Image of VISUALISASI DATA DAN PENERAPAN MACHINE 
LEARNING MENGGUNAKAN ALGORITMA DECISION TREE
UNTUK PENDUKUNG KEPUTUSAN LAYANAN 
KESEHATAN COVID-19

Skripsi

VISUALISASI DATA DAN PENERAPAN MACHINE LEARNING MENGGUNAKAN ALGORITMA DECISION TREE UNTUK PENDUKUNG KEPUTUSAN LAYANAN KESEHATAN COVID-19



Abstrak

Pada Desember 2019, virus corona baru yang sekarang dinamai SARS-CoV-2,
menyebabkan serangkaian penyakit pernapasan atipikal akut di Wuhan, Provinsi
Hubei, China. Penyakit yang disebabkan oleh virus ini disebut COVID-19. Virus
ini dapat menular antar manusia dan telah menyebabkan pandemi di seluruh dunia.
Virus yang mendasari penyakit COVID-19, SARS-CoV-2, telah menyebabkan
lebih dari 120 juta kasus yang dikonfirmasi dan 1,5 juta kematian sejak April 2022.
Penelitian ini menggunakan algoritma Decision Tree untuk memprediksi COVID19 dengan validasi parameter Cross Validation, Split Validation. Cross Validation
pada algoritma Decision Tree Regressor memiliki tingkat performa terbaik diantara
3 algoritma lainnya, seperti; Linear Regression, Support Vector Machine
Regression dan Neural Network Regression. Algoritma Decision Tree
menghasilkan nilai average 57 untuk RMSE (Root Mean Square Error). Validasi
data menggunakan split validation menghasilkan nilai average 29 untuk MAE
(Mean Absolute Error) , 3816 untuk MSE (Mean Square Error), 59 untuk RMSE
(Root Mean Square Error) dan 0,956 untuk R2 Square. Split ratio 0,9 memiliki nilai
MAE, MSE, RMSE dan R2 Square tertinggi. Artinya algoritma Decision Tree
Regressor memiliki kinerja yang baik untuk meningkatkan kinerja algoritma
prediksi. Berdasarkan hasil penelitian mendapatkan nilai RMSE terbaik sehingga
bisa digunakan oleh tenaga medis dan peneliti dalam melakukan prediksi COVID19 dan dapat menjadi bahan rujukan metode yang akan diimplementasikan pada
saat membuat penelitian mengenai COVID-19.


Ketersediaan

S03007K014/S1.TI.SKP/2022-2023Teknik InformatikaTersedia

Informasi Detail

Nomor Serial
014/S1.TI.SKP/2022-2023
Penerbit : .,
ISBN/ISSN
-
Judul Seri
-
Deskripsi Fisik
-
Subyek

Versi lain

Tidak tersedia versi lain


Lampiran Berkas



Informasi


DETAIL DOKUMEN


Kembali ke sebelumnyaXML Detail