Visualisasi dan Predictive Analysis Kasus Covid-19

Telematika.ORG
@telematika_org

Pada pengerjaan tugas besar ini, dilakukan pengolahan dan analisis data dari kasus COVID-19 di Dunia dan di Indonesia. Data yang didapat dilakukan ‘data wrangling’ sehingga dihasilkan dataset yang kemudian digunakan pada machine learning modelling dan untuk visualisasi data. Data keluaran hasil machine learning digabungkan dengan data lain untuk disajikan dalam bentuk visualisasi yang lebih mudah dipahami.

Pada tugas besar (Tubes) ini, digunakan data mengenai COVID-19 yang didapat dari Center for Systems Science and Engineering (CSSE) at Johns Hopkins University. Data yang digunakan diantaranya adalah mengenai kasus COVID-19 terkonfirmasi (confirmed), sembuh (recovered), kematian (death) dari tiap negara di dunia dan juga mengenai data COVID-19 terbaru. Data yang didapat digunakan untuk memodelkan suatu proses machine learning sehingga dapat memprediksi perkembangan pandemi untuk beberapa hari ke depan. Keluaran dari machine learning kemudian digabungkan dengan data lain untuk disajikan sebagai visualisasi data yang mudah dipahami. Untuk mengimplementasikan machine learning, digunakan tiga model berbeda. Diantaranya adalah support vector machine (SVM), polynomial regression, dan bayesian ridge regression. Setelah dilakukan pengujian, didapatkan bahwa hasil yang didapatkan dari model SVM memberikan model yang paling memuaskan. Hasil ini kemudian divisualisasikan sehingga prediksi terhadap kasus COVID-19 dapat lebih mudah dimengerti. Selain memvisualisasikan prediksi tersebut, dilakukan juga penyajian visualisasi data lain. Diantaranya adalah mengenai kasus COVID-19 di seluruh dunia, negara tetangga, dan di Indonesia, baik dalam line-plot, bar-plot, maupun dalam bentuk GIF timelapse. Dari analisis yang dilakukan, disimpulkan bahwa kasus COVID-19 di seluruh dunia maupun di Indonesia, masih belum menunjukkan tanda-tanda perlambatan. Selain itu, ditunjukkan juga ketidaksuksesan Indonesia dalam menangani COVID-19.