Prediksi Analisis Penderita Covid19 di Indonesia dengan Metode Linier Regresi dan Unsupervised Learning

Yana Cahyana; Amril Mutoi Siregar

doi:10.30998/faktorexacta.v14i3.10591

Prediksi Analisis Penderita Covid19 di Indonesia dengan Metode Linier Regresi dan Unsupervised Learning

Yana Cahyana^(1*), Amril Mutoi Siregar⁽²⁾

(1) Universitas Buana Perjuangan Karawang
(2)
(*) Corresponding Author

Abstract

Penyakit Covid-19 sekarang ini telah dinyatakan penyeakit pandemic, karena tingkat penyebaran dan resiko yang ditimbulkan sangat berbahaya. Berbagai langkah seperti program awareness, social distancing, dan contact tracing telah dilakukan untuk mengendalikan wabah COVID-19. Jika tidak ada vaksin, prediksi kasus yang dikonfirmasi, meninggal, dan pulih diperlukan untuk meningkatkan kapasitas sistem perawatan kesehatan dan mengendalikan penularan. Dalam studi ini, kasus kumulatif dan harian dikonfirmasi, meninggal, dan pulih di Indonesia. Analisisa tidak mempertimbangkan perubahan apa pun dalam tindakan pengendalian pemerintah. Informasi dari studi ini dapat memberikan informasi yang relevan kepada pemerintah dan pejabat Kesehatan dan masyarakat. Bagaimana tingkat kesembuhan terhadap terkonfirmasi, tingkat kematian terhadap jumlah penderita. Penelitian ini menggunakan model regresi dan clustering dengan K-means, menggunakan unsupervised learning dan supervised learning untuk membangun distribusi model. Hasil penelitian ini dengan metode regresi dengan R2 = 0.99 sedangkan untuk clustering denga K= interval 10 - 15 dilihat dari hasil metode elbow

Full Text:

PDF (Indonesian)

References

Wang, LS, Wang, YR, Ye, DW, & Liu, QQ (2020). Review Novel 2019 Coronavirus (COVID-19) berdasarkan bukti terkini. Jurnal internasional agen antimikroba, 105948.

Maier, BF, & Brockmann, D. (2020). Penahanan efektif menjelaskan subeksponensial pertumbuhan dalam kasus COVID-19 yang dikonfirmasi baru-baru ini di Cina. Sains, 368 (6492), 742-746.

Sarkar, K., Khajanchi, S., & Nieto, JJ (2020). Memodelkan dan memperkirakan COVID19 pandemi di India. Chaos, Solitons & Fractals, 110049. [13] Rovetta M, Bhagavathula AS. (2020) Memodelkan tren dan perilaku epidemiologi dari COVID19 di Italia. MedRxiv. Doi: 10.1101 / 2020.03.19.20038968.

Buana, D. R. (2020). Analisis Perilaku Masyarakat Indonesia dalam Menghadapi Pandemi Virus Corona (Covid-19) dan Kiat Menjaga Kesejahteraan Jiwa. National Research Tomsk State University, Universitas Mercu Buana.

Dong Y, Mo X, Hu Y, et al. (2020). Epidemiology of Covid-19 Among Children in China. American Academy of Pediatrics, DOI: 10.1542/peds.2020- 0702

Tosepu, R., Gunawan, J., Effendy, D.S., Ahmad, L.O.A.I., Lestari, H., Bahar, H., As fi an, P., (2020). Correlation between weather and Covid- 19 pandemic in Jakarta, Indonesia. Sci. Total Environ., 138436 https://doi.org/10.1016/j.scitotenv.2020.138436

Ryan, S.E dan Porth, L.S. 2007. A Tutorial on The Piecewise Regression Approach Applied to Bedload Transport Data.Rocky Mountain Research Station. Amerika Serikat.

N. Nidheesh, K. A. Abdul Nazeer, and P. M. Amee r, “An enhanced deterministic KMeans clustering algorithm for cancer subtype prediction from gene expression data,” Comput. Biol. Med., vol. 91, pp. 213–221, 2017

DOI: http://dx.doi.org/10.30998/faktorexacta.v14i3.10591