KURNIATI, Alfi Bella (2022) Model Prediksi Jumlah Kumulatif Kasus Positif Covid-19 di Indonesia dengan Backpropagation Neural Network dan Particle Swarm Optimization. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Download (72kB)
	PDF (Legalitas) LEGALITAS-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only Download (795kB)
	PDF (Abstrak) ABSTRAK-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Download (53kB)
	PDF (BabI) BAB-I-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only until 29 August 2023. Download (218kB)
	PDF (BabII) BAB-II-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only until 29 August 2023. Download (578kB)
	PDF (BabIII) BAB-III-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only until 29 August 2023. Download (183kB)
	PDF (BabIV) BAB-IV-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only Download (474kB)
	PDF (BabV) BAB-V-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Download (45kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Download (122kB)
	PDF (Lampiran) LAMPIRAN-Alfi Bella Kurniati-K1B018067-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)

Abstract

Prediksi kasus harian Covid-19 sangat penting, karena menyangkut keselamatan jiwa masyarakat Indonesia. Pengembangan sebuah model prediksi yang akurat memungkinkan pemerintah untuk melakukan tindakan preventif yang diperlukan. Model prediksi pada penelitian ini dikembangkan dengan menggunakan 2 metode yaitu algoritma Backpropagation Neural Network dan algoritma Backpropagation Neural Network yang dikombinasikan dengan algoritma Particle Swarm Optimization. Particle Swarm Optimization bertujuan untuk mengoptimalkan bobot dan bias awal dari pelatihan Backpropagation Neural Network. Masing-masing metode dilakukan 18 kali pengujian dan diperoleh rata-rata nilai MAPE pada metode pertama sebesar 27,80%, sedangkan rata-rata nilai MAPE pada metode kedua sebesar 21,28%. Hasil pengujian dengan kombinasi algoritma pada metode kedua dapat meningkatkan nilai akurasi dengan penurunan rata-rata nilai MAPE sebesar 6,52% dan hasil akurasi model dengan kedua algoritma tersebut termasuk dalam predikat baik karena nilai MAPE yang dihasilkan berada dalam range 10%-20%. Kombinasi parameter ANN terbaik dengan metode pertama diperoleh MSE sebesar 0,011599 dan MAPE sebesar 16,29% yaitu pada arsitektur 14-5-1 dengan learning rate 0,3, sedangkan kombinasi parameter ANN terbaik dengan metode kedua diperoleh MSE sebesar 0,010415 dan MAPE sebesar 15,45% pada arsitektur 14-10-1 dengan learning rate 0,2.

Actions (login required)

View Item