MARCHELL RIANTO (2021) ANALISIS RUNTUN WAKTU UNTUK MEMPREDIKSI PANDEMI COVID-19 DENGAN MODEL RANDOM FOREST. Undergraduate (S-1) thesis, Universitas Mikroskil.
![[thumbnail of BAGIAN AWAL.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAGIAN AWAL.pdf
Download (6MB)
![[thumbnail of BAB I.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB I.pdf
Download (1MB)
![[thumbnail of BAB II.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB II.pdf
Download (12MB)
![[thumbnail of BAB III.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB III.pdf
Restricted to Registered users only
Download (6MB)
![[thumbnail of BAGIAN AKHIR.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAGIAN AKHIR.pdf
Download (2MB)
Abstract
Pandemi COVID-19 yang muncul pada awal tahun 2020 saat ini telah menyebar ke seluruh dunia dan mempengaruhi segala aspek kehidupan manusia. Di Indonesia, kasus COVID-19 ini mulai berkembang sejak awal bulan Maret 2020 dan hingga detik ini masih terus terjadi peningkatan infeksi baru. Tujuan penelitian ini adalah melakukan prediksi pandemi COVID-19 dengan menggunakan model Random Forest dengan dataset COVID-19 di Indonesia mulai dari Maret sampai Desember 2020. Tahap pelaksanaan penelitian mengacu pada metode OSEMN yaitu Obtaining Data, Scrubbing Data, Exploring Data, Modeling Data, dan Interpreting data. Model Random Forest adalah salah satu algoritma machine learning yang sangat baik dalam memecahkan masalah klasifikasi dan regresi. Berdasarkan hasil penelitian didapatkan bahwa model yang dihasilkan memiliki tingkat akurasi 67 % di Indonesia dan nilai MAPE sebesar 33%. Sedangkan, untuk Sumatera Utara memiliki tingkat akurasi 98,4% dengan nilai MAPE sebesar 1,6%. Parameter terbaik dari model dengan nilai maxnodes 100 dan ntree 900 serta adanya trend kenaikan jumlah kasus COVID-19 beberapa waktu ke depan.
Item Type: | Tugas Akhir / Tesis (Undergraduate (S-1)) |
---|---|
Subjects: | Sistem Informasi |
Divisions: | Fakultas Informatika > Program Studi S-1 Sistem Informasi |
Depositing User: | Rospi Marlena |
Date Deposited: | 14 Jan 2023 03:04 |
Last Modified: | 14 Jan 2023 03:04 |
URI: | https://repository.mikroskil.ac.id/id/eprint/721 |