Detail Cantuman Kembali
RAYNOLD RAYNALDO - Personal Name

PREDIKSI PENYEBARAN COVID-19 DI INDONESIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY NETWORK (LSTM)

Situasi Indonesia (15 Agustus 2020), adanya penambahan kasus positif baru per hari ini ada 2.345 kasus. Jumlah kasus aktif COVID-19 sebesar 40.076 kasus. Tindakan intervensi untuk memberantas penyakit menular juga bergantung pada metode yang digunakan untuk mengevaluasi wabah saat terjadi. Wabah apa pun di suatu negara atau provinsi biasanya terjadi pada tingkat besaran yang berbeda sehubungan dengan waktu, yaitu perubahan musim, adaptasi virus dari waktu ke waktu. Pola tertentu dari sebuah wabah memungkinkan kita untuk memprediksi pola penyebaran dikemudian hari dengan harapan dapat memitigasi penyebaran COVID-19 di Indonesia semakin meningkat. Penelitian ini bertujuan agar dapat memprediksi arah trend penyebaran COVID-19 untuk membantu pihak medis dan pihak terkait dalam membuat kebijakan yang tepat untuk mencegah peningkatan penyebaran COVID-19 di Indonesia ke depannya. Model Long Short-Term Memory Network (LSTM) Network dan Mean Squarred Error (MSE) menjadi framework dan validation loss yang dipilih dalam penelitian ini karena kehandalan model LSTM Network dalam mengolah data time-series dan keakuratan MSE dalam mengontrol hasil prediksi agar selalu dibawah 0,05. Dilakukan 9 skenario pengujian untuk menguji model skenario kasus terkonfirmasi positif dan 9 skenario pengujian lagi untuk menguji model skenario kasus kematian untuk memprediksi arah trend penyebaran, jumlah kasus terkonfirmasi positif dan jumlah kasus kematian pada data historikal untuk menentukan model skenario prediksi terbaik. Berdasarkan hasil uji coba, didapatkan bahwa prediksi dengan menggunakan metode perbandingan data latih dan data uji sebesar 80:20, layer memory block sebanyak 150, dan max epoch sebesar 100 menghasilkan MSE yang paling kecil diantara hasil pengujian arah trend kasus terkonfirmasi positif lainnya dengan nilai MSE sebesar 0.0027. Hal ini menunjukkan pengujian arah trend kasus terkonfirmasi positif dengan menggunakan metode LSTM memiliki tingkat akurasi yang sangat baik karena nilai MSE berada dibawah error rate 0.05. Sedangkan, perbandingan data latih dan data uji sebesar 70:30, layer memory block sebanyak 150, dan epoch sebesar 100 menghasilkan MSE yang paling kecil diantara hasil pengujian arah trend kasus kematian lainnya dengan nilai MSE sebesar 0.0021. Hal ini menunjukkan pengujian arah trend kasus kematian dengan menggunakan metode LSTM memiliki tingkat akurasi yang sangat baik karena nilai MSE berada dibawah error rate 0.05. Hasil prediksi jumlah kasus terkonfirmasi positif atau confirmed cumulative cases pada tanggal 19 Juli 2021 dengan mempelajari historikal data sebelumnya adalah sebanyak 2.917.557 (Pembulatan) kasus. Sedangkan, prediksi jumlah kasus kematian atau death cases pada tanggal 9 Agustus 2021 dengan mempelajari historikal data sebelumnya adalah sebanyak 73.265 (Pembulatan) kasus akan terjadi di Indonesia. Dengan adanya hasil analisa prediksi penyebaran COVID-19 di Indonesia diharapkan dapat memberikan beberapa dasar dan panduan bagi pihak terkait dalam pencegahan dan pengendalian penyebaran COVID-19 di Indonesia.
Kata kunci : Prediksi, COVID-19, Indonesia, LSTM, Pandemi.

Ketersediaan

LOADING LIST...

Detail Information

Judul PREDIKSI PENYEBARAN COVID-19 DI INDONESIA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY NETWORK (LSTM)
Pengarang RAYNOLD RAYNALDO - Personal Name
No. Panggil SKRIPSI RAY p 2021
Subyek Kata kunci : Prediksi, COVID-19, Indonesia, LSTM,
Bahasa Indonesia
Tempat Terbit Universitas Mulawarman
Tahun Terbit 2021
Penerbit Fakultas Teknik
Jurusan TEKNIK INFORMATIKA
Lampiran Berkas
LOADING LIST...

Informasi
DETAIL CANTUMAN
Kembali ke sebelumnya  
UPA. PERPUSTAKAAN UNMUL

DIGITAL LIBRARY


Jl. Kuaro Gunung Kelua