PREDIKTOR TINGKAT PASIEN POSITIF COVID-19 MENGGUNAKAN HIGH ORDER POLYNOMIAL REGRESSION DAN ARTIFICAL NEURAL NETWORK (STUDI KASUS WILAYAH SURABAYA RAYA)

SOLIKAH, UMU MAR’ATUS (2020) PREDIKTOR TINGKAT PASIEN POSITIF COVID-19 MENGGUNAKAN HIGH ORDER POLYNOMIAL REGRESSION DAN ARTIFICAL NEURAL NETWORK (STUDI KASUS WILAYAH SURABAYA RAYA). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0416040006 - Umu Mar Atus Solikah - Prediktor Tingkat Pasien Positif Covid-19 Menggunakan i High Order Polynomial Regression _i dan i Artifical Neural Network _i (Studi Kasus Wilayah Surabaya Raya).pdf Restricted to Repository staff only Download (2MB)

Abstract

Sejak ditemukannya virus corona jenis baru pada Desember 2019 di Wuhan, China, tren penderita Corona Virus 2019 (Covid-19) diberbagai negara terus menunjukkan kenaikan. Di Indonesia, total penderita positif Covid-19 hingga 17 April 2020 mencapai 5.923 penderita dengan persentase kematian sebesar 8,78% (Kemenkes RI). Tingginya angka penyebaran virus tersebut harus dikendalikan karena memiliki banyak dampak negatif, untuk itu peran prediksi jumlah pasien positif Covid-19 sangat diperlukan sebagai landasan dalam membuat kebijakan pengendalian virus. Pada tugas akhir ini, metode High Order Polynomial Regression (HOPR) dan Artifical Neural Network (ANN) dipilih untuk memprediksi tingkat kasus aktif positif Covid-19 di wilayah Surabaya Raya dengan menggunakan 2 skenario. Metode HOPR digunakan untuk melakukan analisis regresi berganda dengan tujuan mengetahui pengaruh variabel-variabel bebas terhadap variabel terikat secara serentak dan parsial.Sedangkan metode ANN dengan sistem pembelajaran backpropagation neural network (BPNN) digunakan untuk menghasilkan prediksi yang dikenal memiliki toleransi tinggi terhadap data yang mengandung noise dan mampu menangkap hubungan yang sangat kompleks antara variabel prediktor dan output. Hasil pengujian menunjukkan bahwa metode ANN memiliki akurasi sangat baik dengan tingkat kesalahan MAPE 4,15% pada skenario 1 dan 4,16% pada skenario 2, sedangkan pada metode HOPR peramalan menunjukkan kesalahan yang sangat besar, yaitu 15.577,73% pada skenario 1 dan 12.228,94% pada skenario 2. Namun, metode HOPR dapat memberikan analisis bahwa penggunaan variabel-variabel bebas pada penelitian ini memiliki pengaruh signifikan secara simultan maupun parsial terhadap variabel terikat, baik pada skenario 1 maupun 2.

Actions (login required)

View Item