Nonlinear Autoregressive (NAR) Neural Network untuk Peramalan Kasus Covid-19 di Provinsi Kalimantan Timur

Abstract

Model NAR-NN akan diterapkan dalam peramalan deret waktu yaitu data kasus terkonfirmasi Covid-19 di Provinsi Kalimantan Timur. Penggunaan data deret waktu sebagai dasar peramalan sehingga bisa mengenali pola yang terjadi yang kemudian pada waktunya dapat dijadikan acuan untuk meramalkan jumlah kasus yang akan terjadi. Data penelitian ini merupakan data harian sebanyak 300 data pada periode waktu 23 Oktober 2020 hingga 18 Agustus 2021 yang mengikuti pola nonlinear dan mengalami tren naik. Dalam penelitian ini dilakukan penentuan arsitektur terbaik model NAR-NN yang menggunakan fungsi aktivasi sigmoid dan algoritma pelatihan Levenberg-Marquadt Backpropagation. Arsitektur NAR-NN terdiri atas tiga lapisan, yaitu lapisan input, lapisan tersembunyi, dan lapisan output. Evaluasi model yang digunakan adalah Mean Absolute Percentage Error (MAPE). Hasil penelitian ini dengan percobaan banyaknya hidden neuron diperoleh bahwa model dengan arsitektur terbaik pada saat delay 4 dan jumlah hidden neuron sebanyak 8 buah dengan nilai MAPE hasil ramalan dengan data aktual sebesar 7,5083%.