sumatera. Hasil penelitian menunjukkan bahwa model Multivariate GSTAR (1;1) sangat baik diterapkan dalam memprediksi kasus death di provinsi Kep. Bangka Belitung dan Bengkulu.