PENGELOMPOKAN TINGKAT PENYEBARAN COVID 19 PADA KABUPATEN JOMBANG DENGAN MENGGUNAKAN ALGORITMA K-MEANS

Anggraini Puspita Sari, Andreas Nugroho Sihananto, Dwi Arman Prasetya, Muhammad Muharrom Al Haromainy

Abstract


Laju penyebaran Covid 19  sangat pesat bahkan sudah menyebar ke sebagian besar negara di dunia tidak terkecuali dengan Indonesia. Penyebaran Covid 19 di Indonesia telah merata ke seluruh provinsi termasuk  Jawa Timur. Selain itu, kemampuan penyebaran virus Covid 19 dipengaruhi dari ciri komunitas dan pergerakan manusia sebagai inang dari kembangbiak virus Covid 19. Berdasarkan dari hasil pengujian korelasi diperoleh bahwasanya pergerakan manusia di dalam kota maupun  luar kota memiliki pengaruh pada tingkatan menengah pada kasus penyebaran Covid 19. Pengelompokan ini diharapkan dapat  mendapatkan titik – titik pusat penyebaran  dari kasus Covid 19. Salah satu algoritma pengelompokan (clustering) ialah algoritma k-means yang menggunakan beberapa kelompok dalam menempatkan data-data memakai sistem partisi. Algoritma ini menerima data-data tanpa menggunakan label kelas. Pandemi Covid 19 menjadi pandemi global sehinggai banyak pihak berupaya ikut berperan serta dalam mengatasi penyebaran Covid 19. Penelitian ini bertujuan untuk mengetahui tingkat penyebaran Covid 19 menggunakan algoritma k-means di daerah-daerah Indonesia khususnya pada kabupaten Jombang. Dataset dalam penelitian ini diperoleh dari website resmi dinas kesehatan kabupaten Jombang.

DOIhttps://doi.org/10.33005/scan.v17i3.3514


References


Sarasvananda, I.B.G, Desnanjaya, I.G.M.N, Dewi, Y. (2021). Klasterisasi Sebaran Kasus Covid 19 Di Kota Denpasar Menggunakan Algoritme K-Means. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 565-574.

Sihananto, A.N., Sari, A.P., Khariono, H., Fernanda, R.A., Wijaya, D.C.M. (2022). Implementasi Metode K-Means Untuk Pengelompokan Kasus Covid 19 Tingkat Provinsi Di Indonesia. Jurnal Informatika dan Sistem Informasi, 3(1), 76-85.

Doroshenko, A. (2020). Analysis of the distribution of COVID 19 in Italy using clustering algorithms. Proceedings of the 2020 IEEE 3rd International Conference on Data Stream Mining and Processing, DSMP 2020, 325-328.

Hutagalung, J., Ginantra, N.L.W.S.R., Bhawika, G.W., Parwita, W.G.S., Wanto, A., Panjaitan, P.D. (2021). COVID 19 Cases and Deaths in Southeast Asia Clustering using K-Means Algorithm. Journal of Physics: Conference Series, 1783(2021), 1-6.

Mauladi, K.F., & Susilo, P.H. (2021). Klasterisasi Virus Covid 19 Di Wilayah Kabupaten Lamongan dengan Metode K-Means Clustering, Jurnal Ilmiah Penelitian dan Pembelajaran Informatika (JIPI), 06(2), 325–335.

Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid 19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi dan Sistem Informasi (JTSI), 2(2), 100-108.

Ocampo, L., Aro, J. L., Evangelista, S. S., Maturan, F., Selerio, E., Atibing, N. M., & Yamagishi, K. (2021). On k-means clustering with ivif datasets for post-Covid 19 recovery efforts. Mathematics, 9(20), 1–30.

PASIN, O., & PASIN, T. (2020). Clustering of countries in terms of deaths and cases of COVID 19. Journal of Health and Social Sciences, 5(4), 587–594.

Olivia, S., Gibson, J., & Nasrudin, R. (2020). Indonesia in the Time of Covid 19. Bulletin of Indonesian Economic Studies, 56(2), 143–174.

Ramadanti, E., & Muslih, M. (2021). Analisis Persebaran Kasus Covid 19 Di Jawa Barat Menggunakan Metode K-Means Clustering. Seminar Nasional Sistem Informasi dan Manajemen Informatika (Sismatik), 319-326.

Zendrato, W. (2020). Gerakan Mencegah Daripada Mengobati Terhadap Pandemi Covid 19. Jurnal Education and Development, 8(2), 242–248.

Virgantari, F., & Faridhan, Y. E. (2020). K-Means Clustering of COVID 19 Cases in Indonesia’s Provinces. International Journal of Engineering and Natural Science (ADRI), 5(2), 34–39.

Samudi, S., Widodo, S., & Brawijaya, H. (2020). The K-Medoids Clustering Method for Learning Applications during the COVID 19 Pandemic. SinkrOn, 5(1), 116-121.

Sari, A.P., Suzuki, H., Kitajima, T., Yasuno, T., Prasetya, D.A., Arifuddin, R. (2022). Short-Term Wind Speed and Direction Forecasting by 3DCNN and Deep Convolutional LSTM. IEEJ Transactions on Electrical and Electronic Engineering 2022, 17: 1620–1628.


Full Text: PDF

Refbacks

  • There are currently no refbacks.