Penerapan Model Generalized Space Time Autoregressive (GSTAR) pada Peramalan Jumlah Kasus Narkoba di Kota Surabaya

Febriani, Lenia Vanesa (2023) Penerapan Model Generalized Space Time Autoregressive (GSTAR) pada Peramalan Jumlah Kasus Narkoba di Kota Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000098-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Selama dua tahun terakhir, jumlah kasus penyalahgunaan narkoba di Provinsi Jawa Timur mengalami peningkatan. Kasus narkoba juga mendominasi total terjadinya kasus pada Laporan Tindak Kriminal di Kota Surabaya pada tahun 2022. Hal ini menunjukkan bahwa kasus narkoba membutuhkan perhatian pemerintah. Berbagai upaya telah dilakukan oleh pemerintah untuk menekan banyaknya kasus penyalahgunaan narkoba. Salah satu cara yang dapat dilakukan untuk mengantisipasi peningkatan kasus penyalahgunaan narkoba adalah dengan melakukan peramalan. Peramalan yang menghubungkan variabel dependen dengan waktu disebut model time series. Seiring dengan berjalannya waktu, model time series dikembangkan dengan memadukan variabel waktu (temporal) dan variabel lokasi (spasial) yang disebut model spatio temporal. Model spatio temporal dikembangkan dari model Vector Autoregressive (VAR) menjadi model Space Time Autoregressive (STAR). Namun, model STAR memiliki kelemahan, yaitu hanya berlaku untuk lokasi yang homogen. Kemudian, dikembangkan suatu model spatio temporal yang bernama Generalized Space Time Autoregressive (GSTAR) yang dapat digunakan untuk lokasi-lokasi yang memiliki karakteristik heterogen. Pada penelitian ini, dilakukan peramalan jumlah kasus narkoba dengan mempertimbangkan lokasi terjadinya dengan menggunakan model Generalized Space Time Autoregressive (GSTAR). Penelitian ini menggunakan bobot lokasi seragam dan normalisasi korelasi silang dengan melakukan estimasi parameter menggunakan Ordinary Least Square (OLS). Model yang didapatkan pada penelitian ini yaitu GSTAR(2_1) – OLS dengan bobot normalisasi korelasi silang. Akan tetapi, model tersebut kurang cocok digunakan karena hanya dipengaruhi oleh aspek waktu.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	GSTAR, Narkoba, Peramalan, Spatio Temporal, GSTAR, Drugs, Forecasting, Spatio Temporal
Subjects:	Q Science > QA Mathematics > QA275 Theory of errors. Least squares. Including statistical inference. Error analysis (Mathematics) Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Lenia Vanesa Febriani
Date Deposited:	08 Aug 2023 14:32
Last Modified:	08 Aug 2023 14:32
URI:	http://repository.its.ac.id/id/eprint/104199

Actions (login required)

View Item