Analisis Tingkat Akurasi Prediksi Gejala COVID - 19 Dengan Menggunakan Metode Logistic Regression dan Support Vector Machine
Indonesia
Abstract
Salah satu teknologi ilmu komputer yang deprogram untuk mempelajari dan melakukan aktivitas seperti manusia adalah kecerdasan buatan. Teknologi kecerdasan buatan telah dipakai pada beberapa bidang, salah satunya di bidang kesehatan. Dibidang kesehatan, kecerdasan buatan digunakan sebagai alat untuk mendeteksi penyakit pada manusia, salah satu contohnya adalah memprediksi gejala awal COVID-19 merupakan salah satu penyakit menular SARS-CoV2 yang menyebabkan pandemi di seluruh dunia, dan virus tersebut terdeteksi pertama kali dari hewan-hewan liar di pasar Kota Wuhan, China pada akhir 2019. Pada penelitian sebelumnya yang berjudul Metode Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Algoritma Neural Network” oleh Rahmi, dkk, menggunakan data gejala-gejala COVID-19 untuk mendapatkan tingkat akurasi dalam prediksi COVID-19 menggunakan metode Neural Network dan Logistic Regression. Hasil penelitian tersebut mendapatkan tingkat akurasi sebesar 95% dengan metode Neural Network, dan 94% dengan metode Logistic Regression. Pada penelitian ini, penulis ingin membandingkan metode Logistic Regression dengan Support Vector Machine dalam memprediksi gejala awal COVID-19. Hasil dari penelitian ini adalah mendapatkan akurasi dengan tingkat yang tertinggi dari kedua metode tersebut.
Downloads
References
Ferdiansyah, Othman, S. H., Radzi, R. Z. M., Stiawan, D., & Sutikno, T. (2023). Hybrid gated recurrent unit bidirectional-long short-term memory model to improve cryptocurrency prediction accuracy. IAES International Journal of Artificial Intelligence, 12(1), 251–261. https://doi.org/10.11591/ijai.v12.i1.pp251-261
Mubaroq, S., & Insyiroh, I. M. (2020). Jurnal Kependudukan Indonesia | Edisi Khusus Demografi dan COVID-19.
World Health Organization. (2023). Pertanyaan Dan Jawaban Terkait Coronavirus. Diakses pada ada 21 Februari 2023, dari https://www.who.int/indonesia/news/novel coronavirus/qa/qa-for-public. International Business Machines. (2010). What Is A Data Set?. Diakses pada 21 Februari 2023, dari https://www.ibm.com/docs/en/zosbasic-skills?topic=more-what-is-data-set.
Rahmi, R. (2023). Metode Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Algoritma Neural Network. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 12(1), 16–23. https://doi.org/10.32736/sisfokom.v12i1.1406.
Bimantara, A., & Dina, T. A. (2018). Klasifikasi Web Berbahaya Menggunakan Metode Logistic Regression. InProsiding Annual Research Seminar.
Kelvin. Banjarmahor, J., Indra, E., & Sinurat, A. S. (2022) Analisis Perbandingan Sentimen Corona Virus Disease-2019 (COVID19) Pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM). Jurnal Sistem Informasi Dan Ilmu Komputer Prima, 5(2), 47-52.
Toha, A., Purwono, P., & Gata, W. (2022). Model Prediksi Kualitas Udara dengan Support Vector Machines dengan Optimasi Hyperparameter GridSearch CV. Buletin Ilmiah Sarjana Teknik Elektro, 4(1), 12–21. https://doi.org/10.12928/biste.v4i1.6079
Israeli Ministry of Health. (2010). About. Diakses pada 21 Februari 2023, dari https://data.gov.il/.
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).
Copyright (c) 2023 Briandy Tri Putra, Evi Yulianingsih, Fatmasari, Ferdiansyah (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
Abstract views: 99 , 
pdf downloads: 101
_(1).png)
