Perbandingan Model Feed Forward Neural Network dan ARIMA untuk Meramalkan Perkembangan COVID-19 di Indonesia

Abstract

Penyebaran pandemi novel coronavirus disease (COVID-19) di Indonesia menjadi perhatian besar bagi pemerintah, masyarakat, dan peneliti. Kajian ini membandingkan dua model peramalan yaitu, Feed Forward Neural Network (FFNN) dan Autoregressive Integrated Moving Average (ARIMA), untuk meramalkan perkembangan COVID-19 di Indonesia. Adapun studi ini bertujuan untuk mengetahui Model ARIMA pada peramalan kasus perkembangan COVID-19 di Indonesia, untuk mengetahui Model FFNN pada peramalan kasus perkembangan COVID-19 di Indonesia, serta untuk mengetahui perbandingan hasil peramalan Model ARIMA dan FFNN pada kasus perkembangan COVID-19 di Indonesia. Metode penelitian yang digunakan yaitu metode analisis deskriptif kuantitif pada data kasus harian COVID-19 di Indonesia. Hasil penelitian menunjukkan bahwa kedua model peramalan tersebut memiliki kinerja yang cukup untuk meramalkan evolusi COVID-19 di Indonesia. Secara umum, model FFNN memberikan hasil peramalan yang lebih akurat dan lebih baik daripada model ARIMA. Secara keseluruhan, temuan ini mengindikasikan bahwa model FFNN memiliki performa tingkat akurasi yang lebih baik dalam peramalan kasus harian COVID-19 di Indonesia. Dengan demikian, mempertimbangkan pilihan model yang sesuai dengan karakteristik data dan tujuan peramalan akan menjadi langkah penting dalam usaha untuk meramalkan perkembangan COVID-19 dengan lebih akurat di masa yang akan datang.