Penulis: Nugroho Widyanto, Jin-Whan Kim, Umi Narimawati
Abstrak
Saat ini, telah terjadi peningkatan dalam penanganan pandemi dengan tersedianya vaksin, yang telah berdampak pada peningkatan ekonomi dan mulai kembalinya aktivitas masyarakat normal. Namun, penelitian lebih lanjut masih diperlukan. Agar kondisi pandemi ini dapat diantisipasi di masa mendatang, harus ada model yang dapat memprediksi kasus COVID-19 di masa depan, sehingga setiap negara dapat mengantisipasinya dengan menerapkan kebijakan dan penanganan yang lebih tepat. Dalam penelitian ini, kami mengusulkan 2 metode yang populer digunakan dalam kasus peramalan deret waktu yang melibatkan faktor lain dalam model regresi, yaitu ARIMAX, yang sangat unggul dalam memprediksi model linier (stasioner), dan bidirectional LSTM, yang merupakan pengembangan yang lebih baik daripada LSTM, yang dapat memprediksi model non-linier (non-stasioner). Pendekatan hibrida yang digunakan untuk kedua model ini diharapkan dapat memberikan hasil prediksi yang jauh lebih baik dengan rentang kesalahan yang lebih kecil, serta mengurangi variasi yang ada, dibandingkan dengan menggunakan kedua metode secara terpisah. Proses pembuatan model hibrida ARIMAX-Bidirectional LSTM melibatkan enam sub-proses: transformasi data menggunakan ARIMAX, normalisasi data (skala min-max), pemilihan fitur menggunakan algoritma genetika, penyetelan hyper-parameter untuk model ARIMA dan model bidirectional LSTM, model prediksi dengan bidirectional LSTM, dan terakhir pembuatan model hibrida. Model hibrida terbukti memberikan hasil prediksi yang jauh lebih baik daripada model yang dijalankan secara individual. Model hibrida ARIMAX-Bidirectional LSTM juga telah terbukti lebih baik daripada model hibrida ARIMAX-LSTM, serta model hibrida berbasis deep learning lainnya. Meskipun model hibrida ARIMAX-Bidirectional LSTM dapat memberikan prediksi yang sangat baik, implementasinya belum banyak dilakukan, sehingga ini merupakan peluang yang sangat baik untuk melakukan penelitian tentang penggunaan dan pemanfaatannya. © Sekolah Teknik, Universitas Taylor.
Kata kunci: ARIMAX; LSTM Dua Arah; COVID-19; Pembelajaran Mendalam; Peramalan; LSTM; Model Hibrida; Deret Waktu
Artikel ini dapat diakses di https://www.scopus.com/pages/publications/85199480143
