Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Saintika Unpam : Jurnal Sains dan Matematika Unpam
Satria Dirgantara
Politeknik Statistika STIS
Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI KASUS COVID-19 MELALUI ANALISIS DATA GOOGLE TREND DI INDONESIA: PENDEKATAN METODE LONG SHORT TERM MEMORY (LSTM) Lisa Widyarsi; Ivana Yoselin Purba Siboro; Peterson Hamonangan Immanuel Sihotang; Satria Dirgantara; Yakobus Natanael Tarigan; Yuniar Putri Awaliyah Risky; Rani Nooraeni
JURNAL SAINTIKA UNPAM Vol 3, No 2 (2021)
Publisher : Program Studi Matematika FMIPA Universitas Pamulang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32493/jsmu.v3i2.7786

Abstract

Salah satu faktor yang diperlukan untuk menekan angka kasus COVID-19 adalah tingginya perhatian atau atensi masyarakat. Hal tersebut terlihat dari intensitas pencarian informasi publik mengenai COVID-19 di platform online bernama Google Trend. Makalah ini bertujuan untuk mendeskripsikan kondisi wabah COVID-19 di masyarakat dengan menggunakan data Google Trend dan memprediksi kasus COVID-19 baik dengan metode nowcasting maupun forecasting dengan menggabungkan data atensi publik dari Google Trend dengan data resmi pertumbuhan COVID-19 di Indonesia. Data yang digunakan berupa data time series harian dari tanggal 1 April hingga 30 September 2020. Metode Regresi Linear Berganda juga digunakan untuk membandingkan hasil prediksi dengan LSTM. Hasil regresi time series menghasilkan RMSE 1060,80. Selain metode analisis time series, prediksi penambahan kasus COVID-19 juga dilakukan menggunakan metode LSTM dengan empat skenario, di mana skenario pertama menghasilkan RMSE 526,59, skenario kedua menghasilkan RMSE 528,81, skenario ketiga menghasilkan RMSE 528,81. RMSE 483,25 dan skenario terakhir menghasilkan RMSE 482,21. Prediksi menggunakan metode LSTM dengan scnario keempat menghasilkan RMSE, sehingga metode LSTM merupakan metode keempat dengan prediksi yang cukup baik.
Co-Authors Ivana Yoselin Purba Siboro Lisa Widyarsi Nooraeni, Rani Peterson Hamonangan Immanuel Sihotang Yakobus Natanael Tarigan Yuniar Putri Awaliyah Risky