PREDIKSI JUMLAH KASUS BARU HARIAN CORONA VIRUS DISEASE 2019 (COVID-19) DENGAN MODEL MULTIPLE LINEAR REGRESSION

WIBAWA, ARON FALAH (2023) PREDIKSI JUMLAH KASUS BARU HARIAN CORONA VIRUS DISEASE 2019 (COVID-19) DENGAN MODEL MULTIPLE LINEAR REGRESSION. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

[thumbnail of 1. Skripsi Fulltext_123160042_Aron Falah Wibawa.pdf] Text
1. Skripsi Fulltext_123160042_Aron Falah Wibawa.pdf
Restricted to Repository staff only

Download (2MB)
[thumbnail of 2. Cover_123160042_Aron Falah Wibawa.pdf] Text
2. Cover_123160042_Aron Falah Wibawa.pdf

Download (142kB)
[thumbnail of 3. Abstrak_123160042_Aron Falah Wibawa.pdf] Text
3. Abstrak_123160042_Aron Falah Wibawa.pdf

Download (36kB)
[thumbnail of 4. Lembar Pengesahan_123160042_Aron Falah Wibawa.pdf] Text
4. Lembar Pengesahan_123160042_Aron Falah Wibawa.pdf

Download (522kB)
[thumbnail of 5. Daftar isi_123160042_Aron Falah Wibawa.pdf] Text
5. Daftar isi_123160042_Aron Falah Wibawa.pdf

Download (42kB)
[thumbnail of 6. Daftar pustaka_123160042_Aron Falah Wibawa.pdf] Text
6. Daftar pustaka_123160042_Aron Falah Wibawa.pdf

Download (94kB)

Abstract

Pada 11 Februari 2020 corona virus disease 2019 (COVID-19) dinamai oleh World
Health Organization (WHO) dan penyakit yang dapat menyebar melalui kontak antar
orang terutama dari droplet pernafasan saat seseorang yang terinfeksi batuk atau bersin.
Dengan tingkat penyebaran yang tinggi COVID-19 ditetapkan sebagai global pandemik.
Pada 12 Januari 2022 pemerintah Indonesia menyatakan untuk diperlukan vaksinasi ketiga
dengan prioritas bagi lansia dan kelompok rentan. Dengan menggunakan model prediksi
regresi linier ganda pada data perkembangan kasus COVID-19 di Indonesia, akan
dilakukan perbandingan model prediksi regresi linier ganda yang bervariabel dependen
yaitu jumlah kasus baru harian dan variabel independen antara lain data harian kasus aktif,
sembuh, meninggal seperti pada penelitian sebelumnya dengan model prediksi yang
menggunakan vaksin ketiga sebagai variabel independen tambahan untuk mencari model
variabel terbaik.
Dengan adanya dua model prediksi regresi linier ganda yaitu model yang
menggunakan variabel baksin booster serta model tanpa vaksin booster dapat dilakukan
pengujian dan evaluasi model dengan melihat nilai koefisien determinasi nya dan nilai
galat prediksi secara keseluruhan dan menentukan model mana yang memiliki hasil
evaluasi yang lebih baik dengan menguji nilai R² dan root mean square error (RMSE) nya.
Dengan menggunakan data yang telah tersedia dalam rentan tanggal 11 Januari 2022
hingga 30 September 2022. Berdasarkan dari pelatihan dan nilai pengujian kedua model
tersebut akan dibuktikan model mana yang terbaik.
Dua model prediksi regresi linier ganda dengan variabel dependen yang berbeda yaitu
model pertama menggunakan vaksin booster dan model kedua tanpa vaksin booster telah
dibentuk dan pelatihan serta evaluasi model prediksi menunjukan nilai yang tidak berbeda
jauh dari satu sama lain. Nilai data vaksin booster yang fluktuatif mengakibatkan nilai
koefisien dalam model prediksi sebesar -0.000185382. Selain itu nilai evaluasi kedua
model yang pertama adalah R² dimana model dengan vaksin booster mendapat nilai
0.86072 sedangkan model tanpa vaksin booster mendapat nilai 0.86071, yang kedua adalah
RMSE dimana model dengan vaksin booster mendapat nilai 5395.078 sedangkan model
tanpa vaksin booster mendapat nilai 5395.393. dengan hasil tersebut dapat disimpulkan
bahwa model prediksi dengan vaksin booster memiliki hasil yang lebih bagus
dibandingkan dengan model prediksi tanpa vaksin booster.Namun perlu diingat perubahan
nilai yang tidak signifikan ini juga membuktikan bahwa variabel vaksin booster tidak
memberikan pengaruh yang signifikan dalam model prediksi regresi linier ganda.

Kata Kunci: regresi linier ganda, covid-19, prediksi

Item Type: Thesis (Diploma)
Uncontrolled Keywords: regresi linier ganda, covid-19, prediksi
Subjects: Q Science > Q Science (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eny Suparny
Date Deposited: 09 Oct 2023 04:16
Last Modified: 09 Oct 2023 04:17
URI: http://eprints.upnyk.ac.id/id/eprint/37913

Actions (login required)

View Item View Item