Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Prediksi Vaksinasi Terhadap Penambahan Kasus Covid-19 Dengan Neural Network

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 4 No. 1 (2024) · pp. 326–333

DOI
10.51454/decode.v4i1.354
ISSN
2775-1813, 2775-2984
Published
2024-03-31
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Covid-19 menjadi masalah kritis yang harus segera diselesaikan. Karena telah menyebabkan peningkatan kasus dan kematian yang signifikan di seluruh dunia. Upaya pencegahan dan pengendalian yang dilakukan oleh berbagai negara meliputi penutupan, pembatasan sosial, dan termasuk vaksinasi tak terkecuali di Indonesia. Analisis dan pemahaman yang lebih mendalam tentang hubungan antara vaksinasi dan penambahan kasus Covid-19 diperlukan. Dengan perkembangan teknologi dan berdasarkan penelitian terdahu model kecerdasan buatan yang salah satunya berupa jaringan saraf tiruan (neural network) dapat membantu dalam memodelkan dan memprediksi dampak vaksinasi terhadap penambahan kasus Covid-19. Penelitian ini melakukan perhitungan prediksi vaksinasi terhadap laju kenaikan kasus di Indonesia dengan Neural Network menggunakan struktur backpropagation. Data yang digunakan dalam penelitian ini yaitu data Covid-19 dan data vaksinasi ditahun 2020 sampai 2021. Hasil yang didapa bahwa model Neural Network dapat melakukan prediksi vaksinasi. Dengan pola skenario batchSize = 32, hidden layer = 5, learningRate = 0.3, momentum = 0.2, dan trainingTime = 100 menunjukan akurasi 60,73% dengan nilai RMSE 0.484, yang mana diketahui bahwa 99 data yang berhasil diprediksi dengan tepat.

Collaboration network of the authors

26 authors · 95 co-authorship links · 21 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Amikom Purwokerto
  • Universitas Islam Negeri Maulana Malik Ibrahim
  • University of Brawijaya
  • University of Pembangunan Nasional Veteran Jawa Timur
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Wiga Maulana BaihaqiUniversitas Amikom Purwokerto2
Berlilana BerlilanaUniversitas Amikom Purwokerto1
Diah Ratna IsmawatiAffiliation unknown1
Fandy Setyo UtomoAffiliation unknown1
Velizha Sandy KusumaAffiliation unknown1
Argiyan Dwi PritamaUniversitas Amikom Purwokerto1
Velizha Sandy KusumaUniversitas Amikom Purwokerto1
Primandani ArsiUniversitas Amikom Purwokerto1
Ranggi Praharaningtyas AjiUniversitas Amikom Purwokerto1
Yulita Dwi PratiwiAffiliation unknown1
Djanggan SargowoUniversity of Brawijaya1
Ermin RachmawatiUniversitas Islam Negeri Maulana Malik Ibrahim1
Syanindita Puspa WardhaniUniversity of Brawijaya1
Mahrus IsmailUniversitas Islam Negeri Maulana Malik Ibrahim1
Indra Wahyu SaputraAffiliation unknown1
Riskiyah RiskiyahUniversitas Islam Negeri Maulana Malik Ibrahim1
I HandirosiyantoAffiliation unknown1
Tarsadi TarsadiUniversitas Islam Negeri Maulana Malik Ibrahim1
Syafiq MaulanaUniversitas Islam Negeri Maulana Malik Ibrahim1
Iwal Reza AhdiUniversitas Islam Negeri Maulana Malik Ibrahim1
A’ Rofah Nurlina PuspitasariAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Prediksi Vaksinasi Terhadap Penambahan Kasus Covid-19 Dengan Neural Network</dc:title><dc:creator>Damayanti, Irma</dc:creator><dc:creator>Hakim, Arief Rachman</dc:creator><dc:creator>Subarkah, Pungkas</dc:creator><dc:creator>Utami, Dias Ayu Budi</dc:creator><dc:creator>Rahayu, Prastyadi Wibawa</dc:creator><dc:description>&lt;jats:p&gt;Covid-19 menjadi masalah kritis yang harus segera diselesaikan. Karena telah menyebabkan peningkatan kasus dan kematian yang signifikan di seluruh dunia. Upaya pencegahan dan pengendalian yang dilakukan oleh berbagai negara meliputi penutupan, pembatasan sosial, dan termasuk vaksinasi tak terkecuali di Indonesia. Analisis dan pemahaman yang lebih mendalam tentang hubungan antara vaksinasi dan penambahan kasus Covid-19 diperlukan. Dengan perkembangan teknologi dan berdasarkan penelitian terdahu model kecerdasan buatan yang salah satunya berupa jaringan saraf tiruan (neural network) dapat membantu dalam memodelkan dan memprediksi dampak vaksinasi terhadap penambahan kasus Covid-19. Penelitian ini melakukan perhitungan prediksi vaksinasi terhadap laju kenaikan kasus di Indonesia dengan Neural Network menggunakan struktur backpropagation. Data yang digunakan dalam penelitian ini yaitu data Covid-19 dan data vaksinasi ditahun 2020 sampai 2021. Hasil yang didapa bahwa model Neural Network dapat melakukan prediksi vaksinasi. Dengan pola skenario batchSize = 32, hidden layer = 5, learningRate = 0.3, momentum = 0.2 , dan trainingTime = 100 menunjukan akurasi 60,73% dengan nilai RMSE 0.484, yang mana diketahui bahwa 99 data yang berhasil diprediksi dengan tepat.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2024-03-31</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v4i1.354</dc:identifier><dc:identifier>10.51454/decode.v4i1.354</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 4 No 1 (2024); 326-333</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/354/224</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>