Last active
March 24, 2020 14:55
-
-
Save srifqi/297c4e6f677f971bf5730c3fa688214e to your computer and use it in GitHub Desktop.
Regresi kurva eksponensial dan logistik untuk jumlah kasus di Indonesia beserta grafiknya
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
% Penghitung model kurva eksponensial dan logistik untuk jumlah kasus di | |
% Indonesia beserta grafiknya (khusus GNU Octave) | |
% @author Muhammad Rifqi Priyo Susanto | |
% @license MIT License | |
% Jalankan perintah berikut untuk memasang paket optim. | |
% pkg install -forge optim | |
% Jalankan perintah berikut untuk memuat paket optim. | |
% pkg load optim | |
clear; clc; | |
% jumlah kasus COVID-19 di Indonesia (hingga 24 Maret 2020) | |
% sumber data: covid19.go.id | |
tanggal = '24 Maret 2020'; | |
kasus = [ 2, 2, 2, 2, 4, ... | |
4, 6, 19, 27, 34, ... | |
34, 69, 96, 117, 134, ... | |
172, 227, 309, 369, 450, ... | |
514, 579, 686]; | |
% variabel bantuan | |
jumlah = size(kasus)(2); | |
rerata = sum(kasus) / jumlah; | |
total_kuadrat = sum((kasus - rerata).^2); | |
kasus_terakhir = kasus(jumlah); | |
hari = 1:jumlah; | |
% model kurva eksponensial | |
f = @ (p, x) p(1) * (p(2).^x); | |
fp_awal = [.8; 1.4]; | |
[fp, fy, f_cvg, f_klr] = nonlin_curvefit(f, fp_awal, hari, kasus); | |
f_selisih = []; | |
for i = hari f_selisih(i) = f(fp, i) - rerata; end | |
f_r2 = sum(f_selisih.^2) / total_kuadrat; | |
fprintf('eksponensial: y = %.2f * (%.2f^x)\n', fp(1), fp(2)); | |
fprintf(' R^2 = %.1f%%\n', f_r2 * 100); | |
% model kurva logistik | |
g = @ (p, x) p(1) ./ (1 + p(2) * exp(p(3) * x)); | |
gp_awal = [kasus_terakhir; kasus_terakhir / 2; .3]; | |
[gp, gy, g_cvg, g_klr] = nonlin_curvefit(g, gp_awal, hari, kasus); | |
g_selisih = []; | |
for i = hari g_selisih(i) = g(gp, i) - rerata; end | |
g_r2 = sum(g_selisih.^2) / total_kuadrat; | |
fprintf('logistik: y = %.2f / (1 + %.2f exp(%.2fx))\n', gp(1), gp(2), gp(3)); | |
fprintf(' R^2 = %.1f%%\n', g_r2 * 100); | |
% perkiraan tiga hari ke depan | |
th_eksp = [round(f(fp, jumlah + 1)), | |
round(f(fp, jumlah + 1)) / kasus_terakhir - 1]; | |
th_logi = [round(g(gp, jumlah + 1)), | |
round(g(gp, jumlah + 1)) / kasus_terakhir - 1]; | |
for i = 2:3 | |
th_eksp(2 * i - 1) = round(f(fp, jumlah + i)); | |
th_eksp(2 * i) = round(f(fp, jumlah + i)) / th_eksp(2 * i - 3) - 1; | |
th_logi(2 * i - 1) = round(g(gp, jumlah + i)); | |
th_logi(2 * i) = round(g(gp, jumlah + i)) / th_logi(2 * i - 3) - 1; | |
end | |
fprintf('perkiraan tiga hari ke depan\n'); | |
fprintf('eksponensial\t%d\t+%.1f%%\t%d\t+%.1f%%\t%d\t+%.1f%%\n', | |
th_eksp(1), th_eksp(2) * 100, | |
th_eksp(3), th_eksp(4) * 100, | |
th_eksp(5), th_eksp(6) * 100); | |
fprintf('logistik \t%d\t+%.1f%%\t%d\t+%.1f%%\t%d\t+%.1f%%\n', | |
th_logi(1), th_logi(2) * 100, | |
th_logi(3), th_logi(4) * 100, | |
