Perbandingan Model Runtun Waktu dan Prediksi Jumlah Kasus Covid-19 di Indonesia
Abstract
Berbagai lembaga survei, penelitian dan media telah mengemukan bahwa hampir semua negara mengalami gejolak peningkatan jumlah kasus COVID-19 dalam beberapa periode. Indonesia adalah salah satu negara yang mengalami gelombang naik turun yang cukup serius bahkan sebelum terjadinya kekebalan kelompok (Herd Immunity) seperti sekarang. Pemerintah Indonesia terus berupaya untuk menekan penyebaran COVID-19 tersebut dengan menerapkan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) yang dikategorikan berdasarkan level satu hingga level empat untuk menangani permasalahan yang ada, baik dari sisi sosial, ekonomi dan kesehatan. Dalam hal ini, peramalan terkait informasi mengenai puncak dari terjadinya kasus, serta ramalan kapan berakhirnya pandemic COVID-19 menjadi sangat penting bagi pemerintah. Dengan demikian, penelitian ini dilakukan untuk menemukan model terbaik dalam meramalkan jumlah kasus COVID-19 dengan membandingkan berbagai model runtun waktu dengan konsep machine learning.
Downloads
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International. that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.