{"title":"新冠肺炎疫情预测","authors":"Aria Hendrawan, Vensy Vydia, Saifur Rohman Cholil","doi":"10.35475/riptek.v15i1.113","DOIUrl":null,"url":null,"abstract":"Pandemi COVID-19 (Coronavirus) cenderung menjadi salah satu masalah paling serius global dalam satu tahun terakhir ini. Negara tidak memiliki pengalaman serupa terkait penyebaran virus dan dampaknya dari berbagai bidang. Memperkirakan jumlah kasus COVID-19 sebelumnya dapat membantu dalam mengambil keputusan berupa tindakan dan rencana pencegahan virus tersebut. Penelitian ini bertujuan untuk menyediakan model peramalan yang memprediksi kasus COVID-19 yang dikonfirmasi di kota Semarang. Penelitian ini menerapkan algoritma pembelajaran mesin yakni Artificial Neural Network (ANN) untuk memprediksi kasus COVID-19 di kota Semarang. Proses fine-tuning masing-masing model dijelaskan dalam penelitian ini dan perbandingan numerik antara ketiga model disimpulkan menggunakan ukuran evaluasi yang berbeda; mean sequence error (MSE).","PeriodicalId":33858,"journal":{"name":"Jurnal Riptek","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-08-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"PREDIKSI PANDEMI COVID 19 KOTA SEMARANG MENGGUNAKAN PENDEKATAN NEURAL NETWORK\",\"authors\":\"Aria Hendrawan, Vensy Vydia, Saifur Rohman Cholil\",\"doi\":\"10.35475/riptek.v15i1.113\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pandemi COVID-19 (Coronavirus) cenderung menjadi salah satu masalah paling serius global dalam satu tahun terakhir ini. Negara tidak memiliki pengalaman serupa terkait penyebaran virus dan dampaknya dari berbagai bidang. Memperkirakan jumlah kasus COVID-19 sebelumnya dapat membantu dalam mengambil keputusan berupa tindakan dan rencana pencegahan virus tersebut. Penelitian ini bertujuan untuk menyediakan model peramalan yang memprediksi kasus COVID-19 yang dikonfirmasi di kota Semarang. Penelitian ini menerapkan algoritma pembelajaran mesin yakni Artificial Neural Network (ANN) untuk memprediksi kasus COVID-19 di kota Semarang. Proses fine-tuning masing-masing model dijelaskan dalam penelitian ini dan perbandingan numerik antara ketiga model disimpulkan menggunakan ukuran evaluasi yang berbeda; mean sequence error (MSE).\",\"PeriodicalId\":33858,\"journal\":{\"name\":\"Jurnal Riptek\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-08-24\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Riptek\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35475/riptek.v15i1.113\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Riptek","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35475/riptek.v15i1.113","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
PREDIKSI PANDEMI COVID 19 KOTA SEMARANG MENGGUNAKAN PENDEKATAN NEURAL NETWORK
Pandemi COVID-19 (Coronavirus) cenderung menjadi salah satu masalah paling serius global dalam satu tahun terakhir ini. Negara tidak memiliki pengalaman serupa terkait penyebaran virus dan dampaknya dari berbagai bidang. Memperkirakan jumlah kasus COVID-19 sebelumnya dapat membantu dalam mengambil keputusan berupa tindakan dan rencana pencegahan virus tersebut. Penelitian ini bertujuan untuk menyediakan model peramalan yang memprediksi kasus COVID-19 yang dikonfirmasi di kota Semarang. Penelitian ini menerapkan algoritma pembelajaran mesin yakni Artificial Neural Network (ANN) untuk memprediksi kasus COVID-19 di kota Semarang. Proses fine-tuning masing-masing model dijelaskan dalam penelitian ini dan perbandingan numerik antara ketiga model disimpulkan menggunakan ukuran evaluasi yang berbeda; mean sequence error (MSE).
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
