Klasifikasi Deteksi Gejala Awal COVID-19 Dengan Metode Logistic Regression, Random Forest Classifier dan Support Vector Machine
DOI:
https://doi.org/10.58344/locus.v1i6.135Keywords:
Covid-19, Klasifikasi, Logistic Regression, Random Forest Classifier, Support Vector Machine, AI Project Cycle, kaggle.comAbstract
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.
References
Adrian, Muhammad Rivza, Putra, Muhammad Papuandivitama, Rafialdy, Muhammad Hilman, & Rakhmawati, Nur Aini. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal Informatika Upgris, 7(1).
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.
Published
Issue
Section
License
Copyright (c) 2022 Jurnal Locus Penelitian dan Pengabdian
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
