Optimalisasi Prediksi Kasus COVID-19 di Indonesia: Perbandingan Teknik Validasi 80-20 Split dan Walk-Forward dengan ARIMA

Abstract

This study presents a comparative analysis of the 80-20 split and walk-forward validation techniques for forecasting daily COVID-19 cases in Indonesia using the ARIMA model. Building on previous research, the ARIMA model has proven effective in various epidemiological contexts; however, this study highlights the critical importance of selecting the appropriate validation technique. The study uses data from January 3, 2020, to October 18, 2023, to develop a predictive model evaluated using Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE). The findings indicate that the walk-forward validation technique outperforms the 80-20 split, with MAE of 137.32 and RMSE of 198.23, compared to the 80-20 split MAE of 4190.92 and RMSE of 4479.15. These results suggest that walk-forward validation provides more accurate and reliable predictions, particularly for dynamic and non-stationary data scenarios. This study underscores the significant impact of validation technique selection on ARIMA model performance, contributing new insights into forecasting methodologies in epidemiology.Penelitian ini menyajikan studi komparatif teknik validasi split 80-20 dan walk-forward dalam meramalkan kasus COVID-19 harian di Indonesia menggunakan model ARIMA. Berdasarkan kajian penelitian sebelumnya, model ARIMA telah terbukti efektif dalam berbagai konteks epidemiologi, namun studi ini menyoroti pentingnya pemilihan teknik validasi yang tepat. Penelitian ini menggunakan data dari tanggal 3 Januari 2020 hingga 18 Oktober 2023 untuk mengembangkan model prediktif yang kinerjanya diukur menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa teknik validasi walk-forward lebih unggul dibandingkan split 80-20, dengan MAE sebesar 137.32 dan RMSE sebesar 198.23, dibandingkan dengan MAE split 80-20 sebesar 4190.92 dan RMSE sebesar 4479.15. Temuan ini mengindikasikan bahwa validasi walk-forward memberikan prediksi yang lebih akurat dan dapat diandalkan untuk skenario data yang dinamis dan tidak stasioner. Studi ini menegaskan pengaruh signifikan dari pemilihan teknik validasi terhadap kinerja model ARIMA, memberikan kontribusi baru dalam metodologi peramalan epidemiologi.