Penerapan metode Radial Basis Function Neural Network pada prediksi kasus Positif Covid-19 di Indonesia

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Ais, Chalawatul (2022) Penerapan metode Radial Basis Function Neural Network pada prediksi kasus Positif Covid-19 di Indonesia. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Chalawatul Ais_H72218015.pdf

Download (3MB)

Abstract

Covid-19 adalah salah satu penyakit menular yang pertama kali ditemukan di Wuhan, Tiongkok bulan Desember 2019. Per tanggal 31 Oktober 2021 kasus positif Covid-19 di Indonesia mencapai 4.244.351 jiwa. Banyak upaya-upaya yang telah dilakukan untuk menecegah penyebaran virus seperti penggunaan masker, jaga jarak maupun karantina. Prediksi atau peramalan perlu dilakukan, dengan harapan dapat membantu mengoptimalkan upaya pemerintah tersebut dalam mencegah serta menangani penyebaran virus Covid-19. Penelitian ini bertujuan untuk mendapatkan hasil prediksi dari penerapan metode Radial Basis Function Neural Network pada data deret waktu kasus Covid-19 di Indonesia. Kelebihan dari RBFNN ini yaitu memiliki iterasi komputasi yang lebih cepat dibandingkan dengan metode Jaringan Syaraf Tiruan lain. Fungsi basis yang digunakan pada penelitian ini adalah fungsi gaussian pada lapisan tersembunyi. Fungsi basis ini memerlukan sebuah metode untuk mendapatkan nilai pusat dan jarak datanya. Pada penelitian ini digunakan metode K-Means Clustering untuk mendapatkan jarak dan pusat datanya. Data yang digunakan pada penelitian ini diambil dari website Kementrian Kesehatan Republik Indonesia dari tanggal 01 November 2020 sampai 15 Desember 2021. Penelitian ini melakukan tiga uji coba diantaranya jumlah lapisan masukan, neuron tersembunyi dan pembagian data. Hasil uji didapatkan dari nilai MAPE terkecil berada pada pembagian data 70% data latih 30% data uji dengan satu lapisan masukan dan sembilan neuron tersembunyi. Model terbaik yang didapatkan merupakan hasil dari nilai eror terkecil dengan MAPE pada proses latih sebesar 12, 61% dan MAPE pada proses uji sebesar 4, 72%. Rata-rata hasil prediksi yang didapatkan pada penelitian ini
rata-ratanya sebesar 193 kasus, dengan kasus tertinggi terjadi pada tanggal 17 Desember 2021 sedangkan kasus terendah sebanyak 94 kasus diperkirakan akan terjadi pada tanggal 26 Desember 2021. RBFNN sangat baik digunakan untuk memprediksi kasus positif Covid-19 karena nilai MAPE yang dihasilkan pada proses prediksi cukup kecil.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Ais, Chalawatulchalawatulais10@gmail.comH72218015
Contributors:
ContributionNameEmailNIDN
Thesis advisorUlinnuha, Nurissaidahnuris.ulinnuha@uinsby.ac.id2002119001
Thesis advisorHakim, Lutfilutfihakimbungah@gmail.com197312252006041001
Subjects: Kesehatan
Kesehatan

Komputer
Matematika
Keywords: Covid-19; Deret waktu; Prediksi; Radial Basis Function Neural Network
Divisions: Fakultas Sains dan Teknologi > Studi Matematika
Depositing User: Chalawatul Ais
Date Deposited: 12 Apr 2022 10:29
Last Modified: 12 Apr 2022 10:29
URI: http://digilib.uinsby.ac.id/id/eprint/52793

Actions (login required)

View Item View Item