Penerapan Model Least Square Support Vector Machine (LS-SVM) untuk Peramalan Kasus Covid-19 di Indonesia

Abstract

Peramalan adalah tentang memprediksi masa depan berdasarkan data historis dan informasi yang mungkin akan mempengaruhi peramalan tersebut. Pada penelitian ini, model LSSVM diterapkan untuk peramalan kasus Covid-19 di Indonesia, menggunakan data historis time series dan faktor-faktor yang mempengaruhi sebagai fitur inputnya. Data faktor yang digunakan dalam penelitian ini adalah data mobilitas dan data vaksinasi lengkap. Penelitian ini memiliki tiga objek utama yaitu: pertama, melakukan perhitungan korelasi antara data kasus terkonfirmasi dan data masa lalu (lag) dari mobilitas dan vaksinasi. Kedua, pemilihan fitur input berdasarkan nilai koefisien korelasi tertinggi setiap variabel. Ketiga, melakukan pemodelan LSSVM dan peramalan Covid-19 dengan model optimal. Kernel RBF dan algoritma grid-search dengan 10-fold cross validation digunakan untuk tuning parameter model. Hasil menunjukkan model LSSVM menghasilkan performa yang baik untuk peramalan Covid-19 dan model LSSVM optimal untuk peramalan kasus Covid-19 di Indonesia adalah dengan menggunakan time lag 14 untuk faktor mobilitas dan time lag 24 untuk faktor vaksinasi.