Perbandingan Metode Geographically Weighted Random Forest dan Gepgraphically Weighted Generalized Poisson Regression pada Kasus Kematian Covid-19 di Jawa Timur

Abstract

Tahun 2019 tersebar penyakit baru yang rentan menular dari manusia ke manusia lain. Penyakit ini dikenal dengan Coronavirus disease 19 (Covid-19). Kasus Covid-19 di Indonesia pertama kali ditemukan tahun 2020 yang kemudian menyebar ke seluruh negeri dan berakibat pula pada tingginya tingkat kematian akibat Covid-19 salah satunya berada di Provinsi Jawa Timur. Kematian pada pasien terinfeksi Covid-19 dipengaruhi oleh beberapa faktor yang tentunya berbeda di setiap lokasinya. Metode yang dapat digunakan untuk mengetahui hubungan antara tingginya kasus kematian Covid-19 dengan faktor-faktor yang mempengaruhinya adalah dengan menggunakan Geographically Weighted Random Forest (GWRF) dan Geographically Weighted Generalized Poisson Regression (GWGPR). GWRF adalah metode analisis spasial yang menggunakan model regresi Random Forest. Output dari pemodelan ini nantinya divisualisasikan melalui pemetaan wilayah sesuai dengan kelompok faktor yang mempengaruhinya. Metode lain yang digunakan untuk aspek spasial adalah GWGPR yang merupakan pengembangan dari metode Generalized Poisson Regression dengan mempertimbangkan longitude dan latitude suatu lokasi yang berbeda. Penelitian ini bertujuan untuk memodelkan kasus kematian covid-19 dan faktor yang mempengaruhi di provinsi Jawa Timur menggunakan metode Geographically Weighted Random Forest (GWRF) dan Geographically Weighted Generalized Poisson Regression (GWGPR). Variabel dalam penelitian ini terdiri dari Persentase kasus positif Covid-19 , Persentase penderita TB Paru , Persentase penderita pneumonia , Persentase Kemiskinan , dan Persentase TTU memenuhi Syarat Kesehatan . Penelitian ini dilakukan menggunakan 38 data jumlah kematian Covid-19 menurut kabupaten/kota di Jawa Timur. Hasil dari penelitian ini yaitu faktor yang berpengaruh signifikan dengan jumlah kematian akibat Covid-19 berdasarkan metode GWGPR dibagi menjadi 2 kelompok sesuai dengan kesamaan faktor. Hasil dari metode GWRF dibagi menjadi 2 kelompok sesuai dengan kesamaan faktor. Hasil uji kebaikan model dengan metode GWRF memberikan hasil yang lebih baik dari pada GWGPR. Metode GWRF menunjukkan nilai R-Square sebesar 0,911626. Nilai tersebut menghasilkan performa model yang dilakukan dengan metode GWRF pada penelitian ini tergolong dalam klasifikasi yang sangat baik.