Analisis Cluster dengan Metode K-Means pada Persebaran Kasus Covid-19 Berdasarkan Provinsi di Indonesia
Sari, D N P and Sukestiyarno, Y L (2021) Analisis Cluster dengan Metode K-Means pada Persebaran Kasus Covid-19 Berdasarkan Provinsi di Indonesia. In: PRISMA, Prosiding Seminar Nasional Matematika.
PDF
Download (605kB) |
Abstract
Tujuan dalam penelitian menggunakan metode K-Means Cluster adalah 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 (X1), kepadatan penduduk (X2), positif (X3), sembuh (X4), dan meninggal (X5) 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 X2, X3, X4, dan X5 berada di atas rata-rata populasi. Cluster 2 kategori sedang berisi rata-rata X2, X3, X4, dan X5 berada di bawah rata-rata populasi. Cluster 3 kategori rendah berisi rata-rata semua variabel berada di atas 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: | Conference or Workshop Item (Paper) |
---|---|
Subjects: | Q Science > QA Mathematics |
Fakultas: | UNSPECIFIED |
Depositing User: | Repositori Dosen Unnes |
Date Deposited: | 03 May 2023 05:15 |
Last Modified: | 03 May 2023 05:15 |
URI: | http://lib.unnes.ac.id/id/eprint/57857 |
Actions (login required)
View Item |