Penerapan Metode Clustering Dengan Algoritma K-Means Untuk Analisa Persebaran Varian Covid-19 (Studi Kasus Kelurahan Antapani Kidul)
Abstrak
Pandemi COVID-19 merupakan peristiwa
persebaran penyakit yang terjadi di seluruh dunia. Berbagai
negara telah berupaya untuk memberhentikan pergerakan
virus tersebut agar tidak terjadi gelombang akibat virus yang
berevolusi dan melahirkan varian baru. Pada umumnya, data
persebaran dari suatu wilayah sangat diperlukan oleh para
praktisi Kesehatan untuk meneliti lajur dan kemungkinan
terjadinya gelombang ataupun ditemukannya varian baru dari
virus SARS-Cov-2. Penelitian ini bertujuan untuk menganalisa
persebaran varian COVID-19 di kelurahan Antapani Kidul,
kota Bandung dari segala aspek perbedaan dari setiap
variannya.
Metode dalam penelitian ini yaitu menggunakan teknik
clustering dengan penggunaan alur data mining yang
menerapkan algoritma K-Means. Algoritma K- Means
menggunakan dataset yang digunakan untuk mengelompokan
data berdasarkan kriteria pendukung berupa tingkat
penularan, tingkat transmisi komunitas, dan juga sejumlah
dampaknya pada imunitas pasien pengidap COVID- 19.
Dalam penelitian ini juga diukur akurasi dari performansi
metode clustering menggunakan algoritma K-Means dengan
membandingkannya dengan empat metode lain, yaitu
DBSCAN, Gaussian Mixture, Agglomerative Clustering, dan
Spectral Clustering dengan menggunakan tabel Performance
Metrics dengan empat parameter pengukuran yang disebut
main metrics, yang merupakan Silhouette Score, Calinski-
Harbasz Index, Davies Bouldien Index, dan Rand Index.
Kata kunci: COVID-19, Varian, Algoritma K-Means,
Clustering, Kriteria, Persebaran, Performance Metrics.
Referensi
A. R. Jannah, D. Arifianto,
Clustering dengan Algoritma K-means untuk Prediksi
Kelulusan Mahasiswa Jurusan Teknik Informatika di
Universitas Muhammadiyah Jember,= 2015.
Burhan E, Rachmadi R. A,
Future of COVID-19 Vaccinations,= Medical Journal
Indonesia, vol 31 No 1, April 2022 [Internet]. Available:
https://mji.ui.ac.id/journal/index.php/mji/article/view/6066
T. S. M. Duarte,
Clustering: A Pilot Study,= in Magnetism, 2018. Available:
https://repositorio-aberto.up.pt/handle/10216/116970
Saefudin, Septian D.N,
dengan Algoritma Apriori untuk Menentukan Pola
Pembelian Ikan,= Jurnal Sistem Informasi, vol. 6, no. 2, pp.
-114, Sept. 2019.
H. Wickham,
Analysis,= Journal of Statistical Software, vol. 35, pp. 216,
Available: http://www.springer.com/978-0-387-
-6
A. Kassambra, F. Mundt,
Visualize The Results of Multivariate Data Analyses=, 2020.
[Online]. Available: [6] https://cran.rproject.
org/web/packages/factoextra
B. Orleans, E.P Putra,
Jan. 2022. [Online]. Available:
https://sis.binus.ac.id/2022/01/31/clustering-algoritma-kmeans/
A. Robbins,
, pp. 7-es, May 1994.
W. Hasbi,
Metode Naive Bayes=, 2018.
A. Salsabilla,
C4.5 untuk Clustering Jurusan Siswa Baru pada Sekolah
Menengah Kejuruan (Studi Kasus: SMK Negeri 1 Paron)=,
A. Bogdanchikov, M. Zhaparov, R Suliyev,
to Learn Programming,= Journal of Phyriscs: Conference
Series, vol. 423, Jan 2013.
A.V. Novikov,
Library,= Journal Of Open Source Software, vol. 4, Apr 2019.
Mumtaz K,
Clustering of Multi Dimensional Spatial Data,= Indian
Journal of Computer Science and Engineering (IJCSE), vol.
, no. 1, pp. 8-12, 2010.
E.P. Prameswari, I. Zaid, Suroso,
Metode Gaussian Mixture Model pada Monitoring Pulsa
Listrik dengan Masukkan Suara,= Seminar Nasional Inovasi
dan Aplikasi Teknologi di Industri 2019, Feb 2019.
F. R. Bach and M. I. Jordan,
clustering,= Adv. Neural Inf. Process. Syst., 2004.
M. S. Hatta, F. Azmi, C. Setianingsih,
pada Sentimen Penggunaan Transportasi Online
Menggunakan Algoritma Spectral Clustering,= e-Proceeding
of Engineering, vol. 8, no. 6, pp 11945-11951, Des 2021.
Frisca, A. Bustaman,
Clustering pada Data Microarray Gen Karsinoma
Menggunakan Algoritma K-Means,= pp 37-39, 2017.
A. Fadliana, F. Rozi,
Agglomerative Hierarchical Clustering untuk Klasifikasi
Kabupaten/Kota di Provinsi Jawa Timur berdasarkan
Kualitas Pelayanan Keluarga Berencana,= vol. 4, no. 1, pp.
-40, Nov 2015.
