Perbandingan Model Polynomial Regression dan
Facebook Prophet untuk Prediksi Jumlah Pasien
Positive COVID-19 di Indonesia
LAPORAN TUGAS AKHIR
Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Informatika Universitas Muhammadiyah Malang
Tsabitah Ayu Rahmawati 201710370311214
Bidang Minat
Data Sains
PROGRAM STUDI INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2021
ii
LEMBAR PERSETUJUAN
Perbandingan Model Polynomial Regression Dan Facebook Prophet Untuk Prediksi Jumlah Pasien Positive Covid-19 Di Indonesia
TUGAS AKHIR
Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Informatika Universitas Muhammadiyah Malang
Menyetujui, Malang, 26 Juni 2021
iii
iv
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini :
NAMA : TSABITAH AYU RAHMAWATI
NIM : 201710370311214
FAK. / JUR. : TEKNIK/INFORMATIKA
Dengan ini saya menyatakan bahwa Tugas Akhir dengan judul “PERBANDINGAN MODEL POLYNOMIAL REGRESSION DAN
FACEBOOK PROPHET UNTUK PREDIKSI JUMLAH PASIEN POSITIVE COVID-19 DI INDONESIA” beserta seluruh isinya adalah karya saya sendiri dan
bukan merupakan karya tulis orang lain, baik sebagian maupun seluruhnya, kecuali dalam bentuk kutipan yang telah disebutkan sumbernya.
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya. Apabila kemudian ditemukan adanya pelanggaran terhadap etika keilmuan dalam karya saya ini, atau ada klaim dari pihak lain terhadap keaslian karya saya ini maka saya siap menanggung segala bentuk resiko/sanksi yang berlaku.
Mengetahui, Malang, 26 Juni 2021 Yang Membuat Pernyataan
vi
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah SWT. Atas limpahan rahmat dan Hidayah-Nya sehingga peneliti dapat menyelesaikan tugas akhir yang berjudul :
“PERBANDINGAN MODEL POLYNOMIAL REGRESSION DAN
FACEBOOK PROPHET UNTUK PREDIKSI JUMLAH PASIEN POSITIVE COVID-19 DI INDONESIA”
Didalam tulisan ini disajikan pokok-pokok bahasan yang meliputi penelitian ini akan dilakukan guna menunjukkan perbandingan dari prediksi yang dihasilkan oleh model polynomial regression dan model FBProphet dengan realita yang terjadi terhadap jumlah pasien positive COVID-19 guna untuk menghasilkan prediksi yang akurat sebagai persiapan kemungkinan terburuk penderita COVID-19.
Peneliti menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu peneliti mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan.
Malang, 26 Juni 2021
ix
DAFTAR ISI
LEMBAR PERSETUJUAN ... ii
LEMBAR PENGESAHAN ... iii
LEMBAR PERNYATAAN ... iv LEMBAR PERSEMBAHAN ... iv KATA PENGANTAR ... vi ABSTRAK ... vii ABSTRACT ... viii DAFTAR ISI ... ix DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xii
BAB I ... 1 PENDAHULUAN ... 1 1.1. Latar Belakang ... 1 1.2. Rumusan Masalah ... 3 1.3. Tujuan Penelitian ... 3 1.4. Batasan ... 3 1.5. Sistematika Penulisan ... 3 BAB II ... 5 KAJIAN PUSTAKA ... 5 2.1. Time Series ... 5 2.2. Polynomial Regression ... 6
2.3. Facebook Prophet (FBProphet) ... 7
x
METODE PENELITIAN ... 10
3.1. State of The Art ... 10
3.2. Rancangan Penelitian ... 12
3.3. Dataset ... 13
3.4. Metode yang Diusulkan ... 14
3.5. Pengukuran Performa ... 17
3.6. Skenario Pengujian ... 17
3.7. Analisis Model ... 19
BAB IV ... 20
HASIL DAN PEMBAHASAN ... 20
4.1. Implementasi ... 20
4.2. Hasil Model Polynomial Regression ... 56
4.2. Hasil Model Facebook Prophet ... 61
4.3. Pembahasan dan Analisis Model ... 65
BAB V ... 67
KESIMPULAN... 67
xi
DAFTAR GAMBAR
Gambar 1. Rancangan penelitian ... 12
Gambar 2. Hasil running degree = 2 ... 27
Gambar 3. Hasil running degree = 3 ... 33
Gambar 4. Hasil running degree = 4 ... 40
Gambar 5. Hasil future data FBPophet ... 44
Gambar 6. Pemanggilan bentuk forecast ... 45
Gambar 7. Pembentukan plot untuk hasil prediksi dan real ... 46
