Prediksi Penyebaran COVID-19 Kota Surabaya dengan Simulasi Monte Carlo
Journal of Advances in Information and Industrial Technology · 2020
DOI: 10.52435/jaiit.v2i1.40 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Advances in Information and Industrial Technology, 2020. Verfasst von Abduh Sayid Albana und 1 weiteren Autor:innen. Die Arbeit wurde bisher 3-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Penelitian ini membahas tentang prediksi penyebaran Corona Virus Diseases 19 (COVID-19) di wilayah kota Surabaya. Metode yang digunakan adalah Simulasi Monte Carlo. Metode tersebut digunakan untuk mengetahui estimasi dari jumlah pasien ODP (Orang Dalam Pengamatan), PDP (Pasien Dalam Pengawasan), positif terinfeksi, sembuh, dan meninggal. Simulasi dilakukan dengan bantuan software Argo Simulation dan dilakukan sebanyak 10.000 kali pengulangan. Dari hasil simulasi diperoleh data prediksi jumlah pasien COVID-19 dengan besaran galat tertentu. Galat tersebut memiliki tingkat galat berupa under-prediction dan over-prediction. Nilai galat terbesar dari under prediction adalah 11% sedangkan untuk over-prediction sebesar 23%. Hasil prediksi ini dapat digunakan sebagai bahan masukkan untuk penelitian-penelitian terkait yang membutuhkan prediksi jumlah pasien COVID-19 untuk wilayah Surabaya.
Zitieren
APA
Albana, A. S., & Azhari, S. (2020). Prediksi Penyebaran COVID-19 Kota Surabaya dengan Simulasi Monte Carlo. Journal of Advances in Information and Industrial Technology. https://doi.org/10.52435/jaiit.v2i1.40
Vancouver
Albana AS, Azhari S. Prediksi Penyebaran COVID-19 Kota Surabaya dengan Simulasi Monte Carlo. Journal of Advances in Information and Industrial Technology. 2020. doi:10.52435/jaiit.v2i1.40
BibTeX
@article{Albana2020,
author = {Albana, Abduh Sayid and Azhari, Sulaiman},
title = {Prediksi Penyebaran COVID-19 Kota Surabaya dengan Simulasi Monte Carlo},
journal = {Journal of Advances in Information and Industrial Technology},
year = {2020},
doi = {10.52435/jaiit.v2i1.40}
}
EUVIMED