Zufria, Ilka and Furqan, Mhd. (2020) Pemanfaatan Machine Learning Dengan Algoritma Support Vector Machine, Polynomial Regression, Dan Bayesian Ridge Regression Untuk Memprediksi Kasus Covid-19 Di Indonesia. Fakultas Sains Dan Teknologi UINSU Medan.
|
Text
Penelitian Ilka Zufria untuk Publish di Repository UINSU.pdf Download (1MB) | Preview |
Abstract
Pandemi virus corona tahun 2019 yang disebut dengan Covid-19 telah membawa kegelisahan pada dunia termasuk negara Indonesia. Covid19 pertama kali masuk di Indonesia pada tanggal 2 Maret 2020 dan angka kasus penyebaran terus melonjak tinggi dalam kurun 7 bulan terakhir sampai di bulan Oktober 2020. Berdasarkan data yang tersedia di laman website Kementerian Kesehatan Indonesia pada setiap provinsi di Indonesia, algoritma mesin pembelajaran dapat mempelajari pola dan memprediksi perkembangan banyaknya kasus yang dapat menjadi himbauan bagi warga agar semakin bersikap hati-hati. Data yang digunakan mulai dari tanggal 1 september sampai dengan 28 oktober 2020 untuk memprediksi banyak kasus selama 60 hari ke depan. Beberapa algoritma mesin pembelajaran yang digunakan pada penelitian ini yakni support vector machine dan polynomial regression. Ketiga algoritma ini memiliki rumusan dalam mempelajari set data dengan parameter yang berbeda-beda. Penggunaan algoritma pembelajaran tersebut telah banyak digunakan pada sejumlah penelitian dalam memprediksi, termasuk banyak kasus covid-19 di berbagai wilayah di dunia. Algoritma Support Vector Machine memprediksi akan ada 800.000 kasus covid-19 dalam 60 hari mendatang dengan RMSE = 4913.96. Sedangkan Polynomial Regression memprediksi sebanyak lebih dari 450.000 kasus covid-19 dengan RMSE = 560.37 dan Bayesian Ridge Regression memprediksi sebanyak 2.000.000 kasus dengan RMSE = 44912.27.
Jenis Item: | Lainnya |
---|---|
Subjects: | 000 Generalities > 005 Computer programming, programs, data |
Divisions: | Laporan Penelitian (Research Report) |
Pengguna yang mendeposit: | Ms Novita Sari |
Date Deposited: | 10 Feb 2021 06:02 |
Last Modified: | 18 Mar 2022 04:21 |
URI: | http://repository.uinsu.ac.id/id/eprint/10777 |
Actions (login required)
View Item |