DeepCov: Effective Prediction Model of Covid-19 using CNN algorithm

  • Rike Pradila Universitas Respati Yogyakarta

Abstract

Prediksi wabah Covid-19 adalah tugas yang menantang dan masalah yang rumit dalam kumpulan data yang sangat besar. Beberapa komunitas telah mengusulkan berbagai metode untuk memprediksi kasus positif Covid-19. Namun, teknik konvensional tetap menjadi kelemahan untuk memprediksi kasus tren yang sebenarnya. Dalam eksperimen ini, kami mengadopsi CNN untuk membangun model kami dengan menganalisis fitur dari kumpulan data besar Covid-19 untuk memprediksi wabah jangka panjang hingga menghadirkan pencegahan dini. Berdasarkan hasil percobaan, model kami dapat mencapai akurasi yang memadai dengan kerugian kecil. Dalam penelitian ini, kami menghitung fungsi yang menghasilkan RMSE 0,00070 dan MAPE 0,02440 untuk memprediksi kasus baru dan mendapatkan RMSE 0,00468 dan MAPE 0,06446 untuk memprediksi kematian baru. Oleh karena itu, metode yang kami usulkan dapat mencapai akurasi yang baik dalam memprediksi tren kasus positif wabah Covid-19 di Indonesia.

Downloads

Download data is not yet available.
Published
2022-10-16
How to Cite
PRADILA, Rike. DeepCov: Effective Prediction Model of Covid-19 using CNN algorithm. International Journal of Informatics and Computation, [S.l.], v. 4, n. 1, p. 33-42, oct. 2022. ISSN 2714-5263. Available at: <https://ijicom.respati.ac.id/index.php/ijicom/article/view/45>. Date accessed: 02 dec. 2022. doi: https://doi.org/10.35842/ijicom.v4i1.45.