Artificial Neural Network dalam Meramalkan Kasus Covid-19 di Indonesia Menggunakan Metode Backpropagation

Ampudan Riki Pasaribu (Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara)
Sawaluddin Sawaluddin (Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara)
Syahriol Sitorus (Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara)
Muhammad Syahputra (Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sumatera Utara)

Leibniz: Jurnal Matematika
Vol. 4 No. 1 (2024): Leibniz: Jurnal Matematika

Kasus covid-19 sudah menjadi ancaman bagi seluruh dunia termasuk negara Indonesia. Grafik kasus penyebaran covid-19 di Indonesia semakin tidak terkendali sejak awal mula kasus pertama covid-19 di Indonesia. Prediksi kasus konfirmasi harian covid-19 sangat dibutuhkan untuk memutus rantai penyebaran covid-19 dimasa mendatang. Dalam penelitian ini, melalui pendekatan jaringan saraf tiruan menggunakan metode backpropagation dilakukan peramalan kasus konfirmasi harian covid-19 di Indonesia menggunakan data kasus harian sebelumnya dimulai sejak tanggal 02 maret 2020 hingga 18 Februari 2023. Arsitektur dan parameter terbaik dalam proses peramalan ini, diperoleh terdapat 14 neuron pada input layer, 128 neuron pada hidden layer dan 1 neuron pada output layer. Sedangkan nilai-nilai parameter terbaik selama pembelajaran model diperoleh nilai learning rate sebesar 0.001 dan fungsi aktivasi yang digunakan adalah ReLu dalam 1000 epoch pelatihan. Dalam peramalan ini akan diperoleh hasil ramalan dalam periode 14 hari kedepan dengan tingkat keakurasian yang dinilai berdasarkan nilai MAPE terkecil yaitu sebesar 1.16% dan koefisien determinasi sebesar 98%.