Analisis Parameter Laju Infeksi COVID-19 Menggunakan Algoritma Particle Swarm Optimization
Abstrak
Virus Covid-19 merupakan virus baru yang berawal mula dari Wuhan, hingga saat ini virus tersebut masih menyebar di seluruh penjuru dunia, salah satunya Indonesia yang juga terkena dampak pada virus Covid-19. Laju penyebaran kasus Covid-19 secara sistematika dapat dianalisis menggunakan model matematika SIR Susceptible (S), Infected (I) dan Removed (R). Penggunaan istilah Removed pada artikel ini dikarenakan populasi ini terdiri dari atas individu yang sembuh (Recovered) dan Meninggal (Death) yang dimana laju penyebaran tersebut dapat diperoleh menggunakan metode optimasi yaitu Particle Swarm Optimization (PSO) Dalam hal ini, Metode PSO dapat memperoleh nilai dari laju penyebaran dengan cukup optimal dan cepat. Algoritma Particle Swarm Optimization (PSO) memiliki berbagai fungsi sebegai optimasi laju dari Covid-19 harus memiliki fungsi dasar untuk menentukan penyebaran dari suatu nilai. PSO dapat memiliki beberapa bagian terpenting seperti N (jumlah populasi), C (kemampuan individu (cognitive) dan pengaruh sosial (group) dan menunjukkan nilai dari posisi sebuah partikel terhadap memori dari kelompok), Maxit, W, WD. Untuk percobaan yang telah dilakukan bahwa suatu nilai dari setiap posisi partikel semakin tinggi nilai posisi partikel semakin tinggi nilai terhadap beta dan delta yang dihasilkan. Pada pengujian algoritma Particle Swarm Optimization (PSO) nilai jumlah populasi yang paling optimal adalah 10, dengan nilai beta 0,9581, delta 0,9453 dan time 12,45081.
Kata Kunci— particle swarm optimization (PSO), Covid-19, optimasi.
Referensi
A. B. S. T. Ristasari Dwi Septiana, "Analisis Sentimen Vasinasi Covid-19 Pada Twitter Menggunakan Naive
Bayes Classifier Dengan Feature Selection ChiSquared Statistic Dan Particle Swarm Optimization,"
Jurnal Sistem Komputer dan Kecerdasan Buatan, vol. V, no. 1, pp. 49-50, September 2021.
A. A. K. Y. J. M. N.-K. Mahmoud Al-Ayyoub, "A comprehensive survey of arabic sentiment analysis," Information Processing and Management, vol. 56, no.2, pp. 320-342, 2019.
I. P. E. N. K. T. B. O. Juen Ling, "Analisis Sentimen Menggunakan Metode Nalve Bayes Classifier Dengan
Seleksi Fitur Chi Square," E-Jurnal Matematika, vol. 3, no. 3, pp. 92-99, 2014.
A. S. M. H. P. Maickel Tuegeh, "Optimal Generator
Scheduling Based On Particle Swarm Optimization,"
Seminar Nasional Informatika 2009 (semnasIF 2009),
S. P. S. A. P. Khozin Mu'tamar, "Analisis Penyebaran
Covid-19 Dengan Menggunakan Model SIR dan
Vaksinasi Serta Estimasi Parameter," Jurnal Ilmu
Matematika dan Terapan, vol. 15, no. 2, pp. 323-334,
June 2021.
I. F. Mukhlis, "Optimasi PSO untuk Peramalan Harga
Emas Secara Rentet Waktu," Jurnal GEMA
AKTUALITA, vol. 5, no. 1, Juni 2016.
M. H. S. M. S. N. Syahri Mu'min, "Pergerakan
Otonom Pasukan Berbasis Algoritma Boids
Menggunakan Metode Particle Swarm Optimization,"
Journal of Animation and Games Studies, vol. 1, no.
, April 2015.
A. D. Syamsiah, "Analisis Particle Swarm
Optimization Terhadap Kepuasan Taman Dadap
Merah Dengan Model SVM," Seminar Nasional Riset
dan Teknologi (SEMNAS RISTEK). Jakarta, 27 Januari 2020, 2020.
A. J. A. Z. A. Monica Widiasri, "Penerapan Particle Swarm Optimization untuk Penentuan Parameter Regularisasi pada Kernel Regularized Discriminant Analysis," Industrial Electronics Seminar 2011 (IES
, Indonesia, October 26, 2011, 2011.
M. D. H. R. Ratna Nur Ayu, "Simulasi Animasi Tiga Dimensi Gerombolan Ikan dalam Akuarium Virtual Menggunakan Algoritma Particle Swarm Optimization," Jurnal Aksara, vol. 2, no. 2, 2013.
