Komparasi Algoritma Decision Tree, Random Forest dan SVM untuk Prognosis COVID-19

Authors

  • Agung Wibowo Universitas Bina Sarana Informatika
  • Indarti Indarti Universitas Bina Sarana Informatika
  • Dewi Laraswati Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31294/imtechno.v5i2.2868

Keywords:

covid-19, decision tree, classification

Abstract

Virus corona merupakan virus yang dapat menginfeksi manusia sehingga menyebabkan infeksi saluran pernafasan parah seperti Middle East Respiratory Syndrome (MERS) dan Severe Acute Respiratory Syndrome(SARS). Virus corona baru, SARSCoV-2, adalah virus yang menyerang sistem pernapasan dan menyebabkan gejala parah seperti batuk, bersin, dan ruam. Ini dapat menyerang siapa saja, termasuk anak-anak, orang dewasa, orang tua, anak-anak, dan orang dewasa. Pada tahun 2020, virus corona berubah menjadi berbagai varian, antara lain Alpha, Beta, Gamma, Delta, Lambda, dan Kappa. Varian-varian tersebut memberikan dampak signifikan terhadap kesehatan masyarakat, khususnya di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi gelaja Covid-19 dengan cara mengkomparasi dan mengklasifikasi gejala Covid-19 menggunakan algoritma pembelajaran mesin, khususnya decision tree, random forest, dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa decision tree memiliki tingkat akurasi yang lebih tinggi dibandingkan random forest dan SVM, dengan skor F1 yang lebih tinggi mendekati 1,0 yaitu 0,97. Penelitian ini juga menemukan bahwa Algoritma decision tree memiliki nilai confusion matrix lebih baik dibandingkan dua algoritma lainnya.

Author Biography

Agung Wibowo, Universitas Bina Sarana Informatika

ID Scopus: 57209065476

ID Scholar: BTPwEoEAAAAJ 

References

Alya Eka Putri, S. (n.d.). Covid-19. Retrieved October 19, 2023, from https://corona.jakarta.go.id/id/artikel/varian-varian-covid-19-apa-perbedaannya

Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324

Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. https://doi.org/10.1007/BF00994018

Fadillah, I. J., Fadila, L. M. A., & Darundiye, L. M. W. (2022). Perbandingan Hot-deck, SVM, dan Random Forest dalam Mengidentifikasi Industri Mikro dan Kecil Terdampak Covid-19 Tahun 2020. Seminar Nasional Official Statistics, 2022(1), 147–154.

Kemenkes, R. I. (2020). Pedoman Pencegahan dan Pengendalian Serta Definisi Coronavirus Disease (COVID-19). Germas, 11–45.

Adrian, dr. K. (n.d.). Kenali Perbedaan COVID-19 Varian Alfa, Beta, Gamma, Delta, Lambda, dan Kappa - Alodokter. Retrieved October 19, 2023, from https://www.alodokter.com/kenali-perbedaan-covid-19-varian-alfa-beta-gamma-dan-delta

Khikmanto Supribadi, S. T. (2014). Analisis metode support vector machine (SVM) untuk klasifikasi penggunaan lahan berbasis penutup lahan pada citra ALOS AVNIR-2. Universitas Gadjah Mada.

Kotz, S., & Johnson, N. L. (1992). Breakthroughs in Statistics (S. Kotz & N. L. Johnson, Eds.). Springer New York. https://doi.org/10.1007/978-1-4612-4380-9

Ramadhan, A. , S. (n.d.). DECISION TREE ALGORITMA BESERTA CONTOHNYA PADA DATA MINING – School of Information Systems. Retrieved October 19, 2023, from https://sis.binus.ac.id/2022/01/21/decision-tree-algoritma-beserta-contohnya-pada-data-mining/

Supriyadi, R., Gata, W., Maulidah, N., & Fauzi, A. (2020). Penerapan Algoritma Random Forest Untuk Menentukan Kualitas Anggur Merah. E-Bisnis: Jurnal Ilmiah Ekonomi Dan Bisnis, 13(2), 67–75.

World Health Organization. (n.d.). Pertanyaan jawaban terkait COVID-19 untuk publik. Retrieved October 19, 2023, from https://www.who.int/indonesia/news/novel-coronavirus/qa/qa-for-public

Downloads

Published

2024-07-23