Oleh:
ALIYA FATHINAH
1708108010045
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA
DARUSSALAM, BANDA ACEH
2020
1. Deskripsi Data
Data yang digunakan adalah data total kasus Covid-19 di negara Filipina yang bersumber
dari situs www.worldometers.info/coronavirus/. Data tersebut berupa total kasus positif
Covid-19 di negara Filipina setiap harinya mulai tanggal 10 Maret hingga 9 April 2020.
Berikut data total kasus Covid-19 di Filipina.
Tabel 1. Data Total Kasus Covid-19 di Filipina.
Waktu Total Kasus
10 Maret 33
11 Maret 49
12 Maret 52
13 Maret 64
14 Maret 111
15 Maret 140
16 Maret 142
17 Maret 187
18 Maret 202
19 Maret 217
20 Maret 230
21 Maret 307
22 Maret 380
23 Maret 462
24 Maret 552
25 Maret 636
26 Maret 707
27 Maret 803
28 Maret 1075
29 Maret 1418
30 Maret 1546
31 Maret 2084
1 April 2311
2 April 2633
3 April 3018
4 April 3094
5 April 3246
6 April 3660
7 April 3764
8 April 3870
9 April 4076
Total Kasus Covid-19 di Filipina
4500
4000
3500
3000
2500
2000
1500
1000
500
0
Total Kasus
Berdasarkan grafik diatas dapat dilihat bahwa total kasus positif Covid-19 di Filipina setiap
harinya mengalami peningkatan. Total kasus pada tanggal 10 Maret 2020 berjumlah 33 kasus
dan berjumlah 4076 kasus di tanggal 9 April 2020.
Interpretasi :
Berdasarkan output diatas dapat diketahui bahwa data tidak stasioner terhadap varian.
Hal tersebut dapat dilihat dari nilai lambda yang tidak mendekati 1, yaitu sebesar
0,4286284. Oleh karena data tidak stasioner terhadap varian, maka perlu dilakukan
transformasi data. Dikarenakan nilai lambda yang diperoleh mendekati 0,5 sehingga
transformasi yang dapat dicoba adalah transformasi akar.
λ 0,4286284
λ setelah transformasi akar 0,8653123
Interpretasi :
Berdasarkan output diatas dapat diketahui bahwa data yang telah ditransformasi
merupakan data yang stasioner terhadap varian. Hal ini dapat dilihat dari nilai lambda
yang telah mendekati 1, yaitu sebesar 0,8653123.
5) Keputusan:
Karena P-value (0,5058) > α (0,05) maka tidak dapat menolak H0
6) Kesimpulan:
Karena tidak dapat menolak H0, mata data tidak stasioner terhadap mean.
Untuk mendapatkan model terbaik, maka dilakukan beberapa kali percobaan dengan
mengganti nilai p dan q pada model. Berdasarkan output di atas, dapat dilihat nilai AIC,
RMSE, MAE, dan MAPE dari masing-masing model yang telah dicoba. Model terbaik
yang diperoleh adalah model 4 karena memiliki nilai AIC paling kecil dibandingkan
model-model lainnya.
5) Keputusan:
Karena pada model 1, P-value (0,1263) > α (0,05) maka tidak dapat menolak H0.
Karena pada model 2, P-value (0,9708) > α (0,05) maka tidak dapat menolak H0.
6) Kesimpulan:
Residual pada model 1 dan 4 memenuhi syarat White Noise.
Model 1 dan model 4 memiliki parameter yang signifikan terhadap model serta
keduanya juga memenuhi syarat White Noise. Untuk memutuskan model yang
akan digunakan dalam peramalan, maka dilihat kembali nilai AIC, RMSE, MAE,
dan MAPE. Model 4 memiliki nilai AIC, RMSE, MAE, dan MAPE dibandingkan
dengan model 1. Sehingga diputuskan model 4 digunakan dalam meramalkan total
kasus Covid-19 di Filipina.
9. Peramalan
Hasil peramalan tanggal menggunakan model ARIMA(2,3,1) adalah sebagai berikut.
5000
Total Kasus
4000
3000
2000
1000
0
10-Apr 11-Apr 12-Apr 13-Apr 14-Apr 15-Apr 16-Apr
10-Apr 11-Apr 12-Apr 13-Apr 14-Apr 15-Apr 16-Apr
Data Aktual 4195 4428 4648 4932 5223 5453 5660
Data Ramalan 4185 4302 4443 4541 4640 4738 4814
Gambar 3. Grafik perbandingan data aktual dan data ramalan total kasus Covid-19 di
Filipina.