Pemodelan Jumlah Kasus Penderita Demam Berdarah Dengue (DBD) menggunakan Metode Integer Valued Autoregressive Moving Average (INARMA)
DOI:
https://doi.org/10.24252/msa.v12i1.27472Abstrak
Metode Integer Valued Autoregressive Moving Average (INARMA) digunakan untuk menganalisis data dengan tipe count atau bertipe integer dan berdisitribusi poisson. Berdasarkan hal tersebut, data yang akan dianalisis dalam penelitian ini adalah data jumlah yaitu data jumlah kasus penderita DBD (Demam Berdarah Dengue) yaitu penyakit yang ditularkan melalui gigitan nyamuk aedes aegypti. Tingginya angka demam berdarah di Indonesia khususnya di daerah Sidoarjo yang cenderung mengalami fluktuasi tiap bulannya, maka dibuatkan model prediksi sebagai langkah untuk mengetahui prediksi jumlah penderita DBD diwaktu yang akan datang. Model yang diperoleh Setelah melakukan proses analisis time series adalah INARMA(1,0,0) atau INAR(1).
Referensi
[1] Jorgen Hellstrom. 2002. Count Data Modelling And Tourism Demand. Sweden : UMEA University.
[2] Mohammodipour. 2012. Forecast Horizon aggregation in integer autoregressive moving average (INARMA) models. London: Middelsex Universitas London.
[3] Fajarani Juliaristi. 2016. Peramalan Banyak Kasus Demam Berdarah (DB) di Kota Surabaya Menggunakan Hybrid Integer-valued Autoregressive Integrated Moving Average (INARIMA) dan Radial Basis Function Neural Network (RBFNN). Surabaya : Institut Teknologi Sepuluh November.
[4] Christian H. Weiss dkk. 2019. Inarma Modelling of Count Time Series. Swiss : MDPI.
[5] Johannes Bracher. 2019. A new INARMA(1,1) model with Poisson marginals, Swiss: Springer Nature Switzerland.
[6] Aswi dan Sukarna. 2006. Analisis Deret Waktu. Makassar : Andira Publisher.
[7] Georger E.P. Box dkk. 2008, Time Series Analysis Forecasting and Control. Canada: John Wiley & Sons.
[8] Aswi dan Sukarna. 2006. Analisis Deret Waktu. Makassar : Andira Publisher.
[9] Mohammodipour. 2012. Forecast Horizon aggregation in integer autoregressive moving average (INARMA) models. London: Middelsex Universitas London.
[10] Kedem, B & Frakianos, K. 2002. Regression Models for Time Series Analysis. New Jersey: John Wiley & Sons, Inc.
[2] Mohammodipour. 2012. Forecast Horizon aggregation in integer autoregressive moving average (INARMA) models. London: Middelsex Universitas London.
[3] Fajarani Juliaristi. 2016. Peramalan Banyak Kasus Demam Berdarah (DB) di Kota Surabaya Menggunakan Hybrid Integer-valued Autoregressive Integrated Moving Average (INARIMA) dan Radial Basis Function Neural Network (RBFNN). Surabaya : Institut Teknologi Sepuluh November.
[4] Christian H. Weiss dkk. 2019. Inarma Modelling of Count Time Series. Swiss : MDPI.
[5] Johannes Bracher. 2019. A new INARMA(1,1) model with Poisson marginals, Swiss: Springer Nature Switzerland.
[6] Aswi dan Sukarna. 2006. Analisis Deret Waktu. Makassar : Andira Publisher.
[7] Georger E.P. Box dkk. 2008, Time Series Analysis Forecasting and Control. Canada: John Wiley & Sons.
[8] Aswi dan Sukarna. 2006. Analisis Deret Waktu. Makassar : Andira Publisher.
[9] Mohammodipour. 2012. Forecast Horizon aggregation in integer autoregressive moving average (INARMA) models. London: Middelsex Universitas London.
[10] Kedem, B & Frakianos, K. 2002. Regression Models for Time Series Analysis. New Jersey: John Wiley & Sons, Inc.
Unduhan
Diterbitkan
2024-06-10
Cara Mengutip
[1]
nurul Inayah, I. Kasse, dan A. Sauddin, “Pemodelan Jumlah Kasus Penderita Demam Berdarah Dengue (DBD) menggunakan Metode Integer Valued Autoregressive Moving Average (INARMA)”, MSA, vol. 12, no. 1, hlm. 46–51, Jun 2024.
Terbitan
Bagian
Artikel
