ANALISA PERBANDINGAN ALGORITMA K-MEANS DAN FUZZYC�MEANS DALAM PENGELOMPOKAN DAERAH PENYEBARAN COVID�19 DI INDONESIA BERDASARKAN 6 INDIKATOR KESEHATAN MASYARAKAT


AINA LATIFA RIYANA PUTRI, 4111417043 (2021) ANALISA PERBANDINGAN ALGORITMA K-MEANS DAN FUZZYC�MEANS DALAM PENGELOMPOKAN DAERAH PENYEBARAN COVID�19 DI INDONESIA BERDASARKAN 6 INDIKATOR KESEHATAN MASYARAKAT. Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of 4111417043 - Aina Latifa Riyana Putri v.pdf] PDF - Published Version
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Penelitian ini dilakukan bertujuan untuk mengetahui algoritma terbaik dalam pengelompokan daerah penyebaran Covid-19 pada 34 provinsi di Indonesia. Penelitian ini dilakukan berdasarkan fakta dimana saat ini dunia tengah diguncangkan oleh mewabahnya Covid�19 yang disebabkan oleh SARS-CoV-2. Hingga 30 Juli 2021 telah menewaskan 92.311 korban jiwa. Banyaknya program yang dicanangkan pemerintah untuk membantu menanggulangi penyebaran penyakit Covid-19 tentu saja berbeda tiap daerahnya menyesuaikan kondisi pada wilayah masing-masing dan perlu didukung oleh strategi perencanaan yang matang. Oleh karena itu, pada penelitian ini akan menentukan pengelompokan daerah penyebaran Covid-19 pada 34 provinsi Indonesia dengan membandingkan clustering menggunakan algoritma k-Means dan Fuzzy c-Means berbantuan software Rstudio. Jenis penelitian yang digunakan adalah jenis penelitian dengan metode kuantitatif menggunakan data sekunder yaitu data kasus positif, meninggal, sembuh Covid-19, data jumlah penduduk, dan data cakupan vaksinisasi yang dilakukan masyarakat per provinsi di Indonesia. Metode analisis data melakukan perbandingan antara algoritma k-Means dan Fuzzy c-Means dengan melakukan uji validitas cluster menggunakan metode Dunn-Index dan Davies Bouldin Index untuk memperoleh hasil cluster optimal. Hasil penelitian menunjukkan bahwa pengujian clustering k-Means menghasilkan nilai Davies Bouldin-Index yang lebih kecil sebesar 1,165219 jika dibandingkan dengan menggunakan Fuzzy c-Means yaitu sebesar 1,74298. Sehingga pengelompokan daerah penyebaran Covid-19 pada 34 provinsi Indonesia menggunakan algoritma k-Means diambil untuk menentukan pengelompokan daerah penyebaran Covid-19 pada 34 provinsi Indonesia. Diperoleh 4 cluster optimal menggunakan metode Elbow yang terbentuk dengan algoritma k-Means yaitu cluster yang berpotensi sangat tinggi dalam penyebaran kasus Covid-19 berisi 2 provinsi yaitu Jambi dan Lampung; cluster yang berpotensi tinggi dalam penyebaran kasus Covid-19 berisi 22 provinsi seperti DIY Jogjakarta, Jawa Barat, Jawa Tengah, Jawa Timur, dan lain-lain; cluster yang berpotensi sedang dalam penyebaran kasus Covid-19 berisi 8 provinsi seperti Sulawesi Tenggara, Papua Barat, Sulawesi Barat, dan lain-lain; dan cluster yang berpotensi rendah dalam penyebaran kasus Covid-19 berisi 2 provinsi yaitu Bali dan Jakarta. Saran yang diberikan sebaiknya pemerintah lebih menertibkan lockdown, menjaga stok vaksin dan obat-obat an, hingga giat edukasi kepada masyarakat perihal vaksin sebagai alternatif cara untuk dapat menekan kasus Covid-19.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Algoritma k-Means, Algoritma Fuzzy c-Means, Davies Bouldin Index
Subjects: Q Science > QA Mathematics
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1
Depositing User: TUKP unnes
Date Deposited: 11 Nov 2022 03:46
Last Modified: 11 Nov 2022 03:46
URI: http://lib.unnes.ac.id/id/eprint/52913

Actions (login required)

View Item View Item