Implementasi Algoritma K-Means Clustering dengan Jarak Euclidean dalam Mengelompokkan Daerah Penyebaran COVID-19 di Kabupaten Bogor

  • Muhammad Iqbal Universitas Mulawarman
  • Syaripuddin Syaripuddin Universitas Mulawarman
  • Moh. Nurul Huda Universitas Mulawarman

Abstract

K-Means clustering merupakan algoritma pengelompokan iteratif yang melakukan partisi himpunan data ke dalam sejumlah  klaster yang sudah ditentukan di awal, sedemikian sehingga setiap data masuk dalam pusat klaster (centroid) terdekat. Pada penelitian dilakukan pengelompokan data menggunakan metode K-Means clustering dengan jarak Euclidean pada data daerah penyebaran COVID-19 di Kabupaten Bogor. Penentuan jumlah klaster optimal yang ditentukan sejak awal menggunakan metode Elbow dan Silhouette Index. Penelitian bertujuan untuk mengetahui hasil dari penerapan algoritma K-means clustering untuk mengelompokkan daerah penyebaran COVID-19 di Kabupaten Bogor. Adapun variabel yang digunakan yaitu kepadatan penduduk [X_1], jumlah kasus terinfeksi COVID-19   [X_2] dan jumlah kasus meninggal COVID-19 [X_3]. Berdasarkan hasil penelitian diperoleh dua klaster tingkat risiko penyebaran COVID-19 yaitu klaster C1 dan C2. Pada klaster C1 memiliki tingkat risiko penyebaran sedang terdiri atas 36 Kecamatan, sedangkan pada klaster C2 dengan tingkat risiko penyebaran tinggi terdiri atas 4 Kecamatan. Nilai validitas yang didapat sebesar 0.71676 yang berarti struktur dari hasil klaster tersebut kuat.

References

[1] World Health Organization (WHO). (2020). Coronavirus disease 2019 (COVID-19): Situasion Report.
[2] Yang, Y., Peng F., Wang, R., Guan, K., Jiang, T., Xu, G., Sun, J. & Chang, C. (2020). The Deadly Coronaviruses: The 2003 SARS Pandemic and The 2020 Novel Coronavirus Epidemic in China. J Autoimmun 2020:102434.
[3] Ramadanti, E. & Muslih, M. (2021). Analisis Persebaran Kasus COVID-19 di Jawa Barat Meggunakan Metode K-Means Clustering. Jurnal SISMATIK Nusa Putra, 319-326.
[4] Kementerian Dalam Negeri RI (2022). Rilis Data Kemendagri: Jumlah Penduduk Jabar Terbanyak, Kaltara Tersedikit. Diakses pada 30 Juni 2022, dari https://www.dukcapil.kemendagri.go.id/berita/baca/1033/rilis-data-kemendagri-jumlah-penduduk-jabar-terbanyak-kaltara-tersedikit.
[5] Prasetyo, Eko. (2013). Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. Yogyakarta: Penerbit ANDI.
[6] Sari, D. N. P. & Sukestiyarno, Y. L. (2021). Analisis Cluster Dengan Metode K-Means Pada Persebaran Kasus COVID-19 Berdasarkan Provinsi di Indonesia. PRISMA; Prosiding Seminar Nasional Matematika 2021. Vol 4, 602-610.
[7] Li, W. & Liu, Z. (2011). A Method of SVM with Normalization in Intrusion Detection. Procedia Environ. Sci, vol. 11, pp. 256–262, 2011.
[8] Kauffman, L. & Rousseeuw, P. (1990). Finding Groups in Data. Kanada: John Willey & Sons, Inc.
[9] Badan Pusat Statistik Kabupaten Bogor (BPS). (2021). Kabupaten Bogor Dalam Angka. Bogor: Badan Pusat Statistik Kabupaten Bogor.
[10] Geoportal Kabupaten Bogor. (2021). Info COVID-19 Kabupaten Bogor. Diakses pada 13 Oktober 2021, dari https://geoportal.bogorkab.go.id/covid19/.
Published
2023-03-31
How to Cite
IQBAL, Muhammad; SYARIPUDDIN, Syaripuddin; HUDA, Moh. Nurul. Implementasi Algoritma K-Means Clustering dengan Jarak Euclidean dalam Mengelompokkan Daerah Penyebaran COVID-19 di Kabupaten Bogor. Basis : Jurnal Ilmiah Matematika, [S.l.], v. 2, n. 1, p. 47-56, mar. 2023. ISSN 2962-6013. Available at: <https://jurnal.fmipa.unmul.ac.id/index.php/Basis/article/view/1019>. Date accessed: 17 june 2024. doi: https://doi.org/10.30872/basis.v2i1.1019.