Analisis Time Series Clustering Berdasarkan Faktor Sosial, Ekonomi, Demografi, dan Pemodelan ARIMA untuk Prediksi Jumlah Kasus Aktif COVID-19 di Indonesia
Date
2022Author
Riana, Zahwa Wahyu
Herdiyeni, Yeni
Hardhienata, Medria Kusuma Dewi
Metadata
Show full item recordAbstract
Pandemi COVID-19 menjadi ancaman kesehatan bagi penduduk dunia. Penelitian terdahulu telah melakukan time series clustering untuk mengelompokkan wilayah terdampak berdasarkan jumlah kasus aktif COVID-19, namun belum banyak yang menganalisis hubungan antara faktor sosial, ekonomi, dan demografi terhadap hasil cluster-nya. Oleh karena itu, penelitian ini melakukan time series clustering terhadap jumlah kasus aktif COVID-19 di Indonesia kemudian menganalisis faktor sosial, ekonomi, dan demografi pada setiap cluster untuk mengetahui faktor pendorong yang membedakan pola penyebarannya. Teknik time series clustering yang digunakan pada penelitian ini berhasil membagi 34 provinsi menjadi tiga cluster dan menunjukkan bahwa cluster yang lebih padat penduduk dan aktif secara ekonomi cenderung mengalami lonjakan kasus aktif lebih cepat dengan jumlah kasus tinggi. Selain itu, dilakukan pemodelan ARIMA pada setiap cluster untuk memprediksi jumlah kasus aktif COVID-19. Pemodelan ARIMA menghasilkan tiga model dengan nilai Mean of Percentage Error (MAPE) sebesar 10,38%; 6,33%; 7,73% untuk cluster 0, 1, dan 2 secara berturut-turut.
Collections
- UT - Computer Science [2236]