Melola Discovery

← Melola Discovery

Journal

Analisis Peramalan dengan Long Short Term Memory pada Data Kasus Covid-19 di Provinsi Jawa Tengah

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 5 (2022) · pp. 752–758

ISSN
2613-9189
Published
2022-02-12
Publisher
Jurusan Matematika FMIPA UNNES
Language
eng

Abstract

Makalah ini bertujuan untuk menjelaskan model Long Short Term Memory pada penerapan analisis peramalan kasus Covid-19 di Provinsi Jawa Tengah. Penelitian ini menggunakan google colab dengan bahasa pemrograman python. Data yang diamati adalah data harian dari 8 Maret 2020 sampai dengan 6 September 2021 sebanyak 548 periode. Hasil analisis time series menunjukkan bahwa model terbaik untuk meramal kasus Covid-19 di Provinsi Jawa Tengah adalah metode LSTM untuk regresi menggunakan metode window. Hal ini dikarenakan ketepatan nilai RMSE terendah sebesar 715,62 dibandingkan dengan metode yang lainnya. Dalam peramalan ini terdapat kemungkinan bahwa sewaktu-waktu berubah dikarenakan faktor tertentu. Kasus pandemi ini juga bisa berubah sewaktu-waktu tergantumg upaya pemerintah Provinsi Jawa Tengah dan juga kesadaran masyarakat untuk selalu menjaga kebersihan dan menerapkan protokol kesehatan.

Collaboration network of the authors

40 authors · 67 co-authorship links · 2 across different organisations · showing the 40 most connected

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

  • State University of Semarang
  • Universitas Halu Oleo
  • Universitas Airlangga
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Zaenuri ZaenuriState University of Semarang3
Fajar Sodik PamungkasAffiliation unknown3
Dedy KurniantoAffiliation unknown3
St. Budi WaluyaAffiliation unknown2
Jannatun Khustia LubisAffiliation unknown2
Alif Aulia RahmanAffiliation unknown2
Mohammad AsikinAffiliation unknown2
Muhammad AshimAffiliation unknown2
Nur HasanahUniversitas Halu Oleo2
Rohimatul AzizahAffiliation unknown2
Bayu Dwi PrasetyaAffiliation unknown2
Fatkhurokhman FauziAffiliation unknown2
MulyonoAffiliation unknown1
Noviana Dini RahmawatiAffiliation unknown1
Alfina AkmalinaAffiliation unknown1
Elya Gita AstutiAffiliation unknown1
Mira Dwi UtamiAffiliation unknown1
Nike Yustina OktavianiAffiliation unknown1
Luthfiyah AstutiningtyasAffiliation unknown1
Riska Nur FitrianingsihAffiliation unknown1
Annisa IkrimahAffiliation unknown1
Supriyono SupriyonoAffiliation unknown1
Mohammad Jefrie Ilham AkbarAffiliation unknown1
Faris Febri RahantoAffiliation unknown1
Muhammad Nurul MuttaqinAffiliation unknown1
Iwan JunaediState University of Semarang1
Sanianajiba Nugroho PutriAffiliation unknown1
Hendrik SutrisnoAffiliation unknown1
Yeni NurochmahAffiliation unknown1
WardonoAffiliation unknown1
MunaAffiliation unknown1
Tri Sri Noor AsihAffiliation unknown1
Rizki Ahid NurhasanahAffiliation unknown1
Petronela Ivoni SusantyAffiliation unknown1
Kartono KartonoUniversitas Airlangga1
Luluk Ulfa ChasaniAffiliation unknown1
Tri Sri Noor AsihAffiliation 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.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, first harvested 6 Nov 2026, last seen 6 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Analisis Peramalan dengan Long Short Term Memory pada Data Kasus Covid-19  di Provinsi Jawa Tengah</dc:title>
	<dc:creator>Qori, Putri Anis</dc:creator>
	<dc:creator>Oktafani, Dhama Sekar</dc:creator>
	<dc:creator>Kharisudin, Iqbal</dc:creator>
	<dc:description xml:lang="en-US">Makalah ini bertujuan untuk menjelaskan model Long Short Term Memory pada penerapan analisis peramalan kasus Covid-19 &amp;nbsp;di Provinsi Jawa Tengah. Penelitian ini menggunakan google colab dengan bahasa pemrograman python. Data yang diamati adalah data harian dari 8 Maret 2020 sampai dengan 6 September 2021 sebanyak 548 periode. Hasil analisis time series menunjukkan bahwa model terbaik untuk meramal kasus Covid-19&amp;nbsp; di Provinsi Jawa Tengah adalah metode LSTM untuk regresi menggunakan metode window. Hal ini dikarenakan ketepatan nilai RMSE terendah sebesar 715,62 dibandingkan dengan metode yang lainnya. Dalam peramalan ini terdapat kemungkinan bahwa sewaktu-waktu berubah dikarenakan faktor tertentu. Kasus pandemi ini juga bisa berubah sewaktu-waktu tergantumg upaya pemerintah Provinsi Jawa Tengah dan juga kesadaran masyarakat untuk selalu menjaga kebersihan dan menerapkan protokol kesehatan.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2022-02-12</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/54319</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 5 (2022): PRISMA, Prosiding Seminar Nasional Matematika XV; 752-758</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/54319/21106</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>