TUGAS AKHIR SEMESTER

Implementasi Artifical Neuro Network (ANN) untuk

Memprediksi Kematian Covid-19 di India

Mata Kuliah : Kecerdasan Buatan (AI)

Dosen Pengampu : Kevin Chantona, S.Kom., M.Kom

Disusun Oleh :
Kevin – 191112253
Hoges Rahman – 191110058
Frans Glendly Manuel Sianipar – 191111151

PROGRAM STUDI S1 TEKNIK INFORMATIKA

STMIK MIKROSKIL
2020 / 2021
DAFTAR ISI
BAB I..........................................................................................................................................................1
PENDAHULUAN......................................................................................................................................1
1.1. Latar Belakang.............................................................................................................................1
1.2. Rumusan Masalah........................................................................................................................1
1.3. Tujuan..........................................................................................................................................2
BAB II........................................................................................................................................................3
IMPLEMENTASI.....................................................................................................................................3
2.1. Penjelasan Dataset.......................................................................................................................3
2.2. Penerapan Artificial Neuro Network (ANN)...............................................................................3
BAB III.......................................................................................................................................................7
KESIMPULAN..........................................................................................................................................7
DAFTAR PUSTAKA.......................................................................................................................................8
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Coronavirus merupakan keluarga besar virus yang menyebabkan penyakit pada manusia
dan hewan. Pada manusia biasanya menyebabkan penyakit infeksi saluran pernapasan,
mulai flu biasa hingga penyakit yang serius seperti Middle East Respiratory Syndrome
(MERS) dan Sindrom Pernafasan Akut Berat/ Severe Acute Respiratory Syndrome
(SARS). Coronavirus jenis baru yang ditemukan pada manusia sejak kejadian luar biasa
muncul di Wuhan Cina, pada Desember 2019, kemudian diberi nama Severe Acute
Respiratory Syndrome Coronavirus 2 (SARS-COV2), dan menyebabkan penyakit
Coronavirus Disease-2019 (COVID-19).
COVID-19 disebabkan oleh SARS-COV2 yang termasuk dalam keluarga besar
coronavirus yang sama dengan penyebab SARS pada tahun 2003, hanya berbeda jenis
virusnya. Gejalanya mirip dengan SARS, namun angka kematian SARS (9,6%) lebih
tinggi dibanding COVID-19 (kurang dari 5%), walaupun jumlah kasus COVID-19 jauh
lebih banyak dibanding SARS. COVID-19 juga memiliki penyebaran yang lebih luas dan
cepat ke beberapa negara dibanding SARS.
Dampak dari COVID-19 sangatlah besar karena berpengaruh besar terhadap aktivitas
manusia pada umumnya. Oleh karena itu , diperlukan penelitian terhadap berbagai aspek
yang berhubungan dengan COVID-19 untuk mengetahui bagaimana dampak
berkepanjangan apabila permasalahan tetap berlanjut untuk beberapa tahun kedepannya.
Dalam penelitian ini akan dilakukan prediksi berdasarkan data yang diambil dari kasus
COVID-19 di India pada tahun 2020 dengan menerapkan Artificial Neuro Network
(ANN) , dimana hasil dari penerapan tersebut berupa angka prediksi kematian
kedepannya apabila kondisi kedepannya bersifat stabil / tidak ada perubahan besar.

1.2. Rumusan Masalah

- Bagaimana proses prediksi angka kematian COVID-19 di India menggunakan metode
Artificial Neuro Network (ANN)
- Berapa tingkat akurasi prediksi metode Artificial Neuro Network (ANN) dalam
memprediksi angka kematian akibat COVID-19
1.3. Tujuan
Dengan adanya penelitian ini diharapkan Tim Medis dan Instansi di bidang kesehatan
dapat lebih mudah untuk memprediksi kematian akibat COVID-19 dan dapat merancang
persiapan untuk jangka panjang. Hasil dari prediksi adalah berupa angka jumlah kematian
akibat COVID-19.
 BAB II

