Kapan Puncak Covid19 di Indonesia ?

Prediksi Covid19, kapan mencapai puncaknya?

Selamat Idhul Fitri from Home, menjawab pertanyaan kapan covid19 mencapai puncaknya? Atau kapan grafiknya melandai? Kalau ada pejabat yang mengatakan, kita sudah mulai lega karena R0(RNol) sudah mendekati 1(satu). Apa artinya? Dan benarkah itu?

Mbak Mona waspada Covid19

Apa itu R0?

Grafik covid19 akan melandai atau mencapai puncaknya, jika factor R0 mendekati satu atau kurang dari satu. Sebagai contoh mudahnya jika factor R0 =3, artinya satu orang pertama akan menulari 3 orang lain, dan seterusnya berantai.  Begitu juga jika R0=2, nah jika R0 lebih kecil dari satu atau negative  itu artinya covid19 berhenti.

Grafik Prediksi Covid19, 150 hr ke depan

Gejala utama infeksi Covid19

Gejala utama infeksi Covid19

Gejala apa yang paling dominan menentukan bahwa seseorang terjangkit covid19? apakah demam?mual?pusing?. untuk menjawab pertanyaan ini, saya coba menganalisa
data  yang dikumpulkan dari sekitar 1.700 respondent dari sebuah aplikasi Covid Tracker.

Diagram Venn

Data dalam file excel "symptoms.xlsx". Dengan metode klustering biasa tentu akan susah melihatnya meskipun bisa digambarkan dengan diagram VEN. Dengan coding R dihasilkan  grafik yang lebih mudah dilihat dan dianalisa.

Ranking gejala Covid19

library(tidyverse)
library(here)
library(janitor)
library(socviz)
library(ggrepel)

## --------------------------------------------------------------------
## Custom font and theme, omit if you don't have the myriad library
## (https://github.com/kjhealy/myriad) and associated Adobe fonts.
## --------------------------------------------------------------------
library(showtext)
showtext_auto()
library(myriad)

#import_myriad_semi()
#theme_set(theme_myriad_semi())
symptoms <- c("Anosmia", "Cough", "Fatigue", "Diarrhea", "Breath", "Fever")
names(symptoms) <- symptoms

dat <- readxl::read_xlsx("D:/R-BLOGGER/covid_symptoms-master/data/symptoms.xlsx")
dat %>% print(n = nrow(dat))

##head(dat)
## A tibble: 6 x 2
##  combination count
##  <chr>       <dbl>
##1 Anosmia       140
##2 Cough          57
##3 Fatigue       198
##4 Diarrhea       12
##5 Breath          5
##6 Fever          11

subsets <- dat$combination
##subsets
## [1] "Anosmia"                                     "Cough"                                   
## [3] "Fatigue"                                     "Diarrhea"                                 
## [5] "Breath"                                      "Fever"                                   
## [7] "Cough&Fatigue"                               "Fatigue&Fever"                           
## [9] "Breath&Fatigue"                              "Diarrhea&Fatigue"                         
##[11] "Anosmia&Fatigue"                             "Breath&Cough"
##............................
##[31] "Anosmia&Breath&Cough&Diarrhea&Fatigue&Fever" ##"Anosmia&Cough&Diarrhea&Fatigue&Fever" 

symptom_mat <- map_dfc(subsets, str_detect, symptoms) %>%
    data.frame() %>%
    t() %>%
    as_tibble()

##symptom_mat
##A tibble: 32 x 6
##   V1    V2    V3    V4    V5    V6 
##   <lgl> <lgl> <lgl> <lgl> <lgl> <lgl>
## 1 TRUE  FALSE FALSE FALSE FALSE FALSE
## 2 FALSE TRUE  FALSE FALSE FALSE FALSE
## 3 FALSE FALSE TRUE  FALSE FALSE FALSE
## 4 FALSE FALSE FALSE TRUE  FALSE FALSE
## 5 FALSE FALSE FALSE FALSE TRUE  FALSE

colnames(symptom_mat)  <- symptoms
symptom_mat$count <- dat$count
symptom_mat %>% print(n = nrow(symptom_mat))

indvs <- symptom_mat %>%
    uncount(count)

##head(indvs)
## A tibble: 1,764 x 6
##   Anosmia Cough Fatigue Diarrhea Breath Fever
##   <lgl>   <lgl> <lgl>   <lgl>    <lgl>  <lgl>
## 1 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
## 2 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
##3 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
##4 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
##5 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
## 6 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
## 7 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
## 8 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
## 9 TRUE    FALSE FALSE   FALSE    FALSE  FALSE
##10 TRUE    FALSE FALSE   FALSE    FALSE  FALSE

library(ComplexUpset)
upset(indvs, symptoms,
      name="Frekuensi Gejala Utama COVID19. Data total 1,764 individuals.",
      min_size = 0,
      width_ratio = 0.100) +
    labs(title = "Kombinasi COVID-19 Symptoms",
         caption = "File data: covid.joinzoe.com/us, recrafted by Bambangpe" )

Kesimpulan:
Mengamati grafik batang di atas, dengan mudah disimpulkan bahwa gejala utama terjangkit covid19 dpt dirangking sbb:
1. Kehilangan indera penciuman (atau "Anosmia") + fatigue(lemah) tampaknya menjadi gejala umum Covid19 total ada 281
2. Gejala fatigue(lemah)+Anosmia+Cough(batuk2) menempati urutan kedua dengan total 259
3. Gejala tubuh lemah juga sudah mengindikasi terkena covid19 dengan total 198
4. Dst

link:
https://rpubs.com/bambangpe/601238
https://bambangpe.shinyapps.io/covid19-prediction/

Dampak saham Boeing akibat jatuhnya Lion Air JT610

Dampak saham Boeing akibat jatuhnya Lion Air JT610.

Setelah Lion Air JT610 jatuh di perairan Krawang sekitar Jakarta hari Senin 29 Oktober 2018
, saya mencoba menengok saham Boeing, apa dampaknya?.

Lion Air JT 610 crash

Selanjutnya saya mencoba membandingkan dengan Saham Airbus sebagai saingannya, berikut saya tuliskan R scriptnya dalam file RMarkdown dan saya upload di web Rpubs.

Chart Sham Boeing