ESTIMASI DAN PERAMALAN JUMLAH KASUS COVID-19 DI SULAWESI SELATAN PADA DATA GOOGLE TRENDS DAN GOOGLE MOBILITY MENGGUNAKAN MODEL ADITIF UMUM = ESTIMATING DAN FORECASTING COVID-19 CASES IN SOUTH SULAWESI BY DATA OF GOOGLE TRENDS AND GOOGLE MOBILITY USING GENERAL ADDITIVE MODEL

Pemantauan kejadian COVID-19 dapat dilakukan dengan memanfaatkan data jejaring sosial misalnya, Google Trends dan COVID 19 - Google Mobility Reports. Data tersebut sebagai variabel prediktor dapat diintegrasikan dengan data klinis kasus positif COVID-19 di Sulawesi Selatan sebagai variabel respon, sehingga menghasilkan model yang akurat dalam meramalkan banyaknya kejadian penyakit. Jumlah kasus positif COVID-19 di Sulawesi Selatan merupakan data diskrit yang mengalami overdispersi serta tidak berdistribusi normal. Oleh karena itu, analisis yang tepat untuk digunakan adalah regresi nonparametrik yaitu model aditif umum, dengan estimator spline kubik dan variabel respon berdistribusi Binomial Negatif. Metode estimasi parameter dilakukan dengan menggunakan metode maksimum likelihood. Ukuran kebaikan model ditinjau berdasarkan nilai Akaike’s Information Criterion (AIC) dan nilai koefisien determinasi. Untuk ukuran kebaikan peramalan ditinjau berdasarkan nilai Root Mean Square Error of Prediction (RMSEP) dan Mean Absolute Percentage Error (MAPE). Model terbaik terbentuk dari variabel Google Trends dan Google Mobility serta variabel struktur temporal dengan nilai AIC terkecil 6596,145 dan nilai koefisien determinasi terbesar yaitu 73,4%. Model tersebut juga menghasilkan ukuran kebaikan peramalan MAPE yaitu 47,9% serta nilai RMSEP yaitu 121,038.