Implementasi Metode Bidirectional Long Short-Term Memory (Bi-LSTM) untuk Prediksi Kasus Positif Covid-19 di Indonesia

COVID-19 merupakan sebuah penyakit yang disebabkan oleh virus bernama SARS-COV2 (Severe Acute Respiratory Syndrome Coronavirus 2) yang memungkinkan penderitanya dapat menularkan kepada orang lain. Pertama kali ditemukan di Wuhan, China hingga ditemukan adanya kasus kematian. Penyebaran yang sangat cepat dan penambahan jumlah kasus yang terus meningkat membuat virus ini mendapatkan perhatian khusus di seluruh dunia, tak terkecuali di Indonesia. Dua gelombang ledakan kasus positif Covid-19 terjadi di Indonesia yaitu pada bulan Januari 2021 dan Juli 2021 dengan kasus tertinggi harian mencapai 56.757 pasien. Pada penelitian ini akan dilakukan penerapan metode Bidirectional Long Short-Term Memory untuk memprediksi kasus positif Covid-19 di Indonesia dengan beberapa parameter uji yaitu pola time series, hidden size, max epoch dan batch size. Metode Bidirectional Long Short-Term Memory merupakan kombinasi dari Long Short-Term Memory (LSTM) dan Bidirectional Recurrent Neural Network (Bi-RNN) yang memungkinkan model dapat mengolah informasi dari dua arah forward dan backward. Data yang digunakan dalam penelitian ini adalah data sekunder jumlah terkonfirmasi positif Covid-19 di Indonesia yang didapatkan dari website Kementerian Kesehatan Republik Indonesia dari tanggal 1 Mei 2020 sampai 15 Desember 2021. Model terbaik yang dihasilkan adalah perolehan MAPE sebesar 22,12%, dengan parameter terbaik yaitu pembagian 80% data training 20% data testing, Pola time series sebesar 7, Hidden Size sebesar 15, Max Epoch sebesar 50, dan Batch Size 4. Hasil MAPE menunjukkan bahwa model Bidirectional Long Short-Term Memory cukup baik untuk memprediksi Kasus Positif Covid-19 di Indonesia.