Klasifikasi Gejala Penyakit Coronavirus Disease 19 (COVID-19) Menggunakan Machine Learning

Abstract

Coronavirus Disease 19 (COVID-19) merupakan virus baru yang menyebabkan infeksi saluran pernapasan. Virus ini berasal dari hewan yang dapat menular pada manusia dengan percikan air liur. Menurut data epidemiologi rata-rata pasien terjangkit virus ini berusia 15-80 tahun. Virus ini memiliki masa inkubasi 2-14 hari yang mempunyai gejala awal yaitu deman tinggi, sesak nafas, batuk pilek. Indonesia memiliki 2 kasus pertama pada 2 maret 2020. Permasalahan yang diangkat dalam penelitian ini adalah bagaimana mengklasifikasi resiko terjangkit virus covid-19 dari gejala yang ditimbulkan. Tujuan penelitian ini untuk mengetahui tingkat resiko terjangkit virus covid-19 berdasarkan instrumen yang digunakan dari metode Knowledge Discovery in Database yang terdiri dari 5 tahapan yaitu selection, pre-processing, transformation, data mining, dan evaluation. Dataset yang digunakan peneliti diambil dari web resmi kaggle.com. Penelitian ini menggunakan 4 (empat) algoritma yaitu K-Nearest Neighbor (K-NN), Neural Network (NN), Random Forest (RF), dan Naive Bayes dengan bantuan tool rapidminer. Values dataset antara lain tingkat rendah 25,98%, tingkat sedang 54,33%, dan tingkat tinggi 19,69%. Nilai akurasi pada dataset dengan 127 data pasien terjangkit covid-19 menggunakan algoritma k-nearest neighbor memperoleh 57,89%, neural network memperoleh 73,68%, random forest memperoleh 68,42%, naive bayes memperoleh 65,38%. Pada penelitian ini algoritma klasifikasi Neural Network memberikan nilai akurasi yang tertinggi.

Prediksi Kasus Covid 19 Indonesia Menggunakan Metode Naïve Bayes

“…Bila dibandingkan dengan hasil penelitian yang dilakukan oleh peneliti sebelumnya, hasil penelitian ini lebih tinggi kurang lebih ada peningkatan 10% dimana hasil sebelumnya hanya berkisar antara 65%-75%. Hal ini dapat dilihat dari hasil penelitian yang dilakukan oleh Suci yaitu sebesar 65% (12). Sedangkan peneliti Rayuwati melaporkan hasil penelitiannya sebesar 60% (7).…”

Cloud-Based Realtime Decision System for Severity Classification of COVID-19 Self-Isolation Patients using Machine Learning Algorithm

“…The random forest algorithm achieved an accuracy of 68% in this study, allowing for the conclusion that random forests can be used in the classification process. The lack of a wearable device for real-time monitoring of the patient's condition is one of the deficiencies of the system designed in the study [5].…”