PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DAN PENERAPANNYA PADA PENDERITA TB PARU (BTA+) DI DKI JAKARTA

ANA NUR ISLAMIYAH, . (2019) PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) DAN PENERAPANNYA PADA PENDERITA TB PARU (BTA+) DI DKI JAKARTA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text 1. COVER HALAMAN DEPAN.pdf Download (52kB)
	Text 2. ABSTRAK DAN ABSTRACT.pdf Download (54kB)
	Text 3. LEMBAR PERSETUJUAN.pdf Download (302kB)
	Text 4. LEMBAR ORISINALITAS.pdf Download (27kB)
	Text 7. DAFTAR ISI.pdf Download (33kB)
	Text 6. KATA PENGANTAR.pdf Download (33kB)
	Text 11a. BAB I.pdf Download (64kB)
	Text 11b. BAB II.pdf Restricted to Registered users only Download (198kB)
	Text 11c. BAB III.pdf Restricted to Registered users only Download (164kB)
	Text 11d. BAB IV.pdf Restricted to Registered users only Download (571kB)
	Text 11e. BAB V.pdf Restricted to Registered users only Download (55kB)
	Text 12. DAFTAR PUSTAKA.pdf Download (41kB)

Abstract

Model Generalized Space Time Autoregressive (GSTAR)(p; λk) merupakan salah satu model deret waktu yang digunakan untuk peramalan data yang mengandung unsur lokasi dan waktu dengan orde autoregressive(p) dan orde spasial (λk). Keterkaitan antar lokasi dinyatakan dalam suatu nilai berdasar�kan pembobot lokasi tertentu. Data banyaknya penderita TB Paru (BTA+) di DKI Jakarta merupakan salah satu data deret waktu yang memiliki keterkaitan antar lokasi sehingga dapat dimodelkan dengan model GSTAR. Pada penelitian ini model GSTAR menggunakan pembobot lokasi invers jarak dan pembobot lokasi normalisasi korelasi silang diterapkan pada data banyaknya penderita TB Paru (BTA+) di DKI Jakarta. Setelah itu, memilih model GSTAR yang lebih baik menggunakan nilai RMSE terkecil. Hasil dari penelitian ini dengan menerapkan data banyaknya penderita TB Paru (BTA+) di DKI Jakarta diperoleh model GSTAR(1;1) dengan pembo�bot lokasi normalisasi korelasi silang memiliki root mean square error (RMSE) 73,57728 yang lebih kecil dari model GSTAR(1;1) dengan pembobot lokasi invers jarak. Sehingga, model dengan pembobot lokasi normalisasi korelasi silang lebih baik dibandingkan dengan pembobot lokasi invers jarak

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dra. Widyanti Rahayu, M.Si ; 2). Dr. Eti Dwi Wiraningsih, S.Pd., M.Si
Subjects:	Sains > Matematika
Divisions:	FMIPA > S1 Matematika
Depositing User:	Hartati .
Date Deposited:	04 Apr 2022 04:59
Last Modified:	04 Apr 2022 04:59
URI:	http://repository.unj.ac.id/id/eprint/25750

Actions (login required)

View Item