Analisis Perbandingan Model GSTAR Dan GSTAR Poisson Untuk Meramalkan Jumlah Kasus Penderita Tuberkulosis Di Surabaya

Nurviana, Asyira (2025) Analisis Perbandingan Model GSTAR Dan GSTAR Poisson Untuk Meramalkan Jumlah Kasus Penderita Tuberkulosis Di Surabaya. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211135-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Tuberkulosis (TB) merupakan jenis penyakit menular yang disebabkan oleh bakteri dan masih menjadi masalah kesehatan utama di berbagai negara, termasuk Indonesia. Berdasarkan laporan WHO tahun 2024, Indonesia menempati peringkat kedua secara global dalam jumlah kasus TB dengan Provinsi Jawa Timur berada di peringkat kedua secara nasional. Kota Surabaya sebagai ibu kota provinsi menjadi salah satu daerah
dengan jumlah kasus TB tertinggi, sehingga diperlukan strategi pengendalian yang efektif, salah satunya melalui peramalan jumlah kasus TB. Data jumlah penderita TB merupakan salah satu jenis data time series yang spasial dan berdistribusi Poisson. Model peramalan yang dapat menangkap pola spasial-temporal pada data time series adalah model GSTAR dan apabila data berdistribusi Poisson dapat menggunakan model GSTAR Poisson. Oleh karena itu, penelitian ini membandingkan dua model peramalan spasial-temporal, yaitu GSTAR dan GSTAR Poisson untuk memprediksi jumlah kasus TB di lima wilayah Kota Surabaya. Kedua model dibangun menggunakan dua jenis matriks bobot, yaitu bobot seragam dan bobot normalisasi korelasi silang. Data yang digunakan merupakan data bulanan jumlah penderita TB dari Januari 2016
hingga Desember 2024. Hasil analisis menunjukkan bahwa model GSTAR dengan bobot normalisasi korelasi silang menghasilkan nilai MAPE terkecil, sehingga dipilih sebagai model terbaik dalam meramalkan jumlah kasus TB di Kota Surabaya.
=========================================================================================================================================
Tuberculosis (TB) is an infectious disease caused by bacteria and remains a major public health concern in many countries, including Indonesia. According to the WHO 2024 report, Indonesia ranks second globally in terms of TB cases, with East Java Province occupying the second highest position nationally. Surabaya, the capital of East Java, is among the regions with the highest number of TB cases. Therefore, an effective control strategy is needed, one of which involves forecasting the number of TB cases. The data on TB incidence is a type of spatio-temporal time series data that follows a Poisson distribution. The Generalized Space-Time Autoregressive (GSTAR) model and its Poisson variant, GSTAR Poisson, are capable of capturing spatial-temporal structures in such data. This study compares two spatio-temporal forecasting models, GSTAR and GSTAR Poisson, for predicting the number of TB cases in five regions of Surabaya. Both models are constructed using two types of spatial weight matrices which is uniform weights and cross correlation normalization weights. The dataset consists of monthly TB case data from January 2016 to December 2024. The analysis results indicate that the GSTAR model with cross correlation normalization weights yields the lowest MAPE
value and is therefore selected as the best model for forecasting TB cases in Surabaya

Item Type:	Thesis (Other)
Uncontrolled Keywords:	GSTAR, GSTAR Poisson, Peramalan, Tuberkulosis, Forecast, GSTAR, Poisson GSTAR, Tuberculosis
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Asyira Nurviana
Date Deposited:	29 Jul 2025 06:38
Last Modified:	29 Jul 2025 06:38
URI:	http://repository.its.ac.id/id/eprint/122751

Actions (login required)

View Item