Prediksi Perubahan Level PPKM di Kawasan Jakarta Menggunakan Metode LSTM

Dewangga, Chendra (2022) Prediksi Perubahan Level PPKM di Kawasan Jakarta Menggunakan Metode LSTM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (219kB) | Preview
Preview	PDF BAB_I.pdf Download (210kB) | Preview
Preview	PDF BAB_II.pdf Download (1MB) | Preview
Preview	PDF BAB_III.pdf Download (2MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (204kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (861kB)

Abstract

Pemberlakuan pembatasan kegiatan masyarakat (PPKM) merupakan sebuah langkah dari pemerintah dalam melakukan pencegahan penyebaran Covid-19. PPKM juga dibagi menjadi empat level yang memiliki kriteria masing-masing dan level tersebut akan menentukan pembatasan yang akan diberlakukan di masyarakat. Melalui website yang dapat melakukan prediksi level PPKM melalui perhitungan prediksi meninggal dan positif harian, maka website ini dapat membantu pemerin- tah dalam melakukan perencanaan pengubahan level PPKM di kawasan Jakarta. Sistem prediksi menggunakan metode Long short-term memory (LSTM) yang mengamati dua buah data melalui pendekatan multivariate agar prediksi dapat di- lakukan secara cepat dan hasil model yang didapat diterapkan melalui Node.JS se- bagai backend dari website. Dari hasil penelitian yang dilakukan, didapatkan kes- impulan bawha sistem prediksi belum berhasil dalam melakukan prediksi terhadap kasus positif harian dan kasus meninggal akibat Covid-19 melalui pendekatan mul- tivariate. Hasil prediksi yang setelah melakukan perbandingan nilai prediksi selama empat minggu mendapatkan prediksi yang jauh dari nilai akutal. Nilai prediksi dan nilai aktual yang cukup jauh ini menyebabkan perhitungan yang dilakukan untuk melakukan prediksi level PPKM menjadi tidak akurat. Hal ini dapat terjadi karena arsitektur yang digunakan masih sederhana dan tuning hyperparameter yang belum sempurna karena tidak ada aturan pasti dalam konfigurasinya. Selain itu dengan pengamatan terhadap dua variabel secara bersamaan juga dapat mempengaruhi ni- lai keluaran. Berdasarkan skor hasil pengujian yang didapat melalui perhitungan menggunakan Mean Absolute Percentage Error (MAPE) dan root-mean-square er- ror (RMSE). Hasil skor yang didapatkan dari perhitungan RMSE pada prediksi kasus meninggal adalah sebesar 22.67 dan prediksi kasus positif harian sebesar 27.14 sedangkan hasil skor yang didapatkan dari perhitungan MAPE pada prediksi kasus meninggal adalah sebesar 0.16% dan prediksi kasus positif harian sebesar 53.11%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Covid-19, Machine Learning, prediksi, PPKM, LSTM
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 04:05
Last Modified:	22 Aug 2023 06:33
URI:	https://kc.umn.ac.id/id/eprint/22125

Actions (login required)

View Item