Tugas Analisis Deret Waktu I

PERAMALAN KASUS COVID-19

Studi Kasus: Turki

disusun untuk memenuhi

tugas mata kuliah Analisis Deret Waktu I

oleh :

NUR HUSNA ADILA

1708108010010

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA
DARUSSALAM, BANDA ACEH
2020
1. Data yang digunakan
Data yang digunakan adalah data jumlah kasus Covid-19 di Negara Turki selama 31 hari
dari tanggal 10 Maret 2020 sampai tanggal 09 April 2020. Data yang didapat sebagai berikut:
Tabel 1. Data Jumlah Kasus Covid-19 di Negara Turki Selama 31 Hari
Tanggal Jumlah Kasus Tanggal Jumlah Kasus
10 Maret 2020 1 26 Maret 2020 1196
11 Maret 2020 1 27 Maret 2020 2069
12 Maret 2020 1 28 Maret 2020 1704
13 Maret 2020 4 29 Maret 2020 1815
14 Maret 2020 1 30 Maret 2020 1610
15 Maret 2020 12 31 Maret 2020 2704
16 Maret 2020 29 01 April 2020 2148
17 Maret 2020 51 02 April 2020 2456
18 Maret 2020 93 03 April 2020 2786
19 Maret 2020 168 04 April 2020 3013
20 Maret 2020 311 05 April 2020 3135
21 Maret 2020 277 06 April 2020 3148
22 Maret 2020 289 07 April 2020 3892
23 Maret 2020 293 08 April 2020 4117
24 Maret 2020 343 09 April 2020 4056
25 Maret 2020 561
Sumber: https://www.worldometers.info/coronavirus/country/turkey/

2. Plot Data

Gambar 1. Plot Data Jumlah Kasus Covid-19 di Negara Turki

 Berdasarkan plot tersebut dapat dilihat bahwa plot memiliki pola tren naik yang artinya
jumlah kasus Covid-19 di Negara Turki selama 31 hari dari tanggal 10 Maret 2020 sampai tanggal
09 April 2020 semakin hari semakin bertambah banyak, jika berkurang pun tidak berkurang secara
signifikan tetapi hanya sedikit.

3. Melihat Kestasioneran Data terhadap Varians

Gambar 2. Output Uji Stasioner terhadap Varians

Berdasarkan output di atas dapat dilihat bahwa sebelum data ditransformasi nilai lambda
sebesar 0,2213292 atau mendekati 0 yang berarti data tidak stasioner. Sedangkan setelah data
ditransformasi didapatkan nilai lambda sebesar 1,624122 yang berarti data sudah stasioner.

4. Melihat Kestasioneran Data terhadap Mean

Gambar 3.a. Output Uji stasioner terhadap Mean

Berdasarkan output di atas dapat dilihat bahwa nilai Pvalue > α (0,7383 > 0,05) yang berarti
keputusannya adalah tidak dapat menolak H0 (hipotesis awal) dimana H0 merupakan data tidak
stasioner sehingga dapat disimpulkan bahwa data jumlah kasus Covid-19 di Negara Turki selama
31 hari adalah data yang tidak stasioner sehingga perlu dilkaukan differencing.

Gambar 3.b. Output Uji stasioner terhadap Mean setelah Differencing

 Berdasarkan output di atas dapat dilihat bahwa nilai Pvalue < α (0,01 < 0,05) yang berarti
keputusannya adalah tolak H0 (hipotesis awal) dimana H0 merupakan data tidak stasioner sehingga
dapat disimpulkan bahwa data jumlah kasus Covid-19 di Negara Turki selama 31 hari sudah
stasioner sehingga tidak perlu dilakukan differencing lagi.

5. Menentukan Model

Gambar 4. Plot ACF dan PACF Data yang sudah Stasioner

Berdasarkan output di atas dapat dilihat bahwa pada plot ACF lag menurun secara signifikan,
sedangkan pada plot PACF dapat dilihat bahwa lag menurun secara eksponensial sehingga dapat
diputuskan bahwa model yang akan digunakan pada data ini adalah model MA(q).

6. Membuat Model

Gambar 5. Output Model MA Terbaik

Berdasarkan output di atas dapat dilihat bahwa model MA terbaik yaitu MA (1,2) dimana
p= 0, d= 1 dan q=2 dengan nilai AIC sebesar 63,00626
7. Peramalan dengan Model Terbaik MA (1,2)

Gambar 6. Output Peramalan dengan Model MA Terbaik

Berdasarkan output di atas dapat dilihat bahwa dengan menggunakan model MA terbaik yaitu
MA (1,2) didapatkan hasil ramalan jumlah kasus Covid-19 di Negara Turki untuk 5 hari ke depan
yaitu dari tanggal 10 April 2020 sampai tanggal 14 April 2020 diperoleh hasil sebagai berikut:

Tabel 2. Data Ramalan Jumlah Kasus Covid-19 di Negara Turki untuk 5 Hari Ke Depan
Tanggal Jumlah Kasus
10 April 2020 4302
11 April 2020 4192
12 April 2020 4192
13 April 2020 4192
14 April 2020 4192