CYBERNETICS
Vol 6, No 02 (2022): CYBERNETICS

Perbandingan Model Arima dan Deep Learning untuk Peramalan Kasus Covid-19

Izhan Fakhruzi (Universitas Muhammadiyah Pontianak)
Alda Cendekia Siregar (Universitas Muhammadiyah Pontianak)
Putri Yuli Utami (Universitas Muhammadiyah Pontianak)
Rodibelle F Leona (Nueva Ecija University of Science and Technology)



Article Info

Publish Date
30 Nov 2022

Abstract

Jumlah kasus Covid-19 di kawasan Asia Tenggara terbilang tinggi. Di Asia Tenggara, Indonesia memiliki jumlah kasus dan kematian positif covid-19 tertinggi, diikuti oleh Filipina dan Malaysia. Penelitian ini bertujuan untuk menggunakan metode peramalan time series untuk memprediksi jumlah kasus Covid-19 sehingga akan membantu pemerintah di kawasan Asia Tenggara untuk membuat kebijakan berdasarkan hasil peramalan tersebut. Dua metode peramalan populer untuk data time series adalah Autoregressive Integrated Moving Average (ARIMA) dan Long Short Term Memory (LSTM). Kedua metode tersebut dibandingkan performa dan akurasinya untuk memprediksi jumlah kasus Covid-19. Hasil eksperimen menunjukkan bahwa LSTM mengungguli ARIMA dalam memprediksi jumlah kasus covid-19 di Asia Tenggara.

Copyrights © 2022






Journal Info

Abbrev

CN

Publisher

Subject

Computer Science & IT

Description

CYBERNETICS is published two times annually, May and November by the Pusat Penerbitan dan Publikasi Ilmiah Universitas Muhammadiyah Pontianak (P3I) in colaboration with the Department of Informatics, Faculty of Engineering, Universitas Muhammadiyah, Pontianak. The aim of the journal is to publish ...