Model Generalized Space Time Autoregressive Integrated Moving Average pada Data Demam Berdarah Dengue di Pulau Jawa

Dewi Retno Sari Saputro, Suryani Suryani, Sutanto Sutanto, Santoso Budi Wiyono

Abstract


Demam Berdarah Dengue (DBD) adalah penyakit yang disebabkan oleh virus Dengue dan disebarkan melalui gigitan nyamuk Aedes Aegypti dan Aedes Albocpictus. DBD merupakan masalah utama penyakit menular di Indonesia. Salah satu wilayah Indonesia yang endemik DBD yaitu Pulau Jawa. Penyebaran kasus DBD dimungkinkan karena adanya keterkaitan lokasi dan pola data runtun waktu. Oleh karena itu, data DBD dapat dimodelkan dalam model space time. Salah satu model space time yang dapat diterapkan untuk kasus tersebut adalah model generalized space time autoregressive integrated moving average (GSTARIMA). Model GSTARIMA merupakan pengembangan model deret waktu secara simultan yang memasukkan pembobot lokasi dalam model. Model tersebut digunakan jika pada data der et waktu terdapat unsur autoregresif, pembedaan, dan moving average. Model GSTARIMA mengasumsikan karakteristik lokasi bersifat heterogen. Pada model GSTARIMA diperlukan proses differencing untuk memenuhi asumsi stasioneritas, selainnya adalah matriks pembobot spasial dengan pembobot normalisasi korelasi silang. Estimasi parameter autoregressive dan moving average pada model GSTARIMA digunakan metode least square.Tujuan dari penelitian ini adalah menerapkan model GSTARIMA pada kasus DBD di Pulau Jawa. Hasil dari penelitian ini diperoleh orde autoregressive (p=2), differencing (d=2), dan moving average (q=1) sehingga model yang terbentuk adalah GSTARIMA (2; 2; 1).


Keywords


DBD; space time; GSTARIMA; least square; differencing;

Full Text:

PDF

References


A. Roziqin dan F. Hasdiyanti, “Pemetaan Daerah Rawan Penyakit Demam Berdarah Dengue (DBD) di Pulau Batam”, Jurnal Integrasi Vol.9 (2017), no.2, hal. 106-112.

Kemenkes RI [Kementerian Kesehatan Republik Indonesia], Profil Kesehatan Indonesia Tahun 2016, Kementerian Kesehatan RI, Jakarta, 2017.

Suryani dan D. R. S. Saputro, “Estimasi Parameter Model Generalized Space Time Autoregressive (GSTAR) menggunakan Metode Generalized Least Square (GLS)”, Konferensi Nasional Penelitian Matematika dan Pembelajarannya III, hal. 465–472, 2018.

P.E. Preifer and S.J. Deutsch, “A Three Stage Iterative Procedure for Space Time Modeling”, Technometrics, Vol.22, no.1, pp. 35-47, 1980.

Borovkova, S.A., H. P. Lopuhaa, and B. N. Ruchjana, Generalized STAR Model with Experimental Weight, M Stasinhopoulus and G Toulomi (Eds): Proceeding of the 17th International Workshop on Statistical Modeling , pp.139-147, 2002.

X. Min, J.Hu, and Z.Zhang, “Urban Traffic Network Modeling and Short-term Traffic Flow Forecasting Based on GSTARIMA Model”, Annual Conference on Intelligent Transportation Systems, Portugal, DOI: 10.1109/ITSC.2010.5625123, 2010.

A. Setiawan, M. N. Aidi, and I. M. Sumertajaya, “Modelling of Forecasting Monthly Inflation by using VARIMA and GSTARIMA Models”, Jurnal Integrasi, Vol. 20, no. 2, pp. 60–63, 2015.

L. Qomariyah, T.Toharudin, and Soemartini, “Generalized Space Time Autoregressive Integrated Moving Average (GSTARIMA) Model to Forecast Cocoa Export Volume”, Proceeding of The 2nd International Conference on Applied Statistic, ISSN : 2579-4361, hal. 51-58, 2016.

J.H.P. Messakh, M. N. Aidi, and F. M. Afendi, “Rice Harvest Area Modelling with GSTARIMA on Six Provinces in Indonesia”, International Journal of Scientific and Engineering Research , Vol.8, no. 8, ISSN 2229-5518, pp. 424–427, 2017.

E. Kurniawati, N. N. Debataraja, dan D. Kusnandar, “Model Space Time dan Penerapannya pada Produksi Kelapa Sawit di PT. Perkebunan Nusantara XIII”, Jurnal Bimaster Vol. 6, no. 3, hal.183–192., 2017.

R. Gusnadi, R. Rahmawati, dan A. Prahutama, “Pemodelan Generalized Space Time Autoregressive (GSTAR) Seasonal pada Data Jumlah Wisatawan Mancanegara Empat Kabupaten/Kota di Jawa Tengah”, Jurnal Gaussian Vol. 4, no. 4, hal. 1017–1026, 2015.

D.U. Wutsqa, Suhartono and Sujitodan B., “Generalized Space Time Autoregressive Modeling”, Proceeding of the 6th IMTG-GT Conference on Rahman , pp. 752–761, 2010.

Suhartono dan Subanar, “The Optimal Determination of Space Weight in GSTAR Model by Using Cross-Correlation Inference”, Journal of Quantitative Method, Vol. 2, no. 2, pp. 45–53., 2016.

Suhartono dan Atok, “Pemilihan Bobot Lokasi yang Optimal pada Model GSTAR”, Prosiding Konferensi Nasional Matematika XIII, Semarang, 2006.

P.C. Chang, Y. W. Wang, and C. H. Liu, “The Development of a Weigted Evolving Fuzzy Neural Network for PCB Sales Forcasting, Expert System with Applications”, no. 32, pp. 86–96., 2007.

A.M. Fina, Tarno, dan R. Santoso, “Peramalan Outflow Uang Kartal di Bank Indonesia Wilayah Jawa Tengah dengan Metode Generalized Space Time Autoregressive (GSTAR)”, J urnal Gaussian Vol. 5, no. 3, hal. 351– 360, 2016.


Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

© 2017-2020 | Hak Cipta Dilindungi | Departemen Statistika FMIPA Universitas Padjadjaran | Powered by OJS