Prediksi Status Darurat Covid-19 di Yogyakarta Menggunakan Naive Bayes

Tikaridha Hardiani

Abstract


Meluasnya wabah virus corona di awal tahun 2020 menggemparkan dunia. Mudahnya penyebaran virus tersebut, orang terkonfirmasi positif Covid-19 dengan kasus terkonfirmasi meluas terutama di Daerah Istimewa Yogyakarta (DIY). Tiap kabupaten di Daerah Istimewa Yogyakarta memiliki status tingkat gawat darurat Covid-19 yang berbeda-beda. Hal ini dapat berpengaruh pada status DIY berdasarkan kondisi kasua terkonfirmasi Covid-19. Pada penelitian ini menerapkan prediksi dari ilmu data mining untuk mengklasifikasi status kegawat daruratan Covid-19 di DIY. Pengklasifikasian menggunakan metode Naive Bayes yang diterpkan untuk membantun model berdasarkan dataset pasien yang terkonfirmasi Covid-19. Model yang dibangun dapat memprediksi stastus gawat darurat DIY berdasarkan banyaknya kasus terkonfirmasi yang berada di tiap kabupaten di DIY. Pengolahan data diaplikasikan menggunakan Rapidminer. Hasil penelitian menunjukkan bahwa nilai akurasi mencapai 98,84%.

Full Text:

PDF (Indonesian)


DOI: http://dx.doi.org/10.30700/jst.v13i2.1390

Article Metrics

Abstract view : 109 times
PDF (Indonesian) - 149 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 SISFOTENIKA

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Badan Pengelola Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (SISFOTENIKA) STMIK Pontianak.

 

Jurnal Ilmiah SISFOTENIKA terindex di :


   

   

  

    

    

    

   

 

 

 

ISSN Printed : 2087-7897

ISSN Online : 2460-5344


SERTIFIKAT PENGHARGAAN :

Jurnal Ilmiah SISFOTENIKA Terakreditasi Peringkat Empat

 

Partners & Co-Organizers:




Lisensi Creative Commons

Jurnal Ilmiah SISFOTENIKA: STMIK Pontianak Online Journal ISSN Printed (2087-7897) - ISSN Online (2460-5344) licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional. Flag Counter

View My Stats>