Analisis Prediksi Tingkat Penyebaran COVID-19 di Sulawesi Selatan Menggunakan Teknik Data Mining Naive Bayes

Muhammad Nur Yusri; Andi Akram Nur Risal; Muhammad Fajar B; Dewi Fatmarani Surianto; Fhatiah Adiba

doi:10.26858/jessi.v3i2.38473

Analisis Prediksi Tingkat Penyebaran COVID-19 di Sulawesi Selatan Menggunakan Teknik Data Mining Naive Bayes

Muhammad Nur Yusri⁽¹⁾, Andi Akram Nur Risal^(2*), Muhammad Fajar B⁽³⁾, Dewi Fatmarani Surianto⁽⁴⁾, Fhatiah Adiba⁽⁵⁾,

(1) Universitas Negeri Makassar
(2) Universitas Negeri Makassar
(3) Universitas Negeri Makassar
(4) Universitas Negeri Makassar
(5) Universitas Negeri Makassar
(*) Corresponding Author

DOI: https://doi.org/10.26858/jessi.v3i2.38473

Abstract

Pandemi atau wabah virus corona atau biasa disebut juga dengan COVID-19 yang bermula dari Wuhan, Provinsi Hubei, China, terus menyebar ke berbagai negara, termasuk Indonesia. Jumlah kasus positif COVID-19 terus meningkat tiap harinya secara signifikan dan menyebar secara cepat ke berbagai provinsi di Indonesia, termasuk di provinsi Sulawesi Selatan. Hingga saat ini, telah tercatat kasus positif corona di Sulawesi Selatan sebanyak 18.683 dan 470 orang meninggal dunia. Peningkatan kasus yang signifikan ini, mengakibatkan pembacaan data terkait kasus positif COVID-19 di Sulawesi Selatan dinilai kurang akurat. Oleh karena itu, penelitian ini dilakukan sebagai langkah antisipasi terhadap pandemi COVID-19 dengan memprediksi tingkat penyebaran COVID-19 terutama di Sulawesi Selatan agar mendapatkan keakurasian data yang lebih baik. Metode penelitian yang di terapkan pada penelitian ini ialah analisis masalah dan studi literatur, mengumpulkan data dan implementasi.

Keywords

COVID 19; South Sulawesi; Naive Bayes

Full Text:

PDF

References

Felicia, Alvina., Puspita. B, Arwini., Moeis, Dikwan. 2020. Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. Journal Of Applied Computer Science And Technology (JACOST). 1(1). 7-14.

Arunala.com. (2020, 29 April). PSBB Sebagai Antisipasi Penyebaran Corona Virus Covid-19 di Sumatera Barat. Diakses pada 23 November 2020. https://www.arunala.com/artikel/5/psbb-sebagai-antisipasi-penyebaran-corona-virus-covid-19-di-sumatera-barat.html.

Alodokter.com. (2020, 20 November). Virus Corona. Diakses pada 19 November 2020. https://www.alodokter.com/virus-corona.

World Health Organization. (2019). Coronavirus. Diakses pada 23 November 2020. https://www.who.int/health-topics/coronavirus.

Pakpahan, Roida. Fitriani, Yuni. 2020. Analisa Pemanfaatan Teknologi Informasi Dalam Pembelajaran Jarak Jauh Di Tengah Pandemi Virus Corona Covid-19. Journal of Information System, Applied, Management, Accounting and Research. 4(2). 30-36.

Hadumaon, Tiodora. 2020. Mencari Kelompok Berisiko Tinggi Terinfeksi Virus Corona Dengan Discourse Network Analysis. Jurnal Kebijakan Dan Kesehatan Indonesia (JKKI). 9(2). 98-106.

Inforcorona.makassar.go.id. (2020, 19 Maret). Kasus Pertama Di Sulsel, 2 Orang Positif Corona. Diakses pada 23 November 2020. https://infocorona.makassar.go.id/blog/kasus-pertama-di-sulsel-2-orang-positif-corona/.

Travel.detik.com. (2020, 7 Agustus). Ini Daftar Lengkap Zona Kuning dan Oranye Virus Corona di Indonesia. Diakses pada 19 November 2020. https://travel.detik.com/travel-news/d-5124352/ini-daftar-lengkap-zona-kuning-dan-oranye-virus-corona-di-indonesia

Bootup.ai. (2019, 17 Januari). Data Mining Adalah? Pengertian Hingga Belajar Clustering Lengkap!. Diakses pada 23 November 2020. https://bootup.ai/blog/data-mining-adalah/.

Hasan, Maryam. 2017. Prediksi Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Algoritma Naïve Bayes Berbasis Forward Selection. ILKOM Jurnal Limiah. 9(3). 317-324.

Rahmatullah, Sidik. Utmai, Ema. 2019. Prediksi Tingkat Kelulusan Tepat Waktu Dengan Metode Naïve Bayes Dan K-Nearest Neighbor. Jurnal Informasi dan Komputer. 7(1). 7-16.

Covid19.sulselprov.go.id. (2020). Data Pantuan, COVID-19 di Sulawesi Selatan. Diakses pada 19 November 2020. https://covid19.sulselprov.go.id/data

Rasyid, R. R. Prediksi Kelayakan Kredit Kepemilikan Rumah Menggunakan Metode K-nn Berbasis Forward Selection. Journal of Embedded Systems, Security and Intelligent Systems, 1(2), 68-73.