Pemodelan Kasus Covid-19 Di Jawa Timur Menggunakan Metode Generalized Poisson Regression Dan Negative Binomial Regression

Ardifasalma, Syaillendra (2022) Pemodelan Kasus Covid-19 Di Jawa Timur Menggunakan Metode Generalized Poisson Regression Dan Negative Binomial Regression. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000027_Undergraduate_Thesis.pdf Download (1MB)

Abstract

Virus SARS-CoV-2 atau juga dikenal sebagai COVID-19, pertama kali ditemukan di China pada akhir 2019 dan telah menyebar secara global dan menyebabkan lebih dari 178 juta kasus terkonfirmasi dan sebanyak 3,9 juta jiwa meninggal dunia. Untuk kasus di Jawa Timur sendiri kasus COVID-19, hingga bulan Januari 2022 jumlah kasus di Jawa Timur yang terpapar virus COVID-19 sendiri mencapai 402.879 jiwa, sedangkan jumlah yang sembuh mencapai 371.745 jiwa dan meninggal dunia sebanyak 29.774 jiwa. Analisis regresi adalah analisis statistika yang mempelajari hubungan antara variabel dependen dengan satu atau lebih variabel independen. Sedangkan Regresi Poisson sendiri merupakan model dengan variabel dependen berdistribusi Poisson. Namun dalam model regresi Poisson asumsi sering dilanggar antara estimasi varians yang berada di atas mean (overdispersi) atau di bawah mean (underdispersi). Salah satu model yang digunakan untuk menangani underdispersi atau overdispersi ini yaitu Generalized Poisson Regression dan Negative Binomial Regression. Data yang akan digunakan untuk memodelkan jumlah korban jiwa COVID-19 yaitu data jumlah kasus meninggal per hari di Jawa Timur dari bulan Oktober 2020 sampai dengan Januari 2022. Proses analisis data dilakukan dengan menggunakan software RStudio dengan faktor yang diduga mempengaruhi yaitu kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate di Provinsi Jawa Timur. Penelitian ini diharapkan dapat membantu masyarakat Provinsi Jawa Timur dalam mengantisipasi penyebaran kasus COVID-19 berdasarkan faktor – faktor yang berpengaruh signifikan pada penelitian dan juga menambah wawasan mengenai faktor –faktor apa saja yang dapat berpengaruh dengan kasus COVID-19 sehingga masyarakat bisa lebih waspada lagi dalam masa pandemi ini. Hasil penelitian menunjukan bahwa model terbaik adalah model Generalized Poisson Regression. Hal ini ditunjukan dari nilai AIC dan nilai BIC pada model Generalized Poisson Regression yang lebih kecil daripada model regresi Poisson dan model Negative Binomial Regression. Faktor-faktor yang berpengaruh terhadap jumlah kasus meninggal COVID-19, yaitu kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate
===============================================================================================================================
The SARS-CoV-2 virus, also known as COVID-19, was first discovered in China in late 2019 and has spread globally and caused more than 178 million confirmed cases and 3.9 million deaths. For cases in East Java itself, COVID-19 cases, until January 2022 the number of cases in East Java exposed to the COVID-19 virus itself reached 402,879 people, while the number of people who recovered reached 371,745 people and died as many as 29,774 people. Regression analysis is a statistical analysis that studies the relationship between the dependent variable and one or more independent variables. While the Poisson regression itself is a model with the dependent variable having a Poisson distribution. However, in the Poisson regression model the assumption is often violated between the estimated variance that is above the mean (overdispersion) or below the mean (underdispersion). One of the models used to deal with underdispersion or overdispersion is Generalized Poisson Regression and Negative Binomial Regression. The data that will be used to model the number of COVID-19 fatalities is data on the number of cases dying per day in East Java from October 2020 to January 2022. The data analysis process is carried out using RStudio software with factors suspected of influencing, namely active cases, new cases , Stringency Index, and Bed Occupancy Rate in East Java Province. This research is expected to help the people of East Java Province in anticipating the spread of COVID-19 cases based on factors that have a significant influence on research and also add insight into what factors can affect COVID-19 cases so that people can be more vigilant in dealing with COVID-19 cases. this pandemic period. The results showed that the best model was the Generalized Poisson Regression model. This is indicated by the AIC and BIC values in the Generalized Poisson Regression model which are smaller than the Poisson regression model and the Negative Binomial Regression model. Factors that affect the number of COVID�19 deaths, namely active cases, new cases, Stringency Index, and Bed Occupancy Rate.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.536 Ard p-1 2022
Uncontrolled Keywords:	COVID-19, Generalized Poisson Regression, Negative Binomial Regression, AIC
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 Nov 2024 02:02
Last Modified:	26 Nov 2024 02:02
URI:	http://repository.its.ac.id/id/eprint/115827

Actions (login required)

View Item