PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING UNTUK PREDIKSI KASUS POSITIF COVID-19 DI KABUPATEN BENGKALIS

  • Wide Mulyana Universitas Muhammadiyah Riau
  • Aryanto
  • Maudy Aprilia

Abstract

Pada bulan Desember 2019, penyebaran virus corona, juga dikenal sebagai SARS-CoV-2, secara resmi dinamai covid-19 oleh World Health Organization pertama kali muncul di Wuhan, Cina. Covid-19 saat ini merupakan ancaman yang sangat serius bagi kehidupan manusia di dunia. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Metode Single Exponential Smoothing lebih cocok digunakan untuk memprediksi data yang fluktuasinya tidak stabil atau perubahannya besar dan bergejolak (Margi S & Pendawa W, 2015). Adapun indikator penentu tingkat penyimpangan atau error yang digunakan adalah Mean Squared Error (MSE). Kelebihan MSE adalah MSE merupakan standar error untuk menilai atau untuk mengetahui kesalahan dalam prediksi. Prinsip dalam menghitung kesalahan prediksi (forecast error), model yang baik adalah model yang mempunyai kesalahan error paling kecil dari terhadap data pengamatan yang sebenarnya di lapangan (Supriana dan Uci, 2010). Penelitian ini menggunakan metode Single Exponential Smoothing, pada proses perhitungan membutuhkan data kasus positif covid-19 di masa lalu dengan nilai alpha sebagai parameter pemulusan dan metode Mean Squared Error (MSE) untuk menentukan tingkat kesalahan prediksi.

Kata kunci: covid-19, prediksi, single exponential smoothing, MSE.

Downloads

Download data is not yet available.
Published
2022-08-24
How to Cite
Mulyana, W., Aryanto, & Aprilia, M. (2022). PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING UNTUK PREDIKSI KASUS POSITIF COVID-19 DI KABUPATEN BENGKALIS. Journal of Software Engineering and Information Systems (SEIS), 2(2), 16-22. Retrieved from https://ejurnal.umri.ac.id/index.php/SEIS/article/view/3998
Abstract views: 10 , PDF downloads: 12