Klasifikasi Deteksi Gejala Awal COVID-19 Dengan Metode Logistic Regression, Random Forest Classifier dan Support Vector Machine
Main Article Content
Coronavirus Disease 19 (COVID-19) merupakan virus baru yang menyebabkan infeksi saluran pernapasan. Virus ini berasal dari hewan yang dapat menular pada manusia dengan percikan air liur. Menurut data epidemiologi rata-rata pasien terjangkit virus ini berusia 15-80 tahun. Virus ini memiliki masa inkubasi 2-14 hari yang mempunyai gejala awal yaitu deman tinggi, sesak nafas, batuk pilek. Indonesia memiliki 2 kasus pertama pada 2 maret 2020. permasalahan yang diangkat dalam penelitian ini adalah bagaimana mengklasifiasi resiko terjangkit virus covid-19 dari gejala yang ditimbulkan. Tujuan penelitian ini untuk mengetahui tingkat resiko terjangkit virus covid-19 berdasarkan instrument yang digunakan dari metode AI Project Cycle yang terdiri dari 6 tahapan yaitu Problem Scoping, Data Acquisition, Data Exploration, Modelling, Evaluation dan Deployment. Dataset yang digunakan peneliti diambil dari web resmi kaggle.com. Penelitin ini menggunakan 3 (tiga) algoritma yaitu Logistic Regression, Random Forest Classfier dan Support Vector Machine. Nilai akurasi pada dataset dengan 6512 rows * 12 columns data pasien terjangkit covid-19 menggunakan algoritma Logistic Regression memperoleh 87%, Random Forest Classifier memperoleh 86% dan Support Vector Machine memperoleh 83%. Pada penelitian ini algoritma klasifikasi Logistic Regression memberikan nilai akurasi yang tertinggi.
Anggraini, Suci, Akbar, Muhamad, Wijaya, Alex, Syaputra, Hadi, & Sobri, Muhammad. (2021).
Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Machine Learning. Journal of Software Engineering Ampera, 2(1), 57–68.
Covid-19, Satuan Tugas Penanganan. (2020). Gejala Umum | Satgas Penanganan Covid-19.
Linssen, Joachim, Ermens, Anthony, Berrevoets, Marvin, Seghezzi, Michela, Previtali, Giulia, Russcher, Henk, Verbon, Annelies, Gillis, Judith, Riedl, Jürgen, & de Jongh, Eva. (2020). A novel haemocytometric COVID-19 prognostic score developed and validated in an observational multicentre European hospital-based study. Elife, 9, e63195.
Mulajati, Muhammad. (2017). IMPLEMENTASI TEKNIK WEB SCRAPING DAN KLASIFIKASI SENTIMEN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN ASOSIASI TEKS (Studi Kasus: Data Ulasan Penumpang Maskapai Penerbangan Garuda Indonesia Pada Situs TripAdvisor).
Nafi’ah, H. (2021). AI Project Cycle.
Nasir, Azwir, Junita, Mega, & Ilham, Elfi. (2014). Pengaruh profitabilitas, pertumbuhan aset, operating leverage, dan ukuran perusahaan terhadap struktur modal studi empiris pada perusahaan food and beverages yang terdaftar di bursa efek indonesia periode 2010-2012. Riau University.
Prabiantissa, Citra Nurina. (2021). Klasifikasi pada Dataset Penyakit Hati Menggunakan Algoritma Support Vector Machine, K-NN, dan Naïve Bayes. Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, Dan Teknik Informatika (SNESTIK), 1(1), 263–268.
Purnomo, Rakhmat. (2017). Penerapan Greedy Forward Selection dan Bagging pada Logistic Regression untuk Prediksi Cacat Perangkat Lunak. Jurnal Karya Ilmiah, 17(2), 1–11.
Ramadhy, Izzan Faikar, & Sibaroni, Yuliant. (2022). Analisis Trending Topik Twitter dengan Fitur Ekspansi FastText Menggunakan Metode Logistic Regression. JURIKOM (Jurnal Riset Komputer), 9(1), 1–7.
Romindo, Romindo, Muttaqin, Muttaqin, Saputra, Didin Hadi, Purba, Deddy Wahyudin,
Iswahyudi, M., Banjarnahor, Astri Rumondang, Kusuma, Aditya Halim Perdana, Effendy, Faried, Sulaiman, Oris Krianto, & Simarmata, Janner. (2019). E-Commerce: Implementasi, Strategi dan Inovasinya. Yayasan Kita Menulis.
Tukey, John W. (1977). Exploratory data analysis (Vol. 2). Reading, MA.
