Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19  Di Sumatera Utara Menggunakan Algoritma K-Means

Damanik, Yeusi Fani Selfrida Yani; Sumarno, Sumarno; Gunawan, Indra; Hartama, Dedy; Kirana, Ika Okta

doi:10.54082/jiki.13

Cited by 7 publications

(10 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada tahap ini, peneliti mengambil tema Artificial Intelegance bisa Merefrence ke Knowledge Discovery In Databases [9]. Berikut ini adalah langkah-langkah proses KDD dalam penambahan data dan dibawah ini terdapat gambar 2 tentang tahap perancangan KKD yaitu sebagai berikut:…”

Section: Tahapan Perancanganunclassified

Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

2023

View full text Add to dashboard Cite

Kemiskinan saat ini menjadi satu-satunya masalah yang dihadapi setiap daerah. Seperti yang terjadi di Kota/Kabupaten Jawa Barat yang masih terlihat. Kemiskinan sendiri merupakan suatu kondisi dimana standar hidupnya seseorang benar-benar kurang mampu dalam memenuhi kebutuhan pokok hidupnya. Menurut informasi yang diperoleh website open data jabar, terdapat 513 data di Kota/Kabupaten Jawa Barat pada tahun 2002 s/d 2020, jumlah penduduk miskin di banyak Kota/Kabupaten di Jawa Barat semakin meningkat. Dengan demikian, metode yang digunakan dalam penelitian ini untuk melakukan pengelompokan data menggunakan metode K-Means Clustering yang akan diimplementasikan pada Rapidminer. Dikarenakan Algoritma K-Means merupakan Algoritma yang efektif untuk menganalisis data dalam jumlah besar. Jadi, bisa dilihat dari data yang akan dihasilkan ada beberapa variabel yang dibutuhkan, seperti kode Provinsi, nama Provinsi, kode Kota/Kabupaten, nama Kota/Kabupaten, jumlah penduduk miskin, satuