Pertumbuhan eksponensial dalam laju penularan penyakit menular, khususnya COVID -19, telah memaksa pemerintah untuk segera mengambil keputusan pengendalian. Penelitian sebelumnya menunjukkan bahwa pembatasan sosial dapat membantu mengendalikan mobilitas manusia sehingga berkontribusi terhadap penularan virus. Kondisi cuaca juga diyakini menjadi faktor potensial yang mempengaruhi penularan virus. Selain itu, vaksin telah terbukti mengurangi penularan dengan mempercepat pembersihan virus. Studi ini menyelidiki kontribusi kondisi cuaca, termasuk suhu dan curah hujan, mobilitas manusia, dan vaksinasi terhadap penularan virus corona. Pada masalah diatas dapat dilakukan pembelajaran mesin yaitu random forest (RF), XGBoost, dan neural network (NN) diterapkan untuk memprediksi jumlah kasus terkonfirmasi berdasarkan tiga variabel di atas. Prediksi semua model dievaluasi melalui analisis spasial dan temporal. Analisis spasial mengamati kinerja model di seluruh negara pada waktu tertentu. Sedangkan analisis temporal melihat model prediksi masing-masing negara selama periode tertentu. Secara umum, hasil prediksi model efektif menunjukkan tren penularan. Model RF menunjukkan kinerja prediksi terbaik dengan koefisien determinasi hingga 89%. Dapat disimpulkan semua model mengonfirmasi bahwa vaksinasi memiliki kaitan paling signifikan dengan kasus COVID-19.
