ANALISIS CLUSTER DENGAN METODE K-MEANS PADA PERSEBARAN KASUS COVID-19 BERDASARKAN PROVINSI DI INDONESIA


Desy Noor Permata Sari, 4112317029 (2020) ANALISIS CLUSTER DENGAN METODE K-MEANS PADA PERSEBARAN KASUS COVID-19 BERDASARKAN PROVINSI DI INDONESIA. Under Graduates thesis, Unnes.

[thumbnail of 4112317029.pdf]
Preview
PDF - Published Version
Download (1MB) | Preview

Abstract

Industri 4.0 merupakan perubahan besar dari inovasi di bidang Elektronik dan Teknologi Informasi, salah satunya Artificial Intelligence. Artificial Intelligence (AI) dapat belajar mendeteksi wabah dan memperkirakan resiko puncak dari penyakit menular. K-Means Cluster adalah clustering non-hierarki yang mengelompokkan data ke dalam suatu cluster yang memiliki karakteristik sama ke dalam satu cluster yang sama. Hal yang dapat dilakukan untuk menangani penyebaran COVID-19 yang makin meluas yaitu dengan menganalisis laporan berita, sentimen masyarakat di media sosial, dan juga dokumen yang dirilis pemerintah tentang persebaran COVID-19. Tujuan dalam penelitian ini menggunakan metode K-Means Cluster untuk mengetahui tingkat persebaran kasus COVID-19 kategori tinggi, sedang, dan rendah pada masing-masing Provinsi di Indonesia. Ada beberapa aspek yang bisa diukur seperti jumlah penduduk, kepadatan penduduk, kasus positif terinfeksi COVID-19, pasien yang sembuh, dan pasien yang meninggal dunia. Metode pengumpulan data yang digunakan adalah metode dokumentasi berupa data sekunder yang diperoleh dari publikasi buku Badan Pusat Statistik dan data Kemenkes RI di Badan Nasional Penanggulangan Bencana. Data yang digunakan yaitu jumlah penduduk (????1), kepadatan penduduk (????2), positif (????3), sembuh (????4), dan meninggal (????5) dan dianalisis menggunakan software SPSS. Dari hasil penelitian dengan metode K-Means terbentuk menjadi 5 cluster. Cluster 1 termasuk kasus yang tinggi berisi 2 Provinsi. Cluster 2 termasuk kasus yang sedang berisi 3 Provinsi. Cluster 3 termasuk kasus yang rendah berisi 29 Provinsi dan dibagi lagi menjadi 3 cluster dengan mengelompokkan berdasarkan tingakatannya. Karakteristik cluster 1 kategori tinggi berisi rata-rata ????2, ????3, ????4, dan ????5 berada di atas rata-rata populasi. Cluster 2 kategori sedang berisi rata-rata ????2, ????3, ????4, dan ????5 berada di bawah rata-rata populasi. Cluster 3 kategori rendah tingkat pertama berisi rata-rata semua variabel berada di atas rata-rata populasi. Cluster 4 kategori rendah tingkat kedua berisi rata-rata ????1 dan ????3 berada di atas rata-rata populasi. Cluster 5 kategori rendah tingkat ketiga berisi rata-rata ????3, ????4, dan ????5 berada di bawah rata-rata populasi. Variabel yang memberikan perbedaan paling besar adalah variabel kepadatan penduduk dengan nilai F sebesar 26,641 dan nilai signifikan 0,000. Provinsi yang memiliki nilai paling besar pada variabel kepadatan penduduk adalah Provinsi DKI Jakarta.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Artificial Intelligence, K-Means, COVID-19, Analisis Cluster
Subjects: Q Science > QA Mathematics > QA76 Computer software
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika Terapan dan Komputasi, D3
Depositing User: mahargjo hapsoro adi
Date Deposited: 01 Dec 2020 02:06
Last Modified: 01 Dec 2020 02:06
URI: http://lib.unnes.ac.id/id/eprint/41838

Actions (login required)

View Item View Item