Implementasi Model Neural Prophet untuk Memprediksi Kasus COVID-19 di Indonesia

Yahya Wijaya, Efraim (2022) Implementasi Model Neural Prophet untuk Memprediksi Kasus COVID-19 di Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (1MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (204kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (213kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (609kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (306kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (1MB)
[img]
Preview
PDF
BAB_V.pdf

Download (201kB) | Preview
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (1MB)

Abstract

Sejak awal masuknya virus COVID-19 di Indonesia, jumlah kasus penyebaran meningkat signifikan. Hal ini sangat berdapak pada rumah sakit yang melayani pasien COVID tingkat lanjut. Beberapa cara pemerintah menekan penyebaran ka- sus COVID di Indonesia, seperti pembuatan kebijakan PPKM maupun pemberian vaksinasi. Melalui penelitain ini metode prediksi di gunakan untuk mengetahui naik turunnya kasus COVID-19 dengan menggunakan model Neural Prophet. Kemudian model tersebut akan dibandingkan dengan Facebook Prophet sebagai model pem- banding. Penelitian ini menggunakan dataset dari (covid19.go.id) yang diambil pada tanggal 14 April 2022 dengan teknik scraping. Hasil penelitian ini menun- jukan bahwa model Neural Prophet memiliki nilai RMSE dan MAE yang lebih baik dibandingkan dengan Facebook prophet.

Item Type: Thesis (Bachelor Thesis)
Keywords: COVID-19, Facebook Prophet, MAE, Neural Prophet, RMSE.
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 20 Jul 2022 03:07
Last Modified: 08 Aug 2023 02:17
URI: https://kc.umn.ac.id/id/eprint/21546

Actions (login required)

View Item View Item