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

• Main Authors: Arwin Datumaya Wahyudi Sumari, Dimas Rossiawan Hendra Putra, Muhammad Bisri Musthofa, Ngat Mari
• Format: Article
• Language: English
• Published: Diponegoro University 2021-01-01
• Series: Jurnal Teknologi dan Sistem Komputer
• Subjects: knowledge growing system; moving average; pandemi; pearson correlation coefficient; prediksi
• Online Access: https://jtsiskom.undip.ac.id/index.php/jtsiskom/article/view/13779

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.