Gambar 8.Pembentukan plot untuk mengetahui hari terjadinya kenaikan atau penurunan prediksi ... 46
Gambar 9. Pembentukan tabel RMSE, MAE, 𝑅2, dan tingkat akurasi ... 47
Gambar 10. hasil dari pembentukan future data ... 51
Gambar 11. Pemanggilan bentuk forecast ... 52
Gambar 12. Pembentukan plot untuk hasil prediksi dan real ... 53
Gambar 13. Pembentukan plot untuk mengetahui hari terjadinya kenaikan atau penurunan prediksi ... 54
Gambar 14. Pembentukan tabel RMSE, MAE, 𝑅2, dan tingkat akurasi ... 55
Gambar 15. Prediksi dengan model Polynomial Regression dengan d = 2 ... 56
Gambar 16. Prediksi dengan model Polynomial Regression dengan d = 3 ... 58
Gambar 17. Prediksi dengan model Polynomial Regression dengan d = 4 ... 59
Gambar 18. Prediksi dengan model FBProphet ... 61
Gambar 19. Prediksi dengan model FBProphet ... 63
xii
DAFTAR TABEL
Tabel 1. State of The Art Penelitian ... 10
Tabel 2. Dataset Github ... 13
Tabel 3. Dataset tambahan gugus covid ... 14
Tabel 4. Skenario Pengujian ... 19
Tabel 5. Library yang diperlukan ... 20
Tabel 6. Pembagian dataset ... 21
Tabel 7. Uji coba model polynomial regression ... 23
Tabel 8.Pembentukan model polynomial regression ... 23
Tabel 9. Pembentukan tabel nilai ... 25
Tabel 10. Plot perbandingan akumulasi pasien yang terkonfirmasi covid-19 dan prediksinya beserta pemanggilan tabel yang telah dibentuk ... 26
Tabel 11. Library yang diperlukan ... 27
Tabel 12. Pembagian dataset ... 28
Tabel 13. Uji coba model polynomial regression ... 30
Tabel 14. Pembentukan model polynomial regression ... 30
Tabel 15. Pembentukan tabel nilai ... 32
Tabel 16. Plot perbandingan akumulasi pasien yang terkonfirmasi covid-19 dan prediksinya beserta pemanggilan tabel yang telah dibentuk ... 33
Tabel 17. Library yang diperlukan ... 34
Tabel 18. Pembagian dataset ... 34
Tabel 19. Uji coba model polynomial regression ... 36
Tabel 20. Pembentukan model polynomial regression ... 37
xiii
Tabel 22. Plot perbandingan akumulasi pasien yang terkonfirmasi covid-19 dan
prediksinya beserta pemanggilan tabel yang telah dibentuk ... 39
Tabel 23. Library yang diperlukan ... 41
Tabel 24. Input dataframe untuk hari libur ... 41
Tabel 25. Pembentukan model prophet dengan parameter holidays dan seasonality 43 Tabel 26. Pembentukan future data ... 43
Tabel 27. Pembentukan prediksi untuk forecasting ... 44
Tabel 28. Pemanggilan bentuk forecast ... 44
Tabel 29. Pembentukan tabel ds,yhat, dan y ... 45
Tabel 30. Pembentukan plot untuk hasil prediksi dan real ... 45
Tabel 31. Pembentukan plot untuk mengetahui hari terjadinya kenaikan atau penurunan prediksi ... 46
Tabel 32. Pembentukan tabel RMSE, MAE, 𝑅2, dan tingkat akurasi ... 47
Tabel 33. Library yang diperlukan ... 48
Tabel 34. Input dataframe untuk hari libur ... 48
Tabel 35. Pembentukan model prophet dengan parameter holidays dan seasonality 50 Tabel 36. Pembentukan future data ... 50
Tabel 37. Pembentukan prediksi untuk forecasting ... 51
Tabel 38. Pemanggilan bentuk forecast ... 51
Tabel 39. Pembentukan tabel ds,yhat, dan y ... 52
Tabel 40. Pembentukan plot untuk hasil prediksi dan real ... 52
Tabel 41. Pembentukan plot untuk mengetahui hari terjadinya kenaikan atau penurunan prediksi ... 53
Tabel 42. Pembentukan tabel RMSE, MAE, 𝑅2, dan tingkat akurasi ... 54
xiv
Tabel 44. hasil prediksi dengan polynomial regression d=3 ... 58
Tabel 45. hasil prediksi dengan polynomial regression d=4 ... 60
Tabel 46. hasil prediksi dengan fbproph ... 62
Tabel 47. hasil prediksi dengan fbproph ... 64
Tabel 48. Hasil model polynomial regression ... 65
Tabel 49. Hasil model FBProphet ... 65
68
DAFTAR PUSTAKA
[1] Kementerian Kesehatan, “Kesiapsiagaan Menghadapi Infeksi COVID-19,” 2020. https://www.kemkes.go.id/folder/view/full-content/structure-faq.html.
