oleh :
NADIA ULFA
1708108010002
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA
DARUSSALAM,BANDA ACEH
2020
1. Deskripsi Data
Data yang digunakan adalah data COVID-19 dari tanggal 10 Maret 2020 hingga 9
April 2020 di Negara Italia
Berdasarkan output summary diatas dapat dilihat bahwa rata-rata kasus harian corona
dari tanggal 10 Maret 2020 hingga 9 April 2020 adalah 4337 kasus dengan kasus
tertinggi 6557 kasus dan kasus terendah adalah 977 kasus
Berdasarkan plot diatas dapat dilihat bahwa data kasus harian corona tanggal 10
Maret hingga 9 April 2020 di Italia tidak stasioner diilihat dari data yang tidak
berfluktuasi dan menyebar di sekitar mean dan tidak adanya trend naik maupuun
trend turun pada data.
Berdasarkan output diatas dapat dilihat bahwa nilai lambda 0,5084992 hal ini
menunjukkan bahwa data tidak stasioner mengacu pada persyaratan suatu data
dikatakan stasioner apabila nilai lambda 1 sehingga perlu dilakukannya transformasi
data.
Taraf Nyata
α = 0,05
Kriteria Penolakan
Tolak H0 jika, P-value < α
Statistik Uji
P value = 0,4597
Keputusan
Dikarenakan nilai p value < α (0.4597 > 0.05), maka keputusnnya adalah tidak
dapat menolak H0.
Kesimpulan
Berdasarkan keputusan tidak dapat menolak H0 ., maka dapat disimpulkan
bahwa data diatas tidak stationer.
Dikarenakan data diatas tidak stasioner maka perlu dilakukan differencing atau uji
dickey
Taraf Nyata
α = 0,05
Kriteria Penolakan
Tolak H0 jika, P-value < α
Statistik Uji
P value = 0,01
Keputusan
Dikarenakan nilai p value < α (0.01 < 0.05), maka keputusnnya adalah tolak
H0.
Kesimpulan
Berdasarkan keputusan tolak H0., maka dapat disimpulkan bahwa data diatas
sudah stationer.
9. Menentukan Model
Berdasarkan plot ACF dan PACF diatas dapat dilihat bahwa nilai lag pada plot ACF
menurun secara eksponensial sedangkan pada plot PACF pola garis menurun secara
drastis atau cut off setelah log p sehingga dapat kita simpulkan bahwa model untuk
data kasus harian corona tanggal 10 Maret hingga 9 April 2020 adalah model AR(p).
10. Membuat model
Dalam menentukan model terbaik dilakukan beberapa kali percobaan terhadap nilai p
pada model. Berdasarkan output diatas maka didapatkan model terbaik adalah model
1 dilihat dari nilai AIC terkecil pada model 1 yaitu 187,9362 dengan nilai p = 0, d =
1, dan q = 1 sehingga dapat disimpulkan bahwa model 1 adalah model yang lebih
baik dari pada model lainnya.
Taraf Nyata
α = 0,05
Kriteria Penolakan
Tolak H0 jika, P-value < α
Statistik Uji
Nilai P value 0,03423
Keputusan
Dari 5 model model yang signifikan adalah model ke-1 dikarenakan nilai p
value < α , maka keputusnnya adalah tolak H0.
Kesimpulan
Berdasarkan keputusan tolak H0., maka dapat disimpulkan bahwa Parameter
signifikan dalam model
Dikarenakan model 1 adalah model yang signifikan maka selanjutnya akan dilakukan
pemeriksaan diagnostik menggunakan model 1
12. Pemeriksaan Diagnostik menggunakan White Noise
Hipotesis
H0 = Residual memenuhi syarat White Noise
Ha = Residual tidak memenuhi syarat White Noise
Taraf Nyata
α = 0,05
Kriteria Penolakan
Tolak H0 jika, P-value < α
Statistik Uji
P value = 0.299
Keputusan
Dikarenakan nilai p value > α (0.299 > 0.05), maka keputusnnya adalah tidak
dapat menolak H0.
Kesimpulan
Berdasarkan keputusan tidak dapat menolak H0 ., maka dapat disimpulkan
bahwa Residual memenuhi syarat White Noise.
13. Peramalan
64,443388
64,443388
Start = Hari ke 32 ( 10 April 2020)
64,44338 1
End = Hari ke 36 ( 14 April 2020)
64,443388
64,443388
4152,949
Hasil peramalan untuk 5 hari kedepan yaitu tanggal 10 April 2020 hingga 14 April
2020 di Negara Italia menggunakan model IMA ( 1,1) atau ARIMA (0,1,1) adalah
sebagai berikut :
Gambar 7 Grafik perbandingan data aktual dan data ramalan Covid ( selama 5 hari )