Abstract

Coronavirus Disease (COVID-19) adalah virus yang termasuk kedalam zoonosis (ditularkan antara hewan dan manusia), yang penyebarannya dapat melalui droplet (partikel kecil) saat seseorang berbicara ataupun bersin, sehinga faktor utama penyebab peningkatan COVID-19 diantaranya meningkatnya pergerakan, aktivitas dan interaksi penduduk, seperti aktivitas di transportasi publik dan tempat kerja, serta adanya keterkaitan pada waktu sebelumnya. Melihat pertambahan kasus positif COVID-19 yang terus mengalami peningkatan maka perlu dilakukan penelitian untuk mendapatkan model prediksi kejadian yang memperhatikan tempat dan waktu. Metode yang digunakan dalam penelitian ini adalah Generalized Space Time Autoregressive (GSTAR) dengan bobot lokasi seragam dan invers jarak. Pemodelan hanya dilakukan pada 17 Provinsi yang terbagi kedalam 4 kelompok (wilayah), dengan tujuan penelitian yaitu untuk dapat memprediksi jumlah kasus positif (confirmed) COVID-19 di Indonesia. Dari analisis yang telah dilakukan, didapatkan model yang sesuai dengan data yaitu GSTAR(1;1)I(1) untuk masing-masing wilayah. Pemilihan model terbaik dari ke 2 bobot yang digunakan berdasarkan nilai Root Mean Square Error (RMSE) terkecil, didapatkan model GSTAR(1;1)I(1) untuk wilayah 1, 3 dan 4 menggunakan bobot lokasi seragam dengan nilai RMSE sebesar 119,0281, 67,03715 dan 40,61667, sedangkan model GSTAR(1;1)−I(1) untuk wilayah 2 menggunakan bobot invers jarak dengan nilai RMSE sebesar 1319,607.