ANALISIS SPASIAL MODEL INVERSE DISTANCE WEIGHTING PADA PENYEBARAN KASUS POSITIF COVID-19 PER KABUPATEN DI PULAU JAWA

Nur'ainul Miftahul Huda, Nurfitri Imro'ah

Abstract


Suatu lokasi saling berhubungan satu dengan yang lainnya dan sesuatu yang berjarak dekat memiliki pengaruh yang lebih dibandingkan dengan lokasi yang jauh. Hal ini yang mendasari adanya keterkaitan suatu kejadian antar lokasi atau disebut autokorelasi spasial. Salah satu metode yang dapat digunakan untuk melihat pola keterkaitan tersebut adalah metode Inverse Distance Weighting (IDW). Metode ini menggunakan faktor parameter pengaruh yaitu power (p) dalam melihat pengaruh lokal antar titik lokasi. Semakin besar niai p berarti nilai titik tak tersampel menjadi lebih terlokalisasi dan sebaliknya. Input yang digunakan pada model ini adalah koordinat titik untuk titik tersampel beserta nilai dari setiap titik yang akan diestimasi. Pada penelitian ini kasus yang digunakan adalah kasus terkonfirmasi positif virus Covid-19 per 76 kabupaten/kota di Pulau Jawa hingga tanggal 26 Februari 2022. Penelitian ini bertujuan untuk melihat pemetaan kasus terkonfirmasi positif di Pulau Jawa per kabupaten melalui peta kontur menggunakan model IDW. Kabupaten/kota yang tidak dijadikan lokasi tersampel dapat diestimasi melalui model ini. Langkah pertama adalah membuat peta grid, kemudian menghitung jarak antar lokasi tersampel. Selanjutnya jarak tersebut digunakan untuk menghitung bobot setiap lokasi tersampel. Langkah berikutnya adalah estimasi nilai di lokasi tak tersampel menggunakan nilai power. Nilai power yang digunakan pada penelitian ini adalah 0,5;1;2;3;4;5. Pemilihan nilai power yang tepat didasarkan pada nilai RMSE terkecil. Hasilnya diperoleh nilai power yang optimal adalah saat p=2 dan diperoleh estimasi kasus positif Covid-19 di lokasi tak tersampel sehingga diperoleh peta kontur.

Full Text:

PDF

References


Anselin, Luc dan Rey, Sergio J., 2010, Perspectives on Spatial Data Analysis, Springer, New york

Kissling, W. D., dan Carl, G., 2008, Spatial autocorrelation and the selection of simultaneous autoregressive models, Global Ecology and Biogeography, 17: 59 - 71

Okwi, P.O., Ndeng'e G, Kristjanson, P., Arunga, M., Notenbaert, A., Omolo, A., Henninger, N., Benson, T., Kariuki, P., dan Ownor, J., 2007, Spatial deter minants of poverty in rural Kenya, National Center for Biology Information, 104(43): 16769 - 16774

Bekti, R. B., dan Sutikno, 2010, Permodelan spasial pada hubungan antara aset kehidupan masyarakat Jawa Timur dalam memenuhi kebutuhan pangan terhadap kemiskinan, Seminar Nasional Pasca Sarjana X. Surabaya: Pasca Sarjana Institut Teknologi Sepuluh Nopember., VI-38

Rosidi, M., 2019, Metode Numerik Menggunakan R Untuk Teknik Lingkungan, Piktochart: Bandung

Pramono, G. H., 2008, Akurasi Metode IDW dan Kriging untuk Interpolasi Sebaran Sedimen Tersuspensi di Maros, Sulawesi Selatan, Forum Geogra, 22(1): 145 - 158

World Health Organization, 2022, WHO Coronavirus (Covid-19),

https://covid19.who.int/

Kementerian Kesehatan, 2022, Situasi Covid-19 berdasarkan kabupaten/kota, https://vaksin.kemkes.go.id/

Merwade V.M., Maidment D.R., dan Gol, J.A., 2006, Anistropic Considerations while Interpolating River Channel Bathymetry, Journal of Hydrology, 331: 731 - 741.

Azpurua, M., dan Ramos, K.D., 2010, A Comparizon of Spatial Interpolation Methods for Estimation of Average Electromagnetic Field Magnitude, Progress in Electromagnetics Research M., 14: 135 - 145




DOI: https://doi.org/10.25077/jmu.11.1.64-73.2022

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Jurnal Matematika UNAND



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.