Metode Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Algoritma Neural Network

Rahmi Rahmi(1*), Darius Antoni(2), Hadi Syaputra(3), Fatoni Fatoni(4), Tri Basuki Kurniawan(5)

(1) Universitas Bina Darma Palembang
(2) Universitas Indo Global Mandiri Palembang
(3) Universitas Bina Darma Palembang
(4) Universitas Bina Darma Palembang
(5) Universitas Bina Darma Palembang
(*) Corresponding Author

Abstract


Coronavirus Disease 19 (COVID-19) adalah virus baru yang dapat menyebabkan infeksi saluran pernafasan. Virus ini  berasal dari hewan yang dapat menular ke manusia melalui percikan ludahnya. Menurt data epidemiologis, rata-rata penderita virus ini berusia 15-80 tahun. Virus ini memiliki masa inkubasi 3-14 hari yang memiliki gejala awal yaitu demam tinggi, sesak napas, batuk dan pilek. Indonesia mwmiliki 2 kasus pertama pada 2 Maret 2020, Covid-19 meningkat secara teratur pada 29 Desember 2020 data menunjukkan 719.219 ribu orang dipastikan terjangkit Covid-19. Masalah yang diangkat dalam penelitian ini adalah bagaimana mengklasifikasikan risiko tertular virus Covid-19 dari gejala yang ditimbulkan. Tujuan dari penelitian ini adalah untuk mengetahui nilai akurasi dari klasifikasi resiko tertular virus Covid-19 berdasarkan instrument yang digunkan dari metode Cross Industry Standard Process for Data Mining (CRISP-DM). Dataset yang digunakan peniliti diambil dari website http://github.com/nshomron/covidpred. Penelitian ini menggunakan Algoritma Neural Network (NN) dengan bantuan alat Phyton, akurasi Algoritma Neural Ntwork (NN) diperoleh nilai sebesar 95%, artinya telah menunjukkan hasil klasifikasi yang baik. Peneliti juga menguji dengan Algoritma Logistic Regression namun nilai akurasi yang diperoleh tidak jauh berbeda dengan Algoritma NN, Algoritma Logistic Regression diperoleh akurasi nilai sebesar 94%.

Keywords


Covid-19; Neural Network; Logistic Regression; klasifikasi; CRISP-DM

Full Text:

PDF

References


Abdillah, G., Putra, F. A., Renaldi, F., Informatika, P. S., Jenderal, U., & Yani, A. (2016). Penerapan Data Mining Pemakaian Air Pelanggan Untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di Pdam Tirta Raharja Menggunakan Algoritma K-Means. Seminar Nasional Teknologi Informasi Dan Komunikasi, 2016, 18–19.

Abdillah, L. (2020). Stigma Terhadap Orang Positif COVID-19 (Stigma on Positive People COVID-19). Pandemik COVID-19: Antara Persoalan Dan Refleksi Di Indonesia, Forthcoming.

Ahmad, A. (2017). Mengenal artificial intelligence, machine learning, neural network, dan deep learning. J. Teknol. Indones, 3.

Ayumi, V., & Nurhaida, I. (2021). Klasifikasi Chest X-Ray Images Berdasarkan Kriteria Gejala Covid-19 Menggunakan Convolutional Neural Network. JSAI (Journal Scientific and Applied Informatics), 4(2), 147– 153.

Behrens, J. T. (1997). Principles and procedures of exploratory data analysis. Psychological Methods, 2(2), 131. Fadillah, A. P. (2015). Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ). Jurnal Teknik Informatika Dan Sistem Informasi, 1(3).

Rifai, B. (2013). Algoritma Neural Network Untuk Prediksi Penyakit Jantung. Techno Nusa Mandiri: Journal of Computing and Information Technology, 10(1), 1–9.

Saifudin, A. (2018). Metode Data Mining untuk Seleksi Calon Mahasiswa pada Penerimaan Mahasiswa Baru di Universitas Pamulang. Jurnal Teknologi, 10(1), 25–36.

Saputro, W. T., & Jumasa, H. M. (2018). Memprediksi Daftar Ulang Mahasiswa Baru Menggunakan Algoritma Bayesian Classification Di Universitas XYZ. INTEK: Jurnal Informatika Dan Teknologi Informasi, 1(2), 73– 82.

Sutoyo, I. (2018). Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik. Pilar Nusa Mandiri: Journal of Computing and Information System, 14(2), 217–224.

Windarto, A. P., Lubis, M. R., & Solikhun, S. (2018). Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional. Klik-Kumpulan Jurnal Ilmu Komputer, 5(2), 147–158.

Yuliana, D., Purwanto, P., & Supriyanto, C. (2018). Klasifikasi Teks Pengaduan Masyarakat Dengan Menggunakan Algoritma Neural Network. Jurnal KomTekInfo, 5(3), 92–116.




DOI: https://doi.org/10.32736/sisfokom.v12i1.1406

Refbacks

  • There are currently no refbacks.


Indexed By:

 


Creative Commons License
Jurnal Sisfokom (Sistem Informasi dan Komputer) has ISSN 2301-7988 and e-ISSN 2581-0588 which is published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) ISB Atma Luhur under a Creative Commons Attribution-ShareAlike 4.0 International License.
Web Analytics Made Easy - StatCounter