Model Prediksi Kasus Covid-19 di Indonesia Menggunakan Metode Linear Regresi dan Polynomial Regresi

  • Amid Rakhman
  • Yana Cahyana
  • Rahmat Rahmat
Keywords: Covid-19, Prediksi, Linear Regresi, Polynomial Regresi

Abstract

Organisasi Kesehatan Dunia pada 11 Maret 2020 telah mengumumkan bahwa Coronavirus Disease 2019 (Covid-19) sebagai sebuah pandemi. Covid-19 ialah sebuah penyakit yang disebabkan oleh jenis coronavirus baru yaitu Sars-CoV-2 yang mengganggu sistem pernafasan. Hingga saat ini kasus terkonfirmasi positif Covid-19 di Indonesia masih terjadi setiap harinya. Penelitian ini  bertujuan untuk melakukan prediksi penambahan kasus Covid-19 di Indonesia. Data yang  digunakan bersumber dari API publik laman covid19.go.id berupa penambahan jumlah kasus Covid-19 di Indonesia sebanyak 122 baris data. Prediksi dilakukan dengan menggunakan metode linear regresi dan polynomial regresi sebagai pembanding. Evaluasi pada metode linear regresi mendapatkan nilai R2 = 0,57, sedangkan metode polynomial regresi mendapatkan nilai R2 = 0,84. Berdasarkan evaluasi tersebut, metode polynomial regresi mendapatkan hasil yang lebih baik dibandingkan dengan metode linear regresi. Prediksi kasus Covid19 di Indonesia pada bulan  Januari sampai bulan Maret 2022 menggunakan metode polynomial regresi diprediksi penambahan kasus Covid-19 akan naik kembali

References

[1] Wahyudin dan Heri Purwanto. (2021). Prediksi Kasus Covid-19 Di Indonesia Menggunakan Metode Backpropagation Dan Regresi Linear. Journal of Information System, Applied, Management, Accounting and Research, 5(2), 331. https://doi.org/10.52362/jisamar.v5i2.420.
[2] Widyarsi, L., dkk. (2021). Prediksi Kasus Covid-19 Melalui Analisis Data Google Trend Di Indonesia : Pendekatan Metode Long Short Term Memory (LSTM). JURNAL SAINTIKA UNPAM : Jurnal Sains Dan Matematika Unpam, 3(2), 161–177.
[3] Mabrur, Angga Ginanjar dan Riani Lubis. (2012). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer Dan Informatika (KOMPUTA), 1(1), 53–57.
[4] Nafi’iyah, N. (2016). Perbandingan Regresi Linear , Backpropagation Dan Fuzzy Mamdani Dalam Prediksi Harga Emas. Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri, 291–296.
[5] Malensang, J. S., H Komalig., & D. Hatidja. (2013). Pengembangan Model Regresi Polinomial Berganda Pada Kasus Data Pemasaran. Jurnal Ilmiah Sains, 12(2), 149. https://doi.org/10.35799/jis.12.2.2012.740.
[6] Indarwati, T., T. Irawati., dan E. Rimawati. (2019). Penggunaan Metode Linear Regression Untuk Prediksi Penjualan Smartphone. Jurnal Teknologi Informasi Dan Komunikasi (TIKomSiN),6(2), 2-7.https://doi.org/10.30646/tikomsin.v6i2.369.
[7] Ayuni, Ghebyla Najla dan Devi Fitrianah. (2019). Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ. Jurnal Telematika, 14(2), 79–86. https://journal.ithb.ac.id/telematika/article/view/321
[8] Rory dan Rita Diana. (2020). Pemodelan Data Covid-19 Menggunakan Regresi Polinomial Lokal. Seminar Nasional Official Statistics 2020, 2, 91–98.
[9] Putra, Andika Eka dan Asep Juarna. (2021). Prediksi Produksi Daging Sapi Nasional dengan Metode Regresi Linier dan Regresi Polinomial. Jurnal Ilmiah KOMPUTASI, 20, 209–215.[10] Sabrina, D. S., dkk. (2020). Buku Praktis Penyakit Virus Corona 19 (COVID-19). In Journal of Chemical Information and Modeling (Vol. 53, Issue 9).
[11] Nugroho, K. (2016). Model Analisis Prediksi Menggunakan Metode Fuzzy Time Series. Infokam, 12(1), 46–50.
Published
2023-07-31