Analisis Data Covid-19 Jerman 2020
Dataset COVID-19 di Negara German yang bersumber dari daily Situation Report of the Robert Koch Institute yang menunjukan data COVID-19 2020 di berbagai wilayah provinsi di German. Pada data tersebut terdapat beberapa variabel diantaranya yaitu provinsi, jumlah kasus, jumlah kematian ,kasus/100.000 pop, perbedaan jumlah kasus dari hari sebelumnya. Adapun data tersebut dapat dilihat pada gambar di bawah ini.
Dapat dilihat pada data COVID-19 di Negara German dalam aplikasi Geoda diatas terdapat variabel NAMA_1 yang merupakan nama-nama provinsi yang ada pada Negara German. Kemudian variabel kaus+ merupakan jumlah orang yang telah terkonfirmasui kasus COVID-19 pada setiap provinsi. Lalu variabel Bd.dr.hr-1 merupakan perbedaan jumlah kasus dari hari sebelumnya pada setiap provinsi. Berikutnya variabel kematian merupakan jumlah orang yang telah mati terkena COVID-19 pada setiap provinsi. Sedangkan variabel kas/100rb merupakan jumlah setiap kasus +pada setiap provindi.
2. Metode yang Diusulkan/Algoritma
2.1.Menyiapkan Data Set
Pertama, mencari data set yaitu data pemilihan federal di Jerman tahun 2017 pada laman web tersebu yaitu https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/ Situationsberichte/ Gesamt.html. Setelah berhasil mendownload maka dapat dilakukan merangkum data yang diinginkan tanpa mengubah isi data. Kemudian download juga file div untuk pemetaan provinsi negara Jerman lalu masukan pada aplikasi Geoda. Berikutmya dilakukan pencocokan nama-nama provinsi yang ada di data set dan data pemetaan aplikasi Geoda.
2.2.Analisis dengan Metode Thematic Map
Bahwa dataset pemilihan federal di negara German berdasarkan provinsi-provinsi yang ada di Negara German sehingga dapat dilakukan analisis dengan metode pemetaan yaitu metode thematic map. Dalam metode ini data akan dikaitkan dengan pemetaan provinsi dengan aplikasi Geoda terhadap variable yang ada.
2.3.Analisis dengan Metode Scatter Plot, Paraller Chart, Bubble Chart, dan Analisa Korelasi
Dengan analisis tersebut akan dapat diketahui apakah ada hubungan atau korelasi terhadap antar dua variable yang ada dengan tiap tampilan grafis yang berbeda-beda setiap metodenya.
2.4. Analisa Regresi
Dalam analisis regresi akan dapat dikeahui apakah ada pengaruh antara variable independent dengan variable dependent yang ada.
3. Metode yang Digunakan
3.1.Analisis dengan Metode Scatter Plot dan Paraller Chart
Dari plot tersebut dikeathui bahwa antara variable kasus+ COVID-19 dengan variable kematian berkolerasi negatif yang berarti jika jumlah kasus+ COVID-19 semakin tinggi maka jumlah kematian akan semakin rendah.
Dapat dilihat ada garis-garis tersebut parallel atau tegak yang berarti jika jumlah positif COVID-19 rendah maka jumlah kematian pun juga rendah. Sama halnya jika jumlah positif COVID-19 tinggi maka jumlah kematian pun juga tinggi.
Tetapi dapat dilihat dua satu garis yang sangat miring ke kiri yang berarti jumlah positif COVID-19 lebih sedikit dengan jumlah kematian yang lebih banyak yaitu pada Provinsi Nordrhein-Westfalen dan Nordrhein-Westfalen. Hal tersebut dapat terjadi mungkin karena fasilitas kesehatan pada rumah sakit di Baden-Wurttemberg dan Nordrhein-Westfalen masih kurang untuk penanganan pasien COVID-19 ini. Serta kemungkina juga pada daerah tersebut lebih banyak terdapat orang yang telah lanjut usia, maka akan rentang terkena COVID-19 dan sulit untuk disembuhkan karena biasanya orang lanjut usia memiliki penyakit bawaan yang berat seperti struk, diabetes, jantung dll. Maka akan terkena COVID-19 yang cukup parah sehingga rentan terjadinya kematian.
Terdapat juga dua garis yang sangat miring ke kiri yang berarti jumlah positif COVID-19 lebih banyak dengan jumlah kematian yang lebih sedikit yaitu pada Provinsi Mecklenburg-Vorpommern dan Bremen. Hal tersebut dapat terjadi mungkin karena fasilitas kesehatan pada rumah sakit di Mecklenburg-Vorpommern dan Bremen sudah cukup baik untuk penanganan pasien COVID-19 ini. Serta kemungkina juga pada daerah tersebut lebih banyak terdapat orang yang masih muda atau belum sampai lanjut usia , maka akan lebih mudah untuk disembuhkan dari pada orang tua lanjut usia yang terkena COVID-19 sehingga tidak rentan terjadinya kematian.
