KLASTERISASI PERSEBARAN COVID-19 DI KOTA TANGERANG SELATAN DENGAN METODE CLUSTERING K-MEANS DAN DENSITY BASED SPATIAL CLUSTERING OF APPLICATIONS WITH NOISE
Keywords:
Virus, Covid-19, Data Mining, K-Means, Clustering, Density Based ClusteringAbstract
Pandemi Covid-19 yng menyebar di Indonesia pada awal tahun 2020 telah memberikan dampak yang signifikan bagi Indonesia terutama pada sektor kesehatan. Dampak dari pendemi tersebut telah direspon oleh pemerintah dengan mengantisipasi melalui upaya kebijakan pembatasan mobilitas dan kebijakan pada semua sektor dan lini. Kota Tangerang Selatan sebagai daerah penyangga di DKI Jakarta tentunya perlu lebih waspada dalam menangani gejala baru covid-19. tujuan penulisan paper ini berusaha melakukan analisis pada pola penyebaran virus covid-19 di Kota Tangerang Selatan. Penelitian dilakukan dengan metode kualitatif dengan menggunakan data sekunder yang diperoleh dari web resmi https://lawancovid19.tangerangselatankota.go.id/. Sampel data Covid-19 yang digunakan adalah data dari Januari 2021 hingga Maret 2022. Hasil pengumpulan data dianalisis dengan metode K-Means dan Density Based Spatial Clustering of Applications With Noise (DBSCAN). Untuk menguji tingkat akurasi model klasterisasi diukur dengan metode Davies Bouldin Index. Hasil penelitian menunjukkan bahwa klasterisasi yang terbentuk ada 6 kluster. Kluster yang terbentuk dengan metode K-Mean kluster dengan jumlah anggota terbanyak pada kluster 0 sebanyak 12 atau sebesar 22.22%. Dengan metode DBSCAN kluster terbanyak pada kluster 4 dengan persentase sebesar 29,63% dengan jumlah anggota sebanyak 16 orang. Uji validasi data hasil pemodelan diukur dengan metode Davies Bouldin Index (DBI) dapat disimpulkan bahwa metode K-Means lebih cocok digunakan untuk mengkonstruksikan clustering Covid-19 di Kota Tangerang Selatan karena mempunyai nilai DBI yang lebih kecil dibanding dengan metode DBSCAN.References
Adhitama, R., Burhanuddin, A., & Ananda, R. (2020). Penentuan Jumlah Cluster Ideal Smk Di Jawa Tengah Dengan Metode X-Means Clustering Dan K-Means Clusterin. JIKO (Jurnal Informatika Dan Komputer), 3(1), 1–5. https://doi.org/10.33387/jiko.v3i1.1635
Asroni, R. A. (2015). Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang. Ilmiah Semesta Teknika, 18(1), 76–82.
Budiman, S., Safitri, D., & Ispriyanti, D. (2016). Perbandingan Metode K-Means Dan Metode Dbscan Pada Pengelompokan Rumah Kost Mahasiswa Di Kelurahan Tembalang Semarang. None, 5(4), 757–762.
Handayani, R. T., Arradini, D., Darmayanti, A. T., Widiyanto, A., & Atmojo, J. T. (2020). Pandemi covid-19, respon imun tubuh, dan herd immunity. Jurnal Ilmiah Stikes Kendal, 10(3), 373–380.
Hartanti, N. T. (2020). Metode Elbow dan K-Means Guna Mengukur Kesiapan Siswa SMK Dalam Ujian Nasional. Jurnal Nasional Teknologi Dan Sistem Informasi, 6(2), 82–89. https://doi.org/10.25077/teknosi.v6i2.2020.82-89
Izhari, F. (2020). Analisis Algoritma Dbscan Dalam Menentukan Parameter Epsilon Pada Clustering Data Numerik. Seminar Nasional Teknologi Komputer & Sains, 156–158.
Novi, S. (2020). Clustering Status Desa Menggunakan Metode DBSCAN (Density-Based Spatial Clustering of Application With Noise.
Prima, R. R., & Arien, E. Y. (n.d.). Analisis Cluster Virus Corona (COVID-19) di Indonesia pada 2 Maret 2020-12 April 2020 dengan Metode K-Means Clustering. In researchgate.net. Retrieved February 24, 2021, from https://www.researchgate.net/publication/342697385
Rahmadina, R. P. (2020). Analisis Cluster Virus Corona (COVID-19) di Indonesia pada 2 Maret 2020 – 12 April 2020 dengan Metode K-Means Clustering. https://www.researchgate.net/publication/342697385_Analisis_Cluster_Virus_Corona_COVID-19_di_Indonesia_pada_2_Maret_2020_-_12_April_2020_dengan_Metode_K-Means_Clustering
Sari, B. N., & Primajaya, A. (2019). Penerapan Clustering Dbscan Untuk Pertanian Padi Di Kabupaten Karawang. Jurnal Informatika Dan Komputer, 4(1), 28–34. www.mapcoordinates.net/en.
Yuwono, A., Oslan, Y., Kom, S., & Dwijono, D. D. (2009). Implementasi Metode Density Based Spatial Clustering of Applications With Noise Untuk Mencari Arah Penyebaran Wabah Demam Berdarah. Jurnal EKSIS, 2(1), 11–21.
