<![CDATA[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.]]>
Copyrights © 2022
