Adhipramana Raihan Yuthadi
Fakultas Ilmu Komputer, Universitas Brawijaya

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Prediksi Jumlah Kasus COVID-19 di Dunia dengan menggunakan Metode Long Short-Term Memory Adhipramana Raihan Yuthadi; Imam Cholissodin; Edy Santoso
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Coronavirus 19 (COVID-19) merupakan penyakit menular yang diakibatkan oleh virus baru yang dinamakan coronavirus. Dilansir dari WHO, Virus ini pertama kali ditemukan pada bulan Desember 2019 di daerah Wuhan, Tiongkok. Dalam waktu kurang dari dua bulan, virus ini telah menyebar ke lebih dari 114 negara. Selain korban jiwa, wabah COVID-19 juga berdampak buruk kepada sektor lainya, khususnya sektor ekonomi. Selain itu kebutuhan akan informasi yang akurat juga diperlukan untuk pengambilan keputusan. Oleh karena itu, disini diperlukan dilakukan peramalan mengenai jumlah kasus COVID-19 untuk beberapa bulan kedepanya. Hal ini dilakukan agar semua pihak khususnya pemerintah mendapatkan hasil analisa yang sesuai dan akurat, sehingga dapat mempersiapkan keputusan yang terbaik dan efektif berdasarkan hasil peramalan yang didapatkan. Untuk melakukan peramalan tersebut, metode yang digunakan dalam penelitian ini adalah Long Short Term Memory dengan jumlah data sebanyak 1258 record yang terbagi kedalam 6 negara berbeda yaitu, Indonesia, China, Jepang, Singapura, Malaysia dan Korea Selatan. Dari hasil pengujian dengan pembagian persentase data dengan iterasi maksimum = 100 diperoleh nilai Root Mean Square Error (RMSE) terkecil dengan nilai 7.8773 hingga yang terbesar dengan nilai 17.6983. Untuk proses pengujian dengan variasi iterasi antara 50 hingga 500 diperoleh nilai Root Mean Square Error (RMSE) di kisaran 11.