Search for collections on Undip Repository

MENGONSTRUKSI MODEL PERAMALAN KASUS POSITIF COVID-19 VARIAN DELTA MENGGUNAKAN MODEL ARIMA�GARCH

Lintang, Furi Prihastari (2022) MENGONSTRUKSI MODEL PERAMALAN KASUS POSITIF COVID-19 VARIAN DELTA MENGGUNAKAN MODEL ARIMA�GARCH. Undergraduate thesis, Universitas Diponegoro.

[img] Text
0. Cover.pdf

Download (23kB)
[img] Text
2. Halaman Pengesahan.pdf

Download (76kB)
[img] Text
11. Abstrak.pdf

Download (55kB)
[img] Text
12. Abstract.pdf

Download (55kB)

Abstract

ABSTRAK
MENGONSTRUKSI MODEL PERAMALAN KASUS POSITIF COVID-19
VARIAN DELTA MENGGUNAKAN MODEL ARIMA-GARCH
oleh
Lintang Furi Prihastari
24010117120015
Coronavirus disease (COVID-19) merupakan keluarga besar virus yang
menyerang sistem pernapasan. Virus COVID-19 menyebabkan pandemik di lebih dari
200 negara di dunia. Indonesia merupakan salah satu negara yang terpapar COVID-19.
Ada berbagai varian baru yang berbahaya, salah satunya varian delta yang menyerang
hampir seluruh wilayah Indonesia. Sebagai salah satu alternatif untuk menganalisis
pertumbuhan kasus COVID-19, penelitian ini mengonstruksi model peramalan kasus
harian positif COVID-19 menggunakan kombinasi model Autoregressive Integrated
Moving Average (ARIMA) dan Generalized Autoregressive Conditional
Heteroskedasticity (GARCH). Data yang diamati adalah data harian kasus positif
COVID-19 varian delta dari tanggal 11 Juni 2021 sampai 28 Oktober 2021. Model
dikonstruksi menggunakan bantuan program Eviews.10. Model yang diperoleh adalah
model ARIMA(6,2,1) dan ARIMA(6,2,1)-GARCH(0,2). Hasil penelitian
menunjukkan bahwa model terbaik adalah model ARIMA(6,2,1)-GARCH(0,2) dengan
nilai Mean Absolute Percentage Error (MAPE) pada data kalibrasi sebesar
1,623428%.
Kata kunci : COVID-19, peramalan, ARIMA, GARCH, Eviews.10

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Mathematics
Depositing User: yemima laras sekarsari
Date Deposited: 08 Sep 2022 04:53
Last Modified: 08 Sep 2022 04:53
URI: https://eprints2.undip.ac.id/id/eprint/8173

Actions (login required)

View Item View Item