Clustering Penyebaran Covid-19 di Kota Bandung dengan Algoritma K-Means
Abstract
Abstrak-Covid-19 merupakan penyakit yang disebabkan oleh coronavirus. Covid-19 pertama kali masuk ke Indonesia pada awal Maret 2020. Pada saat ini penyebaran yang terjadi pada Provinsi Jawa Barat telah mencapai 706.800 jiwa. Penyebaran tertinggi pada Provinsi Jawa Barat berada pada Kota Bandung dengan penyebaran sebanyak 43.269 jiwa. Salah satu strategi untuk mengurangi dampak dari wabah ini, peneliti memanfaatkan machine learning yang mampu melakukan clustering untuk mengetahui skala prioritas. Metode clustering dapat menggunakan algoritma k-means. Salah satu kelebihan algoritma k-means yaitu memiliki hasil evaluasi cluster yang baik dan mudah untuk diimplementasikan. Hasil dari penelitian ini memiliki 9 cluster, yaitu C0 merupakan cluster dalam kategori sedang, C1 merupakan cluster dalam kategori sedang, C2 merupakan cluster dalam kategori rendah, C3 merupakan cluster dalam kategori rendah, C4 merupakan cluster dalam kategori tinggi, C5 merupakan cluster dalam kategori tinggi, C6 merupakan cluster dalam kategori tinggi, C7 merupakan cluster dalam kategori rendah, dan C8 merupakan cluster dalam kategori tinggi.
Kata Kunci—Covid-19, clustering, algoritma K-Means.
References
Bastian, A. (2018). Penerapan algoritma k-means clustering analysis pada penyakit menular manusia (studi kasus kabupaten Majalengka). Jurnal Sistem Informasi, 14(1), 28-34.
Damanik, Y. F. S. Y., Sumarno, S., Gunawan, I., Hartama, D., & Kirana, I. O. (2021). Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19 Di Sumatera Utara Menggunakan Algoritma K-Means. Jurnal Ilmu Komputer dan Informatika, 1(2).
Darmansah, D. D., & Wardani, N. W. (2021). Analisis Pesebaran Penularan Virus Corona di Provinsi Jawa Tengah Menggunakan Metode K-Means Clustering. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 8(1), 105-117.
Dwitri, N., Tampubolon, J. A., Prayoga, S., Zer, F. I. R., & Hartama, D. (2020). Penerapan algoritma K-Means dalam menentukan tingkat penyebaran pandemi COVID-19 di Indonesia. (JurTI) Jurnal Teknologi Informasi, 4(1), 128-132.
Fira, A., Rozikin, C., & Garno, G. (2021). Komparasi Algoritma K-Means dan K-Medoids Untuk Pengelompokkan Penyebaran Covid-19 di Indonesia. Journal of Applied Informatics and Computing, 5(2), 133-138.
Fitriyani, N. K., & Abdulloh, F. F. (2021). Analisis Algoritma K-Means dalam Pengelompokkan Persebaran Covid-19 di Indonesia. MEANS (Media Informasi Analisa dan Sistem), 180-183.
Fitriyani, V. (2021, May). Analisis Clustering Provinsi Indonesia Berdasarkan Persebaran Virus Corona (Covid-19) Menggunakan Algoritma K-Means. In Prosiding Seminar Pendidikan Matematika dan Matematika (Vol. 3).
Gayatri, L., & Hendry, H. (2021). Pemetaan Penyebaran Covid-19 Pada Tingkat Kabupaten/Kota Di Pulau Jawa Menggunakan Algoritma K-Means Clustering. Sebatik, 25(2), 493-499.
Marlina, D., Putri, N. F., Fernando, A., & Ramadhan, A. (2018). Implementasi Algoritma K-Medoids dan K-Means untuk Pengelompokkan Wilayah Sebaran Cacat pada Anak. J. CoreIT, 4(2), 64.
Mirantika, N. (2021). Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Penyebaran Covid-19 di Provinsi Jawa Barat. Nuansa Informatika, 15(2), 92-98.
Nabila, Z., Isnain, A. R., Permata, P., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi, 2(2), 100-108.
Sepri, D., & Fimazid, Y. (2021). Pengelompokan Penyebaran Covid-19 di Kota Padang Menggunakan Algoritma K-Medoids. Insearch: Information System Research Journal, 1(02), 39-45.
Solichin, A., & Khairunnisa, K. (2020). Klasterisasi persebaran virus Corona (Covid-19) di DKI Jakarta menggunakan metode K-Means. Fountain of Informatics Journal, 5(2), 52-59.
