Genteng. = 0,435 Barisan dari [Exp(-7, ,121*X3] Binomial Thinning Operator. Jika Yt-1sukses maka peluang kejadian = 0,435

Transkripsi

1 . Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Geneng = 0,435 Y 0,435oY 1 Z Barisan dari [Exp(-7, ,1*X3] Binomial Thinning Operaor Variable Y_2 PFIT2 25 Jika Y-1sukses maka peluang kejadian = 0,435 Jika Y-1 gagal maka peluang kejadian = 0,565 Daa Index

2 . Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Bulak = 0,54 Y 0,54oY 1 Z Barisan dari [Exp(-0, ,006*X1] Binomial Thinning Operaor Variable Y_2 PFIT2 14 Jika Y-1sukses maka peluang kejadian = 0,54 Jika Y-1sukses maka peluang kejadian = 0,46 Daa Index

3 . Pemodelan Regresi INAR dengan Variabel Predikor Signifikan Asemrowo = 0,4 Y 0,4oY 1 Z Barisan dari [Exp(-0, ,002*X1] Binomial Thinning Operaor Variable Y_2 PFIT2 14 Jika Y-1sukses maka peluang kejadian = 0,4 Jika Y-1sukses maka peluang kejadian = 0,588 Daa Index

4 Pemilihan Model Terbaik Perbandingan anara nilai MSE model regresi INAR menggunakan 3 variabel predikor dan model regresi INAR(1) menggunakan variabel predikor yang signifikan MSE Kecamaan 3 Variabel predikor Variabel predikor signifikan Geneng 5,561 6,3505 Bulak 9,928 11,263 Asemrowo 3,251 3,18

5 KESIMPULAN Prediksi model INAR(1) merupakan perkalian anara peluang sukses erjadinya DBD dengan jumlah kejadian DBD pada sau bulan sebelumnya. Nilai MSE yang dihasilkan oleh model INAR anpa explanaory variable lebih besar daripada nilai MSE pada model INAR(1) dengan explanaory variable. Nilai MSE model INAR(1) dengan iga explanaory variable cenderung lebih kecil daripada nilai MSE model INAR(1) dengan explanaory variable yang signifikan saja. Sehingga model INAR(1) prediksi jumlah penderia DBD di koa Surabaya dengan explanaory variable yang lebih baik adalah dengan memasukkan keiga explanaory variable (Curah hujan, Suhu udara dan Kelembaban).

6 SARAN Karena keerbaasan waku peneliian dan keerbaasan sumber referensi karena yang digunakan dalam peneliian merupakan meode yang baru dipakai maka masih banyak kekurangan dalam peneliian ini. Sehingga unuk peneliian selanjunya diharapkan dapa mempelajari lebih dalam mengenai meode INARMA dan dapa dikembangkan dengan membua model INARMA yang lebih baik. Sebaiknya mencari meode penenuan iik awal ierasi yang lebih epa unuk penaksir parameer agar nilai parameer yang dihasilkan sesuai dan model yang didapakan lebih baik. Sebaiknya dilakukan juga uji seasonal, dan diambahkan dummy variabel jika erbuki daa seasonal.

7 DAFTAR PUSTAKA Arrowiyah Spaial Paern Analysis Kejadian Penyaki Demam Berdarah Dengue unuk Informasi Early Warning Bencana di Koa Surabaya. Surabaya: ITS digial library. Bowerman B, Richard O Connel Time Series Forecasing, Unified Conceps and Compuer Implemenaion. 2 nd ediion. Buson: Duxbury Press. Brännäs, K & Quoreshi, S Ineger-Valued Moving Avarage Modelling of he Number of Transacion in Socks. Journal of Economeric. Cameron, A.C & Trivedi, P.K Regression Analysis of Coun Daa. Unied Saes: Cambridge Universiy Press. Du JG, Li. Y. The Ineger-Valued Auoregressive (INAR(p)) model. Journal of Time Series Analysis1991;(2):9-42. Hasanah, U Pemodelan Pengaruh Cuaca Terhadap Penderia Penyaki Demam Berdarah Dengue di Wilayah Surabaya dengan Fungsi Transfer. Bogor: IPB digial library. Jung, R.C., & Tremayne, A.R Coheren Forecasing in Ineger Time Series Models. Inernaional Journal of Forecasing 22 (2006) Kedem, B., & Fokianos, K Regression Models for Time Series Analysis. New Jersey: John Wiley & Sons, Inc. McKenzie E. Some ARMA Models for Dependen sequences of Poisson Couns. Advances in Applied Probabiliy 1988;20(4):822-35

8 Makridakis S, Wheelwrigh SC, McGee VE Forecasing: Mehods and Applicaions. 2 nd ediion. New York: John Wiley and Sons. Milasari, I Peramalan Jumlah Penderia Demam Berdarah Menggunakan Model ARIMA Musiman (Sudi Kasus Di Rsud Kabupaen Sidoarjo). Malang: UIN Malang digial library. Mohammadipour, M & Boylan J.E Forecas Horizon Aggregaion in Ineger Auoregressive Moving Average (INARMA) Models. Omega (2011). Science Direc press. Mongomery DC, Johnson LA, Gardiner JS Forecasing and Time Series Analysis. Singapore: Mc Graw Hill. Wei, WWS Time Series Analysis Univariae and Mulivariae Mehods. Canada: Addison-Wesley. Quddus, M.A Time Series Coun Daa Models: An Empirical Applicaion o Traffic Accidens. Acciden Analysis and Prevenion, 2008.

9