Pemodelan Kasus Covid-19 di Jawa Timur Menggunakan Metode Generalized Poisson Regression dan Negative Binomial Regression

Abstract

Virus SARS-CoV-2 atau juga dikenal sebagai COVID-19, pertama kali ditemukan di China pada akhir 2019 dan telah menyebar secara global dan menyebabkan lebih dari 178 juta kasus terkonfirmasi dan sebanyak 3,9 juta jiwa meninggal dunia. Untuk kasus di Jawa Timur sendiri kasus COVID-19, hingga bulan Januari 2022 jumlah kasus di Jawa Timur yang terpapar virus COVID-19 sendiri mencapai 402.879 jiwa, sedangkan jumlah yang sembuh mencapai 371.745 jiwa dan meninggal dunia sebanyak 29.774 jiwa. Analisis regresi menggunakan variabel dependen sebagai variabel acak kontinu untuk menganalisis data. Sedangkan Regresi Poisson sendiri merupakan model dengan variabel Y berdistribusi Poisson. Namun dalam model regresi Poisson asumsi sering dilanggar antara estimasi varians yang berada di atas mean (over-dispersion) atau di awah mean (under-dispersion). Salah satu model yang digunakan untuk menangani under-dispersi atau over-dispersi ini yaitu Generalized Poisson Regression dan Negative Binomial Regression. Data yang akan digunakan untuk meramalkan jumlah korban jiwa COVID-19 yaitu data harian di Jawa Timur dari bulan Oktober 2020 sampai dengan Januari 2022. Proses analisis data dilakukan dengan menggunakan software RStudio dengan faktor yang diduga mempengaruhi yaitu, kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate di Provinsi Jawa Timur. Penelitian ini diharapkan dapat membantu Satuan Tugas COVID-19 Provinsi Jawa Timur dalam pengambilan kebijakan untuk mengantisipasi jumlah pasien berdasarkan faktor – faktor yang berpengaruh signifikan pada penelitian dan juga menambah wawasan mengenai faktor –faktor apa saja yang dapat berpengaruh dengan kasus COVID-19 sehingga masyarakat bisa lebih waspada lagi dalam masa pandemi ini. Hasil penelitian menunjukan bahwa model terbaik adalah model Generalized Poisson Regression. Hal ini ditunjukan dari nilai -2logL, AIC, dan BIC pada model Generalized Poisson Regression yang lebih kecil daripada model regresi poisson dan model Negative Binomial Regression. Dengan faktor-faktor yang berpengaruh terhadap jumlah kasus meninggal COVID-19 adalah kasus aktif, kasus baru, Stringency Index, dan Bed Occupancy Rate.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).