th_logi(5), th_logi(6) * 100); | |
% perkiraan jumlah kasus maksimal | |
jumlah_maks = floor(gp(1)); | |
fprintf('perkiraan jumlah kasus maksimal: %d kasus\n', jumlah_maks); | |
% perkiraan waktu kasus terakhir | |
waktu_akhir = ceil(log((gp(1) - floor(gp(1))) / (gp(2) * floor(gp(1)))) / gp(3)); | |
fprintf('perkiraan waktu kasus terakhir: hari ke-%d\n', waktu_akhir); | |
% serba-serbi grafik | |
hari_trans = (jumlah):(jumlah + 1); | |
hari_eksp = (jumlah + 1):(jumlah * 2); | |
hari_logi = (jumlah + 1):(jumlah * 3); | |
% grafik 1: keseluruhan | |
grafik_tinggi1 = gp(1) * 1.5; | |
grafik_batasx1 = [0 (jumlah * 3)]; | |
grafik_batasy1 = [(grafik_tinggi1 * -.05) (grafik_tinggi1 * 1.05)]; | |
figure; | |
plot1 = plot( | |
hari, kasus, '-og', | |
hari_eksp, round(f(fp, hari_eksp)), '-or', | |
hari_logi, round(g(gp, hari_logi)), '-ob', | |
grafik_batasx1, [jumlah_maks jumlah_maks], '--b', | |
hari_trans, [kasus(jumlah) round(f(fp, jumlah + 1))], '-r', | |
hari_trans, [kasus(jumlah) round(g(gp, jumlah + 1))], '-b', | |
[waktu_akhir waktu_akhir], grafik_batasy1, '--k' | |
); | |
set(plot1(1:3), 'linewidth', 2); | |
set(plot1(5:6), 'linewidth', 2); | |
xlim(grafik_batasx1); | |
ylim(grafik_batasy1); | |
jdl1 = title(sprintf( | |
'Perkembangan Jumlah Kasus COVID-19 di Indonesia hingga %s', tanggal)); | |
set(jdl1, 'fontsize', 14); | |
sbx1 = xlabel('hari ke-'); | |
sby1 = ylabel('jumlah kasus'); | |
set(sbx1, 'fontsize', 14); | |
set(sby1, 'fontsize', 14); | |
legenda1 = legend( | |
'data saat ini', | |
'(perkiraan) tanpa penanganan', | |
'(perkiraan) dengan penanganan', | |
'(perkiraan) jumlah kasus maks.' | |
); | |
set(legenda1, 'fontsize', 14); | |
set(legenda1, 'xlim', [0 .5]); | |
set(legenda1, 'position', [0.67 0.7 0.22 0.18]); | |
grid on; | |
% grafik 2: ketepatan model | |
grafik_tinggi2 = kasus_terakhir * 1.1; | |
grafik_batasx2 = [-1 (jumlah + 2)]; | |
grafik_batasy2 = [(grafik_tinggi2 * -.05) (grafik_tinggi2 * 1.05)]; | |
hari_khusus = 0:(jumlah + 1); | |
figure; | |
plot2 = plot( | |
hari_khusus, round(f(fp, hari_khusus)), '--r', | |
hari_khusus, round(g(gp, hari_khusus)), '--b', | |
hari, kasus, 'og' | |
); | |
set(plot2, 'linewidth', 2); | |
set(plot2(3), 'linewidth', 3); | |
xlim(grafik_batasx2); | |
ylim(grafik_batasy2); | |
jdl2 = title(sprintf('Perbandingan Kurva hingga %s', tanggal)); | |
set(jdl2, 'fontsize', 14); | |
sbx2 = xlabel('hari ke-'); | |
sby2 = ylabel('jumlah kasus'); | |
set(sbx2, 'fontsize', 14); | |
set(sby2, 'fontsize', 14); | |
legenda2 = legend( | |
'kurva eksponensial (tanpa penanganan)', | |
'kurva logistik (dengan penanganan)' | |
); | |
set(legenda2, 'fontsize', 14); | |
set(legenda2, 'xlim', [0 .5]); | |
set(legenda2, 'position', [0.15 0.8 0.25 0.09]); | |
grid on; |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment