2020 : Pemodelan Adaptif pada Data Deret Waktu dengan Pembelajaran Ensemble Berbasis Regresi: Studi Kasus pada Jumlah Pasien Terkonfirmasi COVID-19

Agus Budi Raharjo S.Kom., M.Kom., Ph.D

Year

2020

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Metode ensemble pada pembelajaran mesin bertujuan untuk memberikan hasil prediksi yang lebih baik dibandingkan dengan metode pembelajaran tunggal pada kasus umum. Pada kasus kontinu dengan data berbasis deret waktu, pembelajaran mesin berbasis regresi merupakan pendekatan yang banyak digunakan karena memberikan performa yang baik. Meskipun demikian, keterbatasan atribut sangat mempengaruhi hasil prediksi yang diberikan. Kasus COVID-19 terkonfirmasi yang dapat diakses publik memiliki atribut yang terbatas dan menunjukkan perubahan pola yang signifikan pada beberapa periode waktu. Meskipun pada akhirnya pola tersebut akan membentuk fungsi sigmoid, namun prediksi dari kurva sigmoid belum bisa dihasilkan secara tepat jika jumlah penambahan kasusnya belum melewati titik puncaknya. Ketidaktepatan ini berdampak pada usangnya parameter yang diberikan pada studi-studi sebelumnya untuk memodelkan. Dalam penelitian ini, kami memecah kurva pertumbuhan kasus COVID-19 menjadi empat fase. Setiap fase akan dimodelkan dengan kombinasi beberapa fungsi pertumbuhan. Pemecahan kurva dan kombinasi model bertujuan untuk meminimalisir simpangan prediksi dengan hasil observasi. Fungsi pertumbuhan dasar yang diterapkan terdiri atas persamaan linier, polinomial, eksponensial, Weibull, dan Chapman-Richards. Tahap pertama penelitian dilakukan dengan memodelkan data pertumbuhan kasus COVID-19 dengan analisis regresi berdasarkan fungsi-fungsi pertumbuhan yang sudah ditentukan. Selanjutnya, fase pertumbuhan diidentifikasi dan seleksi fungsi dilakukan agar mendapatkan kombinasi yang tepat. Rata-rata prediksi masing-masing fungsi diberi bobot dan metode voting diterapkan. Hasil akhirnya adalah sebuah model yang mampu beradaptasi sesuai fase pertumbuhan kasus dan terdiri atas analisis regresi dari beberapa persamaan. Pengujian dilakukan dengan membandingkan nilai Root Mean Square Error (RMSE) dan waktu komputasi antara metode yang diusulkan dengan fungsi-fungsi pertumbuhan dasar. Luaran yang diharapkan dari penelitian ini adalah memberikan kontribusi pemodelan regresi yang adaptif untuk data dengan karakteristik deret waktu. Luaran ini ditargetkan untuk dapat dipublikasikan minimal pada jurnal internasional berindeks Scopus Q2. Selain itu, tim peneliti akan mengimplementaikan metode yang diajukan tersebut ke dalam aplikasi daring yang menampilkan pemodelan pertumbuhan kasus COVID-19 antar negara. Dari pemodelan tersebut, diharapkan penelitian ini dapat memberikan perediksi masa akhir setiap fase pertumbuhan kasus yang lebih akurat.