PENERAPAN DISTRIBUSI STASIONER RANTAI MARKOV PADA DATA BANYAKNYA ORANG TERKONFIRMASI POSITIF COVID-19 DI JAWA BARAT

Tubagus Robbi Megantara; Ayun Sri Rahmani; Budi Nurani Ruchjana

Tubagus Robbi Megantara Program Studi Magister Matematika, Fakultas MIPA, Universitas Padjadjaran, Indonesia
Ayun Sri Rahmani Program Studi Magister Matematika, Fakultas MIPA, Universitas Padjadjaran, Indonesia
Budi Nurani Ruchjana Departemen Matematika, Fakultas MIPA, Universitas Padjadjaran, Indonesia

Keywords: COVID-19, Distribusi Stasioner, Rantai Markov, RStudio

Abstract

Corona virus disease (COVID-19) memiliki tingkat infeksi yang sangat cepat sehingga perlu adanya kebijakan yang terencana. Perencanaan kebijakan untuk menangani penyebaran COVID-19 dapat dibantu oleh adanya peramalan dan prediksi beberapa hari ke depan mengenai kasus harian. Peramalan dan prediksi dapat digunakan untuk memperkirakan lama waktu pembatasan sosial berskala besar yang diperlukan serta memperkirakan besar dana bantuan untuk masyarakat yang terdampak dalam selang waktu tertentu. Analisis jangka panjang menggunakan rantai Markov waktu diskrit dengan distribusi stasioner seringkali digunakan sebagai alat prediksi. Tujuan penelitian ini menganalisis prediksi jangka panjang kasus terkonfirmasi positif COVID-19 di Jawa Barat menggunakan rantai Markov waktu diskrit dengan distribusi stasioner. Metodologi penelitian menggunakan studi literatur dan studi eksperimen melalui pengolahan data terkonfirmasi positif COVID-19 di Jawa Barat. Perhitungan ditentukan dengan dua keadaan sehingga diperoleh matriks transisi dengan kriteria: jika data ke-n lebih kecil dari rata-rata (0), dan jika data ke-n lebih besar dari ratarata (1). Hasil analisis prediksi jangka panjang menunjukkan peluang terjadinya kasus terkonfirmasi positif COVID-19 di Jawa Barat sebesar 64,77% dan peluang tidak terjadi kasus terkonfirmasi positif COVID-19 di Jawa Barat sebesar 35,23%. Hasil penelitian diharapkan dapat menjadi pertimbangan untuk instansi terkait, dalam mengambil kebijakan agar tetap memperhatikan protokol kesehatan dalam pencegahan penyebaran COVID-19.

Downloads

Download data is not yet available.

References

World Health Organization, “WHO Director-General’s opening remarks at the media briefing on COVID-19 - 11 March 2020”, https://www.who.int/directorgeneral/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefingon-covid-19---11-march-2020, (2020).

World Health Organization, “Situation Report – 42”, Available: https://www.who.int/docs/default-source/coronaviruse/situation-reports/20200302sitrep-42-covid-19.pdf, (2020).

A. Susilo, “Coronavirus disease 2019: Tinjauan literatur terkini,” J. Penyakit Dalam Indones., 7(1), 45–67, (2020).

Pusat Informasi & Koordinasi COVID-19 Provinsi Jawa Barat, “Dashboard Statistik Kasus Covid-19 Provinsi Jawa Barat', Available: https://pikobar.jabarprov.go.id/data.

Kementerian Kesehatan Republik Indonesia, “Program Vaksinasi COVID-19 Mulai Dilakukan, Presiden Orang Pertama Penerima Suntikan Vaksin COVID-19”, http://p2p.kemkes.go.id/program-vaksinasi-covid-19-mulai-dilakukan-presiden-orangpertama-penerima-suntikan-vaksin-covid-19/, (2021).

I. N. Juaningsih, Y. Consuello, A. Tarmidzi, and D. NurIrfan, “Optimalisasi Kebijakan Pemerintah dalam penanganan Covid-19 terhadap Masyarakat Indonesia,” SALAM J. Sos. dan Budaya Syar-i, 7(6), 509–518, (2020).

F. Firdaniza, N. Gusriani, and E. Suryamah, “Distribusi Stasioner Rantai Markov Untuk Prediksi Curah Hujan di Wilayah Jawa Barat”, (2017).

M. C. Anggarwati, “Prediksi Tingkat Pengaduan Berita Hoax di Jawa Barat Menggunakan Persamaan Chapman-Kolmogorov dan Distribusi Stasioner Rantai Markov”, (2020).

C. C. Agusta, “Penerapan Distribusi Stasioner Rantai Markov untuk Deskripsi Fluktuasi Data Saham”, (2015).

N. Chintalapudi, G. Battineni, and F. Amenta, “COVID-19 virus outbreak forecasting of registered and recovered cases after sixty day lockdown in Italy: A data driven model approach,” J. Microbiol. Immunol. Infect., 53(3), pp. 396–403, (2020).

C. Mahanty, R. Kumar, B. K. Mishra, D. J. Hemanth, D. Gupta, and A. Khanna, “Prediction of COVID‐19 active cases using exponential and non‐linear growth models,” Expert Syst., e12648, (2020).

A. L. H. Achmad and B. N. Ruchjana, “Stationary distribution Markov chain for Covid19 pandemic,” in Journal of Physics: Conference Series, 1722(1), 12084, (2021).

S. Osaki, Applied stochastic system modeling. Springer Science & Business Media, (2012).

N. Privault, “Understanding Markov Chains,” Examples Appl. Publ. Springer-Verlag Singapore, 357, 358, (2013)