Gabriel Yoseph Stephanno, Aldo (2021) Prediksi Jumlah Kasus Covid-19 Menggunakan Metode K-Nearest Neighbors Regression (Studi Kasus: Kabupaten Karawang). Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Covid-19 merupakan suatu penyakit menular yang disebabkan oleh virus SARS-CoV-2. Virus ini pertama kali muncul di Kota Wuhan, China pada Desember 2019. Sejak kemunculan kasus pertama ini, sekitar 25 negara mengonfirmasi kemunculan kasus serupa di negaranya. Pada 2 Maret 2020, pemerintah Indonesia mengumumkan kemunculan kasus Covid-19 pertama. Sejak itu, perkembangan kasus Covid-19 di Indonesia terus meningkat hari demi hari dan telah menyebar ke seluruh Provinsi di Indonesia. Kabupaten Karawang merupakan salah satu wilayah padat penduduk di Jawa Barat dan merupakan salah satu kota industri terbesar di Indonesia. Penelitian ini akan membahas bagaimana memprediksi jumlah kasus Covid-19 di Kabupaten Karawang dengan menggunakan metode K-Nearest Neighbors Regression. Metode ini dipilih karena performanya yang dinilai sangat baik dan dapat menganalisis nilai prediksi berdasarkan hubungan antar variabel yang ada, walaupun membutuhkan data yang cukup besar. Bahasa pemrograman yang digunakan dalam penelitian ini adalah Python, dengan Jupyter Notebook untuk visualisasi hasil prediksi. Model prediksi yang dibuat telah dievaluasi menggunakan beberapa perhitungan error rate dan menghasilkan nilai akurasi tertinggi sebesar 96,98%.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Analisis Regresi, Covid-19, Kabupaten Karawang, K-Nearest Neighbors Regression, Prediksi, Python, Visualisasi Data |
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: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 24 Aug 2021 15:18 |
Last Modified: | 09 Aug 2023 01:06 |
URI: | https://kc.umn.ac.id/id/eprint/17056 |
Actions (login required)
View Item |