PENERAPAN EXTREME LEARNING MACHINE (ELM) UNTUK PREDIKSI KASUS TERKONFIRMASI POSITIF COVID-19 DI INDONESIA

Covid-19 menyebar cepat dan mengakibatkan goncangan di semua sektor kehidupan terutama kesehatan dan perekonomian. Tingginya angka terkonfirmasi positif Covid-19 di Indonesia, mengharuskan Indonesia berupaya mengendalikan penyakit ini. Upaya yang dilakukan untuk mengendalikan penyebaran dan penularan Covid-19 adalah melakukan peramalan kasus Covid-19. Model runtun waktu dalam peramalan memiliki kelemahan yaitu membutuhkan waktu yang lebih lama serta untuk data jangka pendek. Model Jaringan Syaraf Tiruan menunjukkan performa yang lebih baik dibandingkan model runtun waktu. Salah satu metode dalam peramalan adalah Extreme Learning Machine (ELM). ELM memiliki satu hidden layer pada arsitektur jaringannya sehingga memiliki kecepatan learning dan performa yang lebih baik. Penelitian ini bertujuan untuk mengetahui nilai MSE dan RMSE dalam kasus terkonfirmasi positif Covid-19 di Indonesia. Penelitian ini menggunakan data sekunder berupa data jumlah komulatif kasus terkonfirmasi positif Covid-19 secara nasional perhari dengan jumlah 721 data. Pengujian ini menggunakan 3 skenario dengan epoch yaitu 100, 300, dan 500. Hasil terbaik yang didapatkan adalah skenario 3 yaitu 7 neuron input dan 15 neuron hidden dengan epoch 500. Nilai MSE dan RMSE yang didapatkan dari skeneraio 3 yaitu 0.000034 dan 0.005911. MSE dan RMSE yang dihasilkan oleh skenario 3 dapat dikatakan baik karena memiliki nilai yang terkecil dari semua skenario yang diuji.