Prediksi dinamika pandemi di Pulau Jawa menggunakan metode Moving Average dan Knowledge Growing System (KGS)

Autor: Arwin Datumaya Wahyudi Sumari, Dimas Rossiawan Hendra Putra, Muhammad Bisri Musthofa, Ngat Mari
Jazyk: English<br />Indonesian
Rok vydání: 2021
Předmět:
Zdroj: Jurnal Teknologi dan Sistem Komputer, Vol 9, Iss 1, Pp 31-40 (2021)
Druh dokumentu: article
ISSN: 2338-0403
DOI: 10.14710/jtsiskom.2020.13779
Popis: Penelitian ini bertujuan untuk menganalisis perbandingan kinerja metode-metode komputasi untuk memprediksi dinamika pandemi di Pulau Jawa berdasarkan data-data antara bulan Maret-Mei 2020 yang mencakup Provinsi DKI Jakarta, Jawa Barat, Jawa Tengah, DI Yogyakarta, dan Jawa Timur. Prediksi dilakukan menggunakan tiga metode, yaitu Knowledge Growing System (KGS) dan model deret waktu, yaitu Single Moving Average (SMA), dan Exponential Moving Average (EMA). Berdasarkan dari hasil-hasil komputasi Mean Absolute Percentage Error (MAPE) disimpulkan bahwa metode EMA menghasilkan tingkat kesalahan yang lebih kecil daripada metode SMA dengan rerata sebesar 47,94 %. KGS menghasilkan kompurasi Degree of Certainty (DoC) dan menganalisis tren dinamika pandemi di Provinsi DKI Jakarta akan turun, jika kebijakan yang saat ini diterapkan tetap dilanjutkan. Pada provinsi-provinsi lainnya, KGS memprediksi bahwa dinamika pandemi masih akan terus meningkat.
Databáze: Directory of Open Access Journals