DIDIKPOS.COM – Hasil penelitian terhadap fenomena big data Covid-19 menggunakan pemodelan stokastik dapat dimanfaatkan sebagai deskripsi maupun prediksi di lokasi yang tidak tersampel dan prakiraan di waktu mendatang.
Diseminasi hasil penelitian perlu dilakukan bukan untuk menimbulkan kepanikan namun agar kita bersikap waspada terhadap serangan virus Corona yang bersifat acak.
Hal tersebut mengemuka dalam Webinar Seri-2 FMIPA Universitas Padjadjaran bertopik “Deskripsi dan Prediksi Fenomena Covid-10 Berbasis Data Media Sosial Menggunakan Pemodelan Stokastik” yang diselenggarakan Tim Peneliti Kelompok Bidang Keahlian Pemodelan Stokastik Departemen Matematika dan Kelompok Bidang Keahlian Data Mining Departemen Ilmu Komputer FMIPA Unpad pada Rabu (13/5/2020).
Guru Besar Departemen Matematika FMIPA Unpad, Prof. Dr. Budi Nurani Ruchjana, MS., menjelaskan, penelitian terhadap fenomena Covid-18 secara terus menerus dilakukan tim peneliti dan menjadi bagian penelitian skripsi, tesis, serta disertasi untuk didiseminasikan ke berbagai seminar dan jurnal, baik nasional maupun internasional.
Penelitian tersebut dilakukan oleh para dosen dan mahasiswa S1 hingga S3 prodi Matematika, S2 Statistika Unpad serta para mahasiswa S3 Statistika UGM, IPB, dan ITS. Secara keseluruhan, hasil penelitian fokus pada big data yang memiliki sifat volume, variety dan velocity (3V).
“Tahapan penelitian dibangun menggunakan data mining dengan metode discovery in database untuk menambang data sekunder dari berbagai media sosial dan website resmi berupa banyaknya orang yang positif terinfeksi Covid-19 baik tingkat dunia, Indonesia, Jawa Barat, dan Bandung Raya,” ujarnya.
Budi yang juga ambassador Committee for Women in Mathematics International Mathematical Union (CWM IMU) untuk Indonesia ini menjelaskan, walaupun data sekunder yang tersedia bukan merupakan data terbaik.
Melalui data tersebut tim peneliti dapat melakukan exercise fenomena Covid-19 menggunakan pemodelan stokastik melalui model temporal (analisis deret waktu univariat dan multivariat, rantai Markov, proses Poisson, AI SSA), model spasial (indeks Moran, seivariogram, metode point ordinary kriging, metode universal kriging, clustering spatial, Bayesian Poisson), dan model spation temporal berbasis pendekatan deret waktu Box-Jenkins (model Space Time Autregressive Integrated/STARI, model Generalized STARI, GSTRARI-ARCH, GSTARI-X, serta Clustering GSTARI-Kriging).***
