Perancangan Model Prediktor dengan Sistem Logika Fuzzy Tipe – 2 untuk Menentukan Pertambahan Kasus Harian COVID-19 Berdasarkan Variabel Cuaca: Studi Kasus Kota Surabaya

Hartanto, Aldi (2021) Perancangan Model Prediktor dengan Sistem Logika Fuzzy Tipe – 2 untuk Menentukan Pertambahan Kasus Harian COVID-19 Berdasarkan Variabel Cuaca: Studi Kasus Kota Surabaya. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 02311740000059-Undegraduate_Thesis.pdf] Text
02311740000059-Undegraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (5MB) | Request a copy

Abstract

Coronavirus disease-19 (COVID-19) merupakan penyakit yang menyebabkan pandemi di seluruh dunia dan disebabkan oleh virus severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Diteliti bahwa terdapat kemiripan antara genome virus COVID-19 dengan SARS-CoV sebesar 79.6% sehingga memicu adanya beberapa penelitian mengenai korelasi antara variabel cuaca dengan kasus COVID-19. Beberapa penelitian menemukan bahwa terdapat korelasi antara variabel cuaca terhadap pertambahan kasus COVID-19. Penelitian ini melakukan perancangan model prediktor kasus baru harian COVID-19, dengan menggunakan system logika fuzzy tipe-2. Sistem prediktor yang dirancang dengan variabel masukan dari data yang telah diuji korelasinya dengan metode Spearman rank correlation test. Variabel masukan pada prediktor adalah data cuaca, yang terdiri dari suhu minimum, relative humidity, kecepatan angin maksimum, kecepatan angin rata-rata, serta kasus konfirmasi baru harian COVID-19 pada hari H, H-1, H-7, dan H-14. Keluaran sistem prediktor adalah kasus konfirmasi baru harian COVID-19 pada H+1. Model diuji untuk studi kasus kota Surabaya. Hasil dari uji korelasi didapatkan suhu minimum, relative humidity, kecepatan angin maksimum, kecepatan angin rata-rata, serta kasus konfirmasi baru harian COVID-19 pada H-2 hingga hari H berkorelasi terhadap kasus konfirmasi baru harian COVID-19 pada H+1. Model prediktor diuji dengan dua cara, yaitu cara ke satu dengan menggunakan data variasi hari, dan cara kedua dengan menggunakan data time series. Hasil dari model prediktor untuk cara ke satu menghasilkan akurasi prediktor terbaik untuk kasus konfirmasi COVID-19 dengan nilai MAPE dan RMSE sebesar 17.435% dan 13.356, dan untuk cara kedua dengan nilai MAPE dan RMSE adalah 16.244% dan 15.193. Kedua Nilai MAPE yang didapatkan tersebut tergolong kategori baik.
=================================================================================================
Coronavirus disease-19 (COVID-19) is a disease that causes a pandemic around the world and caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus. Currenty, observed that there are some genome similarities between COVID-19 and SARS-CoV around 79.6% and triggering several studies about correlation between weather variables and COVID-19. Several studies giving result that there is some correlation between weather variables and COVID-19 cases. This research designed a predictor model of COVID-19 daily new cases, using a type-2 fuzzy logic system. Predictor system designed with input variables from data that has been tested for correlation with the Spearman rank correlation test method. The input variables for the predictors are weather data, which consists of minimum temperature, relative humidity, maximum wind speed, average wind speed, as well as new daily confirmed cases of COVID-19 on D-day, D-1, D-7, and D- 14. The output of the predictor system is the daily new confirmed cases of COVID-19 on D+1. The model is tested for the case study of the city of Surabaya. Result that taken from correlation test that minimum temperature, relative humidity, maximum and average wind speed, and confirmed COVID-19 cases from D-2 to D-day have a correlation to confirmed COVID-19 cases at D+1. The predictor model was tested in two ways, the first method using day variation data, and the second method using time series data. The results of the predictor model for the first method produced the best predictor accuracy for confirmed cases of COVID-19 with MAPE and RMSE values of 17.435% and 13,356, and for the second method with MAPE and RMSE values of 16.244% and 15.193. The two MAPE values obtained are classified as good categories.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: COVID-19, Weather, Correlation, type-2 Fuzzy Logic System, Surabaya, COVID-19, Cuaca, Korelasi, Sistem Logika Fuzzy tipe-2, Surabaya
Subjects: Q Science > QA Mathematics > QA9.64 Fuzzy logic
T Technology > T Technology (General)
T Technology > T Technology (General) > T174 Technological forecasting
Divisions: Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: Aldi Hartanto
Date Deposited: 16 Aug 2021 06:57
Last Modified: 16 Aug 2021 06:57
URI: http://repository.its.ac.id/id/eprint/87004

Actions (login required)

View Item View Item