Support Vector Regression Dalam Prediksi Penurunan Jumlah Kasus Penderita Covid-19
DOI:
https://doi.org/10.31328/jointecs.v7i2.3687Keywords:
COVID-19, SVR, kernel, prediksiAbstract
Penyebaran Virus COVID-19 sangat mengkhawatirkan dan terus menyebar serta meluas di seluruh negara terinfeksi mulai dari anak-anak hingga orang dewasa. Banyak cara dalam membuat suatu prediksi, dalam hal ini menentukan prediksi jumlah penderita COVID-19 bisa dengan menggunakan machine learning, tidak hanya COVID-19. Penelitian ini mencoba memprediksi kapan Pandemic COVID-19 ini menurun dengan menggunakan algoritma SVR dengan kernel RBF, Linear, Polynomial, dan Sigmoid, pemilihan model menggunakan SVR karena SVR mampu mengatasi overfitting. Penelitian ini menggunakan dataset dari github John Hopkins University menggunakan sample lima negara dengan jumlah kasus COVID-19 yang berbeda. Hasil yang didapat untuk kernel RBF sangat baik untuk lima negara dalam membuat pola grafik yang fit antara data aktual dan data prediksi, dengan melakukan tunning parameter yang berbeda-beda disetiap negara, kemudian melakukan pengujian nilai gamma untuk mendapatkan nilai RMSE, R2, dan MAE, hasil terbaik ada pada negara Jerman dengan nilai RMSE 0.099, kemudian Itali dengan nilai RMSE 0.101, Indonesia nilai RMSE 0.102, brazil nilai RMSE 0.105, dan US nilai RMSE 0.105.ÂReferences
Aditia, A. (2021). Covid-19: Epidemiologi, Virologi, Penularan, Gejala Klinis, Diagnosa, Tatalaksana, Faktor Risiko dan Pencegahan. Jurnal Penelitian Perawat Profesional, 3(4), 653-660.
Arfan, A., & ETP, L. (2020). Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia. PETIR, 13(1), 33 - 43.
Cahyono, R. E., Sugiono , J. P., & Tjandra , S. (2019). Analisis Kinerja Metode Support Vector Regression (SVR) dalam Memprediksi Indeks Harga Konsumen. JTIM : Jurnal Teknologi Informasi Dan Multimedia, 1(2), 106-116. https://doi.org/10.35746/jtim.v1i2.22.
Elfi Quyuni R., Moh Alimansur., 2020. Upaya Pencegahan dengan Kepatuhan dalam Pencegahan Penularan Covid-19 pada Relawan Covid. Jurnal Recode. No. 4. Vol. 1..
F. Rustam et al, 2020. COVID-19 Future Forecasting Using Supervised Machine Learning Models, in IEEE Access, vol. 8, pp. 101489-101499
Hairunisa N, Amalia H. Review: Penyakit Virus Corona Baru 2019 (COVID-19). J Biomedika Kesehat [Internet]. 2020 Jun. 30.
Herlawati, 2020. COVID-19 Spread Pattern Using Support Vector Regression. Journal Penelitian Ilmu Komputer System Embedded & Logic, Vol (1): 67 – 7
Hendayanti, Ni & Suniantara, I Ketut & Nurhidayati, Maulida. (2019). Penerapan Support Vector Regression (Svr) Dalam Memprediksi Jumlah Kunjungan Wisatawan Domestik Ke Bali. Jurnal Varian. 3. 43-50. 10.30812/varian.v3i1.506.
Shiyammurti, N. R., Saputri, D. A., & Syafira, E.(2020). Dampak Pandemi Covid-19 di PT. Bursa Efek Indonesia ( BEI ). Journal of Accounting Taxing and Auditing (JATA) ISSN, 1(1).
Lestari, M. I., & Anggraeni, D. (2021). Analisis Dampak Sentimen Masyarakat Selama Pandemi Covid-19 Terhadap Kurs Rupiah (Studi Kasus Pandemi Covid-19 di Indonesia). Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis Dan Akuntansi, 9(1).
N. P. Hendayanti, I. K. P. Suniantara, and M. Nurhidayati, “Penerapan Support Vector Regression (SVR) Dalam Memprediksi Jumlah Kunjungan Wisatawan Domestik Ke Baliâ€, Jurnal Varian, vol. 3, no. 1, pp. 43-50, Oct. 2019.
Noval Dini Maulana, et al. 2019. Implementasi Metode Support Vector Regression (SVR)Dalam Peramalan Penjualan Roti (Studi Kasus: Harum Bakery) Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Vol. 3, No. 3, hlm. 2986-2995.
Puji Hari Santoso, 2020. Application Of Data Mining Classification For Covid-19 Infected Status Using Algortima Naïve Method, Volume 4 Number 1 May 2020, pp. 267-275
Saputra, G. H., Wigena, A. H., & Sartono, B. (2019). Penggunaan Support Vector Regression Dalam Pemodelan Indeks Saham Syariah Indonesia Dengan Algoritme Grid Search. Indonesian Journal of Statistics and Its Applications, 3(2), 148–160.
Wandra, W., Cikusin, Y., & Hayat, H. (2021). Wabah Corona Virus (Covid-19) (Studi Pada Desa Pandansari Lor Kecamatan Poncokusumo Kabupaten Malang). Jurnal Inovasi Penelitian, 2(5), 1627-1634.
Yao, Wanxiang & Zhang, Chunxiao & Hao, Haodong & Wang, Xiao & Li, Xianli, 2018. A Support Vector Machine Approach To Estimate Global Solar Radiation With The Influence Of Fog And Haze, Renewable Energy, Elsevier, vol. 128(PA), pages 155-162.
Zhan C, Tse CK, Lai Z, Hao T, Su J 2020. Prediction of COVID-19 spreading profiles in South Korea, Italy and Iran by data-driven coding. PLoS ONE 15(7): e0234763
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta dan Lisensi
Hak Cipta :
Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:
Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);
Lisensi :
JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
This work is Under licensed
Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
