Pemodelan Kasus Covid-19 Menggunakan Model Regresi Nonparametrik

Abstract

Pemodelan kasus positif COVID-19 perhari sangat sulit bahkan banyak gejala menunjukkan bahwa data yang diperoleh tidak menunjukkan suatu pola hubungan yang mudah untuk digambarkan. Untuk mengatasi kesulitan-kesulitan tersebut digunakan model regresi nonparametrik. Tujuan penelitian ini adalah medapatkan model terbaik dari pemodelan data kasus baru perhari COVID-19 di Jakarta menggunakan model regresi nonparametrik berupa regresi spline (cubic spline), smoothing spline dan MARS. Data kasus baru perhari COVID-19 di Jakarta yang digunakan adalah data kasus baru mulai tanggal 16 Maret 2020 sampai dengan 15 Agustus 2020. Data tersebut dibagi dalam dua kelompok yaitu data tanggal 16 Maret 2020 sampai dengan 6 Agustus 2020 sebagai data in sample yang digunakan sebagai pembentuk model regresi nonparametrik, dan data tanggal 7 Agustus 2020 sampai dengan 15 Agustus 2020 sebagai data out sample yang digunakan untuk memvalidasi model regresi nonparametrik. Hasil penelitian menunjukkan model regresi nonparametrik berupa MARS dengan BF=46, MI=1 dan MO=1 merupakan model terbaik dan sangat akurat dalam melakukan prediksi untuk kasus COVID-19 di Jakarta.