3.2.Analisis Uji Korelasi
Melakukan uji korelasi dengan menggunakan aplikasi R. Didapatkan output dari uji korelasi yaitu r dan t-hitung dengan aplikasi R seperti pada gambar di bawah ini:
Maka dari output tersebut dilakukan uji korelasi dengan ketentuan di bawah ini:
i. Hipotesis
H0 : ρxy = 0 (tidak ada hubungan antara X1 & Y)
H1 : ρxy ≠ 0 (ada hubungan antara X1 & Y)
ii. Tingkat Signifikasi
α = 5% = 0,05
iii. Daerah Kritis
Jika t-hitung ≥ t-table maka tolak H0
iv. Statistik Uji
t-hitung = 31,596
t-table(0.05;(16-2)) = 1,761
v. Keputusan
Dengan t-hitung = 31,596 ≥ t-table = 1,761 maka keputusannya adalah H0 ditolak.
vi. Kesimpulan
Dengan tingkat signifikasi 5% didapatkan bahwa H0 ditolak, maka dapat disimpulkan bahwa terdapat hubungan antara X1 dan Y.
3.3.Analisa Regresi Liniear Sederhana
Didapatkan output dari uji regresi dengan aplikasi R seperti pada gambar di bawah ini:
Dapat dilihat pada gambar diatas merupakan sumber data untuk melakukan analisis regresi linear sederhana. Kemudian pertama melakukan tahap uji Overall dengan cara ketentuan-ketentuan seperti di bawah ini :
i. Hipotesis
H0 : β1 = 0 (i=0,1,2) (model tidak layak dipakai)
H1 : βi ≠ 0 (i=0,1,2) (model layak dipakai)Tingkat Signifikasi
α = 5% = 0,05
ii. Daerah Kritis
Jika P-value ≤ α maka tolak H0
iii. Statistik Uji
P-value = 0.452
iv. Keputusan
Dengan P-value = 0.452 ≥ α = 0,05 maka keputusannya adalah H0 gagal ditolak.
v. Kesimpulan
Dengan tingkat signifikasi 5% didapatkan bahwa H0 gagal ditolak, maka dapat disimpulkan bahwa model regresi tersebut tidak layak untuk dipakai.
Dikarenakan didapatkan kesimpulan dari uji overall yaitu model tersebut tidak layak untuk dipakai maka akan tidak akan dilanjutkan uji parsial.
4. Hasil dan Diskusi
4.1.Analisis Scatter Plot
Dikeathui bahwa antara variable kasus+ COVID-19 dengan variable kematian berkolerasi negatif yang berarti jika jumlah kasus+ COVID-19 semakin tinggi maka jumlah kematian akan semakin rendah.
4.2.Analisis Paaraller Chart
Didapatkan jumlah positif COVID-19 lebih sedikit dengan jumlah kematian yang lebih banyak yaitu pada Provinsi Nordrhein-Westfalen dan Nordrhein-Westfalen. Hal tersebut terjadi karena daerah tersebut kemungkinan memiliki fasilitas rumah sakit yang kurang baik dan kebanyakan penduduk yang telah berusia lanjut usia.
Juga didapatkan jumlah positif COVID-19 lebih banyak dengan jumlah kematian yang lebih sedikit yaitu pada Provinsi Mecklenburg-Vorpommern dan Bremen. Hal tersebut terjadi karena daerah tersebut kemungkinan memiliki fasilitas rumah sakit yang baik dan kebanyakan penduduk masih berusia produktif.
4.3.Analisis Korelasi
Dengan tingkat signifikasi 5% didapatkan bahwa H0 ditolak, maka dapat disimpulkan bahwa tidak terdapat hubungan antara x1 dan y.
4.4.Analisis Regresi Linear Sederhana
Dikarenakan didapatkan kesimpulan dari uji overall yaitu model tersebut tidak layak untuk dipakai maka akan tidak akan dilanjutkan uji parsial. Maka dalam persoalan ini tidak dapat dilakukan analisis regresi linier sederhana.
4. Conclusion
Dikeathui bahwa antara variable kasus+ COVID-19 dengan variable kematian berkolerasi negative. Didapatkan jumlah positif COVID-19 lebih sedikit dengan jumlah kematian yang lebih banyak yaitu pada Provinsi Nordrhein-Westfalen dan Nordrhein-Westfalen. Juga didapatkan jumlah positif COVID-19 lebih banyak dengan jumlah kematian yang lebih sedikit yaitu pada Provinsi Mecklenburg-Vorpommern dan Bremen. Dengan tingkat signifikasi 5% didapatkan bahwa H0 ditolak, maka dapat disimpulkan bahwa tidak terdapat hubungan antara X1 dan Y. Dalam persoalan ini tidak dapat dilakukan analisis regresi linier sederhana.
References https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Gesamt.html
