Cahyaningsih, Afifah Model Prediksi Jumlah Kumulatif Kasus COVID-19 di Indonesia Menggunakan Deep Learning Deep Learning

Main Article Content

AFIFAH CAHYANINGSIH

Abstract

Pandemi COVID-19 belum menunjukan tanda-tanda akan berakhir, Hal tersebut ditunjukkan dengan jumlah kasus positif COVID-19 yang masih bertambah di dunia maupun di Indonesia. Jumlah kumulatif kasus positif COVID-19 berpengaruh dalam melakukan pertimbangan keputusan dan kebijakan terkait penanganan COVID-19 di Indonesia. Oleh karena itu, penelitian ini berfokus untuk membuat model prediksi jumlah kumulatif kasus positif COVID-19 di Indonesia. Data yang digunakan dalam penelitian ini diambil dari Kementrian Kesehatan Indonesia per 15 November 2020. Variabel yang digunakan pada penelitian ini adalah jumlah harian kumulatif kasus positif COVID-19 di Indonesia. Neural network digunakan untuk melakukan modeling data prediksi dengan tujuan untuk membuat model prediksi dari jumlah kumulatif kasus positif COVID-19 di Indonesia. Dari penelitian yang dilakukan, didapatkan hasil error R-squared sebesar 0.9973. Hasil modelling diharapkan dapat digunakan pemerintah untuk dijadikan sebagai alternatif model yang digunakan untuk melakukan prediksi jumlah kumulatif kasus positif COVID-19 di Indonesia.

Article Details

How to Cite
CAHYANINGSIH, A. (2020). Cahyaningsih, Afifah Model Prediksi Jumlah Kumulatif Kasus COVID-19 di Indonesia Menggunakan Deep Learning. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 3(1), 76-83. https://doi.org/10.20895/inista.v3i1.177
Section
Articles

References

[1] B. Etikasari, T. D. Puspitasari, A. A. Kurniasari, and L. Perdanasari, “Sistem informasi deteksi dini Covid-19,” J. Tek. Elektro dan Komput., vol. 9, no. 2, pp. 101–108, 2020.
[2] H. Wiguna, Y. Nugraha, F. R. R, A. Andika, and J. I. Kanggrawan, “Kebijakan Berbasis Data : Analisis dan Prediksi Penyebaran COVID-19 di Jakarta dengan Metode Autoregressive Integrated Moving Average ( ARIMA ),” vol. 03, no. 02, pp. 74–83, 2020.
[3] “Beranda | Satgas Penanganan COVID-19.” https://covid19.go.id/ (accessed Oct. 30, 2020).
[4] F. S. D. Arianto and N. P, “Prediksi Kasus COVID-19 di Indonesia Menggunakan Metode Backpropagation dan Fuzzy Tsukamoto,” J. Teknol. Inf., vol. 4, no. 1, pp. 120–127, 2020.
[5] “Peta Sebaran | Satgas Penanganan COVID-19.” https://covid19.go.id/peta-sebaran (accessed Oct. 30, 2020).
[6] M. N. Kholis, Fraternesi, and L. O. Wahidin, “Prediksi Dampak Covid-19 Terhadap Pendapatan Nelayan Jaring Insang Di Kota Bengkulu,” ALBACORE J. Penelit. Perikan. Laut, vol. 4, no. 1, pp. 001–011, 2020, doi: 10.29244/core.4.1.001-011.
[7] F. R. Pratikto, “Prediksi Akhir Pandemi COVID-19 di Indonesia dengan Simulasi Berbasis Model Pertumbuhan Parametrik,” J. Rekayasa Sist. Ind., vol. 9, no. 2, pp. 63–68, 2020, doi: 10.26593/jrsi.v9i2.4018.63-68.
[8] D. P. SIAGIAN, “Perbandingan Radial Basis Function Dan Recurrent Neural Network Pada Prediksi Curah Hujan Di Palembang,” J. Ilmu Komput., vol. 1, no. 1, pp. 16–23, 2019, [Online]. Available: https://repository.unsri.ac.id/23251/3/RAMA_55201_09021281320004_0006067406_0010058507_01_front_ref.pdf.
[9] A. T. B. Parlina, “InfoTekJar : Jurnal Nasional Informatika dan Artificial Neural Network Pada Industri Non Migas Sebagai Langkah Menuju,” Artif. Neural Netw. Pada Ind. Non Migas Sebagai Langkah Menuju Revolusi Ind. 4.0 Iin, vol. 1, pp. 6–11, 2019, [Online]. Available: https://core.ac.uk/download/pdf/276551346.pdf.
[10] A. Ramadhan, S. Trinitasjati, C. Limoa, and M. K. Mubarrok, “ANALISIS KUALITAS WEBSITE TANGGAP COVID-19 JAWA TIMUR MENGGUNAKAN END USER COMPUTING SATISFACTION DENGAN NEURAL NETWORK QUALITY ANALYSIS OF EAST JAVA TANGGAP COVID-19 WEBSITE USING END-USER COMPUTING SATISFACTION WITH NEURAL NETWORKS,” pp. 571–579, 2020.
[11] A. S. B. Karno, W. Hastomo, and I. S. K. Wardhana, “Prediksi Jangka Panjang COVID-19 Indonesia Menggunakan Deep,” pp. 483–490, 2020.
[12] P. D. Pakan, “Peramalan Kasus Positif di Indonesia Menggunakan LSTM 13,” vol. 6, no. 1, pp. 12–15, 2020.
[13] W. Setialaksana et al., “Model Jaringan Syaraf Tiruan dalam Peramalan Kasus Positif Covid-19 di Indonesia,” J. Media Pendidik. Tek. Inform. dan Komput., vol. 2, no. 2, pp. 53–56, 2020.
[14] D. Sutarya, “Tungku Sinter Degussa,” pp. 1–12, 1979.
[15] Z. Indra and L. Trisnawati, “Zul Indra, 2) Liza Trisnawati,” vol. 3, no. 1, pp. 47–57, 2018.
[16] N. F. D, R. G. H, S. K. S, and T. Salsabila, “Perbandingan metode double exponential smoothing dan artificial neural network untuk meramalkan perkembangan covid-19 di Indonesia,” pp. 312–318, 2020.
[17] U. Azmi, Z. N. Hadi, and S. Soraya, “ARDL METHOD: Forecasting Data Curah Hujan Harian NTB,” J. Varian, vol. 3, no. 2, pp. 73–82, 2020, doi: 10.30812/varian.v3i2.627.
[18] D. Pratidana, “Hak cipta dan penggunaan kembali : Lisensi ini mengizinkan setiap orang untuk menggubah , memperbaiki , dan membuat ciptaan turunan bukan untuk kepentingan komersial , selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat ya,” J. Exp. Psychol. Gen., vol. 136, no. 1, pp. 23–42, 2017, [Online]. Available: http://kc.umn.ac.id/5548/1/BAB II.pdf.