Analisis Dan Perbandingan Algoritma Prediksi Dalam Mengetahui Perkiraan Peningkatan Jumlah Kasus COVID-19 Di Kabupaten Boyolali Dengan Metodologi CRISP-DM

Erlangga Wisnu Murti

doi:10.71456/jik.v3i1.933

Authors

Erlangga Wisnu Murti Teknologi Informasi, Universitas Kristen Satya Wacana

DOI:

https://doi.org/10.71456/jik.v3i1.933

Keywords:

Covid-19, CRISP-DM, Perbandingan Algoritma Prediksi, Rapid Miner

Abstract

CORONA VIRUS pertama kali dilaporkan pada tahun 2019 di Kota Wuhan China. Beberapa negara di belahan dunia yang berpotensi besar tersebarnya virus Covid-19 berusaha untuk menanggulangi penyebaran virus, dan juga termasuk Indonesia. Data dan informasi merupakan bagian penting dalam pertimbangan mengambil keputusan terkait penanganan Covid-19. Data Virus ini senantiasa dimanfaatkan untuk dilakukan analisis prediktif demi mengetahui perkiraan jumlah kasus Covid-19 di masa depan. Hasil perdiksi dapat digunakan sebagai pertimbangan bagi pemerintah dalam mengambil kebijakan dan intervasi dalam penanganan Covid-19 di Indonesia. Dalam penelitian ini akan dilakukan prediksi jumlah kasus Covid-19 dengan membandingkan beberapa model algoritma yaitu Neural Network, Random Forest, Linear Regression, Support Vector Machine, Gaussian Process, dan Polynomial Regression. Untuk mengukur tingkat akurasi dari tiap model algoritma digunakan model validasi 10 Fold Cross Validation dan evaluasi menggunakan Root Mean Square Error (RMSE) menggunakan alat bantu RapidMiner Studio v9.6.0.0. Adapun metodologi penelitian yang digunakan ialah metodologi Cross Industry Standard Process for Data Mining (CRISP-DM). Hasil penelitian ini menyimpulkan bahwa dataset kasus Covid-19 di Indonesia dapat diprediksi dengan menggunakan model algortima Linear Regression.

References

A. N. A. L. P. Naomi Yulia Indah Ginting, "Estimasi Magnitudo Gempa Bumi Dari Sinyal Seismik Gelombang P Menggunakan Metode Regresi Polinominal," e-Proceeding of Engineering, vol. 7, p. 4635, 2020

A. Karim, "Perbandingan Prediksi Kemiskinan di Indonesia Menggunakan Support Vector Machine (SVM) dengan Regresi Linear)," Jurnal Sains Matematika dan Statistika, vol. 6, p. 108=109, 2020

A. P. B. D. M. Alvina Felicia Watratan, "Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid 19 Di Indonesia," Journal Of Applied Computer SCIENCE AND TECHNOLOGY (JACOST), vol. 1, p. 7, 2020

A. P. Fadillah, "Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ)," Jurnal Teknik Informatika dan Sistem Informasi, vol. 1, 2015

D. T. W. P. D. K. Ardhya Chaeruna Salim, "Prediksi Jumlah Penderita Demam Berdarah Dengue Di Kota Bandung MenggunakanSupport Vector Regression Dan Gaussian Process Regression," vol. 7, p. 4915, 2020

N. Yanti, "Penerapan Metode Neural Network Dengan Struktur Backpropagation Untuk Prediksi Stok Obat Di Apotek (Studi kaus: Apotek ABC)," Seminar Nasional Aplikasi Teknologi Informasi

P. K. Kesehatan, "Peta Sebaran Covid-19, " Satgas Tugas Penangana Covid-19, 01 2020. [Online]. Available: https://covid19.go.id/peta-sebaran-covid19. [Accessed 15 01 2020]

S. E. Damayanti, "SWASTA, Analisis dan Implementasi Framework CRISP-DM (CROSS INDUSTRY STANDARD PROCESS FOR DATA MINING) UNTUK CLUSTERING PERGURUAN TINGGI"

S. W. W. R. Fahmi Ardiansyah "Data Mining Berdasarkan Analisis Runtun Waktu Untuk Pembuatan Model Prediksi Pasien Terjangkit COVID-19 dan Pasien Meninggal karena COVID-19 di Indonesia," 2020

T.I.E.R. Tri Indarwati, “Penggunaan Metode Linier Regression Untuk Prediksi Penjualan Smartphone,” Jurnal TIKomSIN, vol. 6, p. 108=109, 2020

U. I. M. R. R. L. S. D. Agus Perdana Windarto, "Bagian 1: Kombinasi Metode Klastering dan Klasifikasi (Kasus Pandemi Covid-19 di Indonesia)," Jurnal Media Informatika Budidarma, vol. 4, 2020