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.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (204kB) | Preview
Preview	PDF BAB_I.pdf Download (213kB) | Preview
Preview	PDF BAB_II.pdf Download (609kB) | Preview
Preview	PDF BAB_III.pdf Download (306kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (201kB) | Preview
	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:	Administrator UMN Library
Depositing User:	Administrator UMN Library
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