Ayu Khairunnisa, - and Alwis Nazir, - and Novriyanto, - and Yusra, - and Lola Oktavia, - (2022) KLASTERING PENYEBARAN COVID-19 DI INDONESIA TAHAN 2020 MENGGUNAKAN K-MEDOIDS CLUSTERING. KLASTERING PENYEBARAN COVID-19 DI INDONESIA TAHAN 2020 MENGGUNAKAN K-MEDOIDS CLUSTERING, 5 (3). pp. 391-398. ISSN 2621-3052
Text (Ayu Khairunnisa Repository)
REPOSITORY AYU KHAIRUNNISA_11651203467.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
Abstract
Abstrak— Badan Nasional Penanggulangan Bencana (BNPB) telah menetapkan status darurat bencana terkait virus Covid-19. Penyebaran pada kasus Covid-19 yang sudah merata di seluruh provinsi di Indonesia sudah merupakan penyebaran yang cukup cepat dan berdampak negative pada seluruh bidang. Dari banyaknya data Covid-19 di Indonesia yang ada, diperlukan pengelompokan penyebaran kasus Covid-19 sehingga dapat dimanfaatkan oleh berbagai pihak, salah satunya yaitu Dinas Kesehatan mengenai pengelompokan penyebaran Covid-19 pada 34 provinsi di Indonesia agar dapat diketahui pola penyebarannya menggunakan data mining metode clustering dan algoritma yang digunakan yaitu K-Medoids. Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa penerapan data mining dengan algoritma K-Medoids dapat diterapkan.penelitian ini mendapatkan cluster sebanyak 3 pengelompokan dan mendapatkan hasil dengan yaitu cluster tinggi berjumlah 3 provinsi, cluster sedang berjumlah 9 provinsi dan cluster rendah berjumlah 22 provinsi. Pengujian cluster dari algoritma K-Medoids ini menggunakan Silhouette Coefficient dan menunjukan bahwa cluster optimal untuk pengelompokan penyebaran Covid-19 di Indonesia adalah cluster 3 dengan nilai 0.262463. Kata kunci: Covid-19, Data mining, Clustering, K-Medoids.
Item Type: | Article |
---|---|
Subjects: | 000 Karya Umum |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | fsains - |
Date Deposited: | 21 Jul 2022 08:55 |
Last Modified: | 21 Jul 2022 08:55 |
URI: | http://repository.uin-suska.ac.id/id/eprint/61456 |
Actions (login required)
View Item |