IMPLEMENTASI
2.1. Penjelasan Dataset
Link dataset : https://drive.google.com/file/d/11pc5kUZAd_Ttr71I-
7D0FUzBlNRICr1u/view?usp=sharing
a. Sno
Urutan data
b. Date
Tanggal Laporan Kasus
c. ConfirmedIndianNational
Jumlah Kasus yang dilaporkan oleh penduduk asli
d. ConfirmedForeignNational
Jumlah Kasus yang dilaporkan oleh penduduk Asing
e. Cured
Jumlah Pasien yang sembuh dari kasus COVID-19
f. Deaths
Jumlah Kematian Pasien yang disebabkan COVID-19
Data yang akan digunakan untuk prediksi adalah olom ConfirmedIndianNational dan
ConfirmedForeignNational, karena laporan kasus merupakan salah satu faktor yang
paling berpengaruh untuk memperkirakan jumlah kematian.
2.2. Penerapan Artificial Neuro Network (ANN)

Keterangan :

Import dataset covid19_india untuk digunakan sebagai dataset yang nantinya untuk
implementasi ANN

Jumlah Data pada dataset yang akan digunakan adalah 0.2 * 271 = 54 data
Keterangan gambar :

Pada implementasi ANN, jumlah input adalah 2 data , yaitu confirmedindianational, dan
confirmedforeignnational , satu hidden layer, dan satu output.

Kernel yang digunakan untuk inisialisasi weight adalah uniform, unit = 6 untuk jumlah neuron
pada ann untuk input dan hidden layer. Input dim = 2, data yang digunakan adalah data indeks
3 dan indeks 4.

X_train = input data training , y_train adalah output. Batch size = 10 , jumlah sample pada data
training yang digunakan dalam jaringan.

Untuk kasus ini, ANN akan membutuhkan 22 iterasi untuk 1 epoch. 1 epoch artinya 1 siklus
forward dan backward pass untuk semua sample data training.
Proses training dilakukan setiap 100 epoch untuk setiap sample data training .

Hasil training terbaik yang kami dapatkan adalah nilai akurasi sebesar 93% pada epoch ke 89
Data test yang sudah disiapkan akan dilakukan testing model hasil training untuk melihat
seberapa akurat model yang sudah dibentuk apabila diberikan data yang belum ditraining
sebelumnya

Hasil dari vraiabel cm adalah array 2 dimensi. Sehingga untuk rumus perhitungan akurasinya

Akurasi = (TP + TN)/n

Dimana,

TN = no dead, TP = dead, n = jumlah data testing

Akurasi = (49 + 0)/54 = 0.9074 atau 90.74%

 BAB III

KESIMPULAN

Dari penerapan dan laporan ini dapat diketahui bahwa dengan Artificial Neuro Network dapat
mempermudah Tim Medis dan Instansi Keseatan dalam memprediksi keadaan untuk kedepannya
dengan akurasi dari prediksi sebesar 90.74%. Meskipun demikian, tetap perlu diperhatikan apabila
terdapat kasus unik / kejadian unik , maka perlu dilakukan perhitungan ulang karena prediksi ini hanya
berlaku bila kondisi stabil dan tidak menutup kemungkinan terdapat faktor faktor lain yang dapat
mempengaruhi hasil di kehidupan nyata dibandingkan dengan hasil prediksi.
 DAFTAR PUSTAKA
Covid, K. P. (2021). Peta Sebaran. Retrieved from Covid19go.id: https://covid19.go.id/peta-sebaran

ELoo. (2021, May 12). Dataset. Retrieved from Kaggle: https://www.kaggle.com/aditeloo/a-small-

covid19-dataset

Fadli, d. R. (2021, April 12). Coronavirus. Retrieved from Halodoc:

https://www.halodoc.com/kesehatan/coronavirus

FrankenField, J. (2020, August 28). financial-technology-and-automated-investing. Retrieved from

Investopedia: https://www.investopedia.com/terms/a/artificial-neural-networks-ann.asp

Gong, S. (2019, August 30). medium. Retrieved from Gongster.medium:

https://gongster.medium.com/how-does-a-neural-network-work-intuitively-in-code-
f51f7b2c1e3f

Mesquita, D. (2021, March 17). Python AI: How to Build a Neural Network & Make Predictions. Retrieved
from RealPhyton: https://realpython.com/python-ai-neural-network/