[2] R. Gupta, G. Pandey, P. Chaudhary, and S. K. Pal, “SEIR and Regression Model based COVID-19 outbreak predictions in India,” medRxiv, p. 2020.04.01.20049825, 2020, doi: 10.1101/2020.04.01.20049825.
[3] I. Yenidogan, A. Cayir, O. Kozan, T. Dag, and C. Arslan, “Bitcoin Forecasting Using ARIMA and PROPHET,” UBMK 2018 - 3rd Int. Conf. Comput.
Sci. Eng., no. February 2019, pp. 621–624, 2018, doi:
10.1109/UBMK.2018.8566476.
[4] H. A. Parhusip, “Study on COVID-19 in the World and Indonesia Using Regression Model of SVM, Bayesian Ridge and Gaussian,” J. Ilm. Sains, vol. 20, no. 2, p. 49, 2020, doi: 10.35799/jis.20.2.2020.28256.
[5] W. Setialaksana et al., “Model Jaringan Syaraf Tiruan dalam Peramalan Kasus Positif Covid-19 di Indonesia,” vol. 2, no. 2, pp. 53–56, 2020.
[6] G. R. Shinde, A. B. Kalamkar, P. N. Mahalle, N. Dey, J. Chaki, and A. E. Hassanien, “Forecasting Models for Coronavirus Disease (COVID-19): A Survey of the State-of-the-Art,” SN Comput. Sci., vol. 1, no. 4, pp. 1–15, 2020, doi: 10.1007/s42979-020-00209-9.
[7] E. Ostertagová, P. Frankovský, and O. Ostertag, “Application of polynomial regression models for prediction of stress state in structural elements,”
Glob. J. Pure Appl. Math., vol. 12, no. 4, pp. 3187–3199, 2016, doi:
10.12691/ajme-4-7-3.
[8] R. Gupta and S. K. Pal, “Trend Analysis and Forecasting of COVID-19 Outbreak in India,” medRxiv, p. 2020.03.26.20044511, 2020, doi: 10.1101/2020.03.26.20044511.
[9] M. R. Spiengel and L. J. Stephens, Schaum’s Outlines of Theory and
Problems of STATISTICS, Third Edition, 3rd ed. Penerbit Erlangga, 2007.
[10] J. E. Hanke and D. W. Wichern, Business Forecasting, 8th ed. New Jersey: Prentice Hall, 2005.
69
[11] C. Sri and W. Widayati, “Komparasi Beberapa Metode Estimasi Kesalahan Pengukuran,” J. Penelit. dan Eval. Pendidik., vol. 13, no. 2, pp. 182– 197, 2013, doi: 10.21831/pep.v13i2.1409.
[12] E. Ostertagová, “Modelling using polynomial regression,” Procedia
Eng., vol. 48, pp. 500–506, 2012, doi: 10.1016/j.proeng.2012.09.545.
[13] E. Ostertagová, “Modelling using polynomial regression,” Procedia
Eng., vol. 48, no. December 2012, pp. 500–506, 2012, doi: 10.1016/j.proeng.2012.09.545.
[14] S. J. Taylor and B. Letham, “Prophet: forecasting at scale,” 2017. https://research.fb.com/prophet-forecasting-at-scale/ (accessed Jan. 07, 2021).
[15] A. K. Gupta, V. Singh, P. Mathur, and C. M. Travieso-Gonzalez, “Prediction of COVID-19 pandemic measuring criteria using support vector machine, prophet and linear regression models in Indian scenario,” J. Interdiscip.
Math., 2020, doi: 10.1080/09720502.2020.1833458.
[16] C. Chandra and S. Budi, “Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru,” J. Tek. Inform. dan Sist.
Inf., vol. 6, no. 2, pp. 278–287, 2020, doi: 10.28932/jutisi.v6i2.2676.
[17] CSSEGISandData, “CSSEGISandData/COVID-19,” 2020.
https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series.
[18] Y. S. Chen, P. P. Chong, and M. Y. Tong, “Mathematical and computer modelling of the Pareto principle,” Math. Comput. Model., vol. 19, no. 9, pp. 61–80, 1994, doi: 10.1016/0895-7177(94)90041-8.
[19] covid19.go.id, “Data Sebaran,” www.covid19.go.id.
