Analisis Clustering Provinsi Indonesia Berdasarkan Persebaran Virus Corona (Covid-19) Menggunakan Algoritma K-Means
DOI:
https://doi.org/10.21831/pspmm.v3i0.143Keywords:
Covid-19, Algoritma clustering, K-MeansAbstract
Abstrak—Virus Corona (Covid-19) telah menyebar ke seluruh benua dan terjadi di setiap negara di dunia. Virus Corona menjadi kasus yang banyak dibicarakan hampir di semua negara khusunya di Indonesia. Terlepas dari berbagai opsi kebijakan yang ditempuh pemerintah terkait pencegahan persebaran virus corona diantaranya dengan menjaga jarak fisik, menggunakan masker, dan senantiasa menjaga kebersihan dengan mencuci tangan menggunakan sabun dan air mengalir. Namun, jumlah korban akibat virus corona semakin bertambah dengan munculnya cluster baru. Algoritma clustering diterapkan untuk mengelompokkan banyaknya provinsi menurut persebaran Virus Corona dengan K-Means. data dari penelitian ini bersumber dari salah satu website yang dikelola oleh tim relawan Kawal Covid-19. Terdapat 34 provinsi yang akan digunakan pada penelitian ini. Atribut yang digunakan ada 10, yaitu nama provinsi, OTG total, ODP total, PDP, suspect total, probable total, kasus dirawat, kasus sembuh, dan kasus meninggal. Data yang telah dikumpulkan akan diolah dengan melakukan clustering dalam 3 cluster, yaitu cluster 0, cluster 1, dan cluster 2. Sehingga diperoleh hasil untuk persebaran Virus Corona di Indonesia berdasarkan provinsi cluster 0 sebanyak 31 provinsi, untuk cluster 1 sebanyak 1 provinsi, dan untuk cluster 2 sebanyak 2 provinsi. dalam implementasinya menggunakan software rapidminer studio version 9.6. Hasil yang diperoleh dapat menjadi masukan bagi pemerintah dalam menganalisa wilayah persebaran Virus Corona yang terjadi di Indonesia berdasarkan provinsi. Kata kunci: Covid-19, Algoritma clustering, K-MeansReferences
Darmi, Y., & Setiawan, A. (2016). Penerapan metode clustering k-means dalam pengelompokan penjualan produk. Jurnal Media Infotama Universitas Muhammadiyah Bengkulu, 12(2), 148–157.
Dhuhita, W. M. P. (2016). Clustering Menggunakan Metode K-Means Untuk. Jurnal Informatika, 15(2), 160--174.
Rahmat C.T.I., B., Agidtama Gafar, A., Fajriani, N., Ramdani, U., Rihin Uyun, F., Purnamasari P., Y., & Ransi, N. (2017). Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan. Seminar Nasional Riset Kuantitatif Terapan 2017, (April), 58–60.
Sari, R. W., Wanto, A., & Windarto, A. P. (2018). Implementasi Rapidminer Dengan Metode K-Means (Study Kasus: Imunisasi Campak Pada Balita Berdasarkan Provinsi). KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1), 224–230. https://doi.org/10.30865/komik.v2i1.930
Tendean, T., Purba, W., & Kom, M. (2020). Analisis Cluster Provinsi Indonesia Berdasarkan Produksi Bahan Pangan Menggunakan Algoritma K-Means. 1(2), 5–11.
