Visualisasi Data dan Penerapan Machine Learning Menggunakan Decision Tree Untuk Keputusan Layanan Kesehatan COVID-19

Abstract

Pada Desember 2019, virus corona baru yang sekarang dinamai SARS-CoV-2, menyebabkan serangkaian penyakit pernapasan atipikal akut di Wuhan, Provinsi Hubei, China. Penyakit yang disebabkan oleh virus ini disebut COVID-19. Virus ini dapat menular antar manusia dan telah menyebabkan pandemi di seluruh dunia. Virus yang mendasari penyakit COVID-19, SARS-CoV-2, telah menyebabkan lebih dari 120 juta kasus yang dikonfirmasi dan 1,5 juta kematian sejak April 2022. Penelitian ini menggunakan algoritma Decision Tree untuk memprediksi COVID-19 dengan validasi parameter Cross Validation, Split Validation. Cross Validation pada algoritma Decision Tree Regressor memiliki tingkat performa terbaik diantara 3 algoritma lainnya, seperti; Linear Regression, Support Vector Machine Regression dan Neural Network Regression. Algoritma Decision Tree menghasilkan nilai average 57 untuk RMSE (Root Mean Square Error). Validasi data menggunakan split validation menghasilkan nilai average 29 untuk MAE (Mean Absolute Error) , 3816 untuk MSE (Mean Square Error), 59 untuk RMSE (Root Mean Square Error) dan 0,956 untuk R2 Square. Split ratio 0,9 memiliki nilai MAE, MSE, RMSE dan R2 Square tertinggi. Artinya algoritma Decision Tree Regressor memiliki kinerja yang baik untuk meningkatkan kinerja algoritma prediksi. Berdasarkan hasil penelitian mendapatkan nilai RMSE terbaik sehingga bisa digunakan oleh tenaga medis dan peneliti dalam melakukan prediksi COVID-19 dan dapat menjadi bahan rujukan metode yang akan diimplementasikan pada saat membuat penelitian mengenai COVID-19.