Analisis Clustering Penyebaran Corona Virus Disease 2019 (Covid-19) di Indonesia Tahun 2021 Menggunakan Algoritma K-Means

Annisa Rachmawati, Moch Hafid, Dede Irmayanti

Abstract


Permasalahan yang akan dibahas untuk penelitian ini adalah kasus penyebaran Covid-19 yang semakin menjadi sorotan dan meresahkan di dunia khususnya di Indonesia. Tujuan dari penelitaian ini untuk menganalisis clustering penyebaran Covid-19 di Indonesia Tahun 2021. Jumlah dataset yang diperoleh sebanyak 11.741 data penyebaran Covid-19 dari bulan Januari sampai dengan bulan Desember Tahun 2021 dari situs kaggle. Penelitian ini menggunakan teknik data mining clustering untuk menentukan daerah yang terdampak penyebaran Covid-19 di Indonesia Tahun 2021. Algoritma yang digunakan adalah Algoritma K-Means yaitu metode berbasis partisi yang menggunakan objek representatif yang disebut medoids sebagai titik pusat atau centroid. Pada penelitian ini penulis menggunakan metode KDD dalam pengolahan data yang meliputi tahap perencanaan yang terdiri dari (identifikasi masalah, menentukan tujuan, studi pustaka), pengumpulan data, data selection, tahap pre-processing (cleaning data), transformasi data, data mining, dan interpretation/evaluasi. Evaluasi data mining menggunakan pengujian silhouette coefficient, metode ini merupakan metode evaluasi cluster yang menggabungkan metode cohessian dan separation. Cohessian yang diukur dengan menghitung jarak rata-rata setiap objek dalam sebuah cluster dengan cluster terdekatnya. Berdasarkan penelitian dan pembahasan hasil yang sudah dilakukan, maka cluster penyebaran Covid-19 di Indonesia menggunakan algoritma k-means clustering dapat dikelompokan menjadi 4 cluster yaitu cluster 0 sebanyak 318 items, cluster 1 sebanyak 84 items, cluster 2 sebanyak 224 items, cluster 3 sebanyak 373 items.


Keywords


Covid-19; Kaggle; Data mining; KDD; K-means clustering; Silhouette coefficient

Full Text:

PDF

References


Riani, “Latar belakang covid 19,” 2021.

N. Dwitri and Tampubolon, “Penerapan Algoritma K-means Dalam Menentukan Tingkat Penyebaran Pandemi COVID-19 Di Indonesia,” vol. 4, no. 1, pp. 128–132, 2020.

D. N. Sari and I. Yunita, “Tingkat Keparahan Dan Risiko Penyebaran COVID-19 Di Indonesia Dengan Menggunakan K- ( Severity Level and Spreading Risk of Covid-19 in Indonesia by K-Means Clustering ),” pp. 210–216, 2020.

C. Nas, “Data Mining Pengelompokan Bidang Keahlian Mahasiswa Menggunakan Algoritma K-Means ( Studi Kasus : Universitas Cic Cirebon ),” vol. 09, no. 1, pp. 1–14, 2020.

W. Lestari, “Clustering Data Mahasiswa Menggunakan Algoritma K-Means Untuk Menunjang Strategi Promosi ( Studi Kasus : STMIK Bina Bangsa Kendari ),” vol. 4, no. 2, pp. 35–48, 2019.

S. Paembonan and H. Abduh, “Penerapan Metode Silhouette Coeficient Untuk Evaluasi Clutering Obat,” vol. 6, no. 2, pp. 48–54, 2021.

N. S. Sufajar Butsianto1, “Penerapan Data Mining Terhadap Minat Siswa Dalam Mata Pelajaran Matematika Dengan Metode K-Means,” vol. 10, pp. 113–121, 2019.

H. Jaya, “Konsep Data Mining KDD,” vol. 01, 2020.

H. Supriyadi, “Kontak Erat COVID-19 Pada Anggota POGI Muda Prevention of Suspect , Probable , Confirmation , and Close Contact of COVID-19 in Young POGI Members,” vol. 9, no. 1, pp. 114–118, 2021.

R. Hidayati and Zubair, “Analisis Silhouette Coefficient pada 6 Perhitungan Jarak K-Means Clustering,” vol. 20, no. 2, pp. 186–197, 2021.




DOI: https://doi.org/10.17509/jatikom.v7i1.49050

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Aplikasi dan Teori Ilmu Komputer



JATIKOM is published by Universitas Pendidikan Indonesia
Jl. Dr. Setiabudhi 229 Bandung 40154, West Java, Indonesia
Website: http://www.upi.edu