Pengembangan Model Prediksi Jumlah kasus dan Pola Sebaran Penyakit Menular Menggunakan Variabel Numerik dan Spasial

Abstract

Prediksi jumlah kasus dan pola sebaran penyakit menular adalah salah satu langkah strategis pihak yang berwenang dan tenaga medis dapat mengambil langkah-langkah yang tepat untuk dalam mengendalikan penyebaran penyakit dan melindungi masyarakat. Pemilihan model prediksi yang tepat sangat penting dilakukan untuk meminimalkan kesalahan prediksi yang berujung resiko pengambilan keputusan. Penelitian ini membahas implementasi usulan LSTM yang dioptimalkan untuk memprediksi jumlah kasus penyakit menular yang menyebar di Jawa Tengah, Indonesia. Model yang diusulkan dikembangkan dengan mengoptimalkan lapisan output, yang mempengaruhi nilai output dari status sel. Penelitian ini menggunakan kasus sebelas penyakit menular di beberapa negara dan daerah di Indonesia, termasuk Provinsi Jawa Tengah, Indonesia, yaitu COVID-19, Cacar Monyet, Ebola, Demam Berdarah, Diare, dan Hepatitis A. Model ini akan dibandingkan dengan perbaikan LSTM Dasar dan MinMax Schaler LSTM untuk melihat perbedaan akurasi masing-masing penyakit. Hasil penelitian menunjukkan perbedaan yang signifikan dalam hasil prediksi rata-rata dengan kasus nyata antara ketiga model. Tujuan utama penelitian ini adalah: i) Memodifikasi algoritma LSTM untuk memprediksi jumlah kasus penyakit menular untuk mendapatkan nilai residu yang lebih kecil, ii) Membandingkan hasil optimasi akurasi algoritma LSTM dengan algoritma LSTM pada penelitian sebelumnya, iii) Mengevaluasi penggunaan variabel spasial dalam menerapkan model prediksi penyakit menular menggunakan algoritma LSTM. Hasil penelitian menemukan bahwa diperoleh perbedaan kinerja antara algoritma optimasi yang diusulkan dan model pada penelitian sebelumnya. Algoritma optimasi LSTM yang diusulkan memiliki peningkatan akurasi sekitar 2% dari model sebelumnya.