ANALISIS PREDIKSI JANGKA PANJANG COVID 19 FASE KE 3 DI INDONESIA MENGGUNAKAN DEEP LEARNING

HERFERRY, IBRAHIM ADE (2024) ANALISIS PREDIKSI JANGKA PANJANG COVID 19 FASE KE 3 DI INDONESIA MENGGUNAKAN DEEP LEARNING. Other thesis, Universitas Bina Darma.

[img] Text (bab 0)
BAB 0.pdf

Download (2MB)
[img] Text (bab 1)
BAB 1.pdf

Download (1MB)
[img] Text (dapus)
DAPUS.pdf

Download (966kB)
[img] Text (ANALISIS PREDIKSI JANGKA PANJANG COVID 19 FASE KE 3 DI INDONESIA MENGGUNAKAN DEEP LEARNING)
LAPORAN HASIL.pdf
Restricted to Repository staff only

Download (5MB)
[img] Text (lampiran)
LAMPIRAN.pdf

Download (1MB)
[img] Text (artikel)
ARTIKEL.pdf

Download (2MB)

Abstract

Penelitian ini dilatarbelakangi oleh dampak pandemi COVID-19 yang terus menimbulkan permasalahan bagi negara Indonesia, baik dari aspek ekonomi hingga kehidupan sehari-hari. Untuk itu, penelitian ini akan membahas prediksi jangka panjang COVID-19 fase ke-3 di Indonesia menggunakan model Deep Learning dimana melalui hasil analisis penelitian ini diharapkan dapat membantu berbagai pemangku kepentingan untuk membangun perencanaan lebih baik dalam mengatasi COVID-19 di Indonesia. Dalam melakukan penelitian, penulis menggunakan neural network dalam membangun alternatif model gabungan dari algoritma GRU dan LTSM. Dengan menggunakan nilai RMSE dan MAPE, dapat disimpulkan bahwa performa model dalam memprediksi kasus COVID-19 bergantung pada jumlah epoch yang digunakan. Di samping itu, model yang memiliki kinerja terbaik pada epoch 150 untuk memprediksi jumlah kasus COVID-19 dalam 7 hari ke depan.

Item Type: Thesis (Other)
Uncontrolled Keywords: COVID-19, deep learning, Indonesia, neural network, prediksi
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Miss Marina Ina
Date Deposited: 14 Nov 2024 03:21
Last Modified: 14 Nov 2024 03:21
URI: http://repository.binadarma.ac.id/id/eprint/8315

Actions (login required)

View Item View Item