SCAN STATISTICS BINOMIAL UNTUK MENENTUKAN COLDSPOT KESEMBUHAN CORONAVIRUS 19 DISEASE (COVID-19) DI INDONESIA PADA TAHUN 2020

Annisa, Fitri Nasia (2021) SCAN STATISTICS BINOMIAL UNTUK MENENTUKAN COLDSPOT KESEMBUHAN CORONAVIRUS 19 DISEASE (COVID-19) DI INDONESIA PADA TAHUN 2020. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover+Abstrak.pdf - Published Version Download (293kB) | Preview
Preview	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Download (144kB) | Preview
Preview	Text (BAB V PENUTUP) BAB V.pdf - Published Version Download (219kB) | Preview
Preview	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Download (148kB) | Preview
	Text (Skripsi Full) Skripsi Full Watermark.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Coronavirus 19 disease (COVID-19) merupakan penyakit menular yang disebabkan oleh SARS-CoV-2. COVID-19 di Indonesia ditetapkan sebagai pandemi yang ditandai dengan adanya Keppres No.11 Tahun 2020 sejak tanggal 31 Maret 2020. Dengan keadaan seperti itu dibutuhkan respon darurat dari berbagai aspek dan pihak. Dalam hal ini, respon yang diberikan yaitu menentukan coldspot kesembuhan COVID-19 di Indonesia pada tahun 2020, dimana coldspot kesembuhan merupakan suatu kelompok daerah yang memiliki peluang kesembuhan lebih rendah dibanding daerah lain. Penentuan tersebut dilakukan berdasarkan informasi data pantauan COVID-19 dan data spasial berupa letak geografi�s provinsi-provinsi di Indonesia. Metode yang digunakan untuk menentukan coldspot kesembuhan COVID-19 tersebut adalah scan statistic. Dalam penelitian ini, scan statistic dilakukan bersadarkan model binomial, karena data kesembuhan yang digunakan menyebar binomial. Dari hasil penelitian diperoleh dua buah coldspot kesembuhan COVID-19 di Indonesia pada tahun 2020. Coldspot pertama yaitu kelompok daerah yang berpusat di DI Yogyakarta dan meliputi DI Yogyakarta dan Jawa Tengah. Selanjutnya, kelompok daerah yang berpusat di Lampung dan meliputi Lampung dan Banten.

Actions (login required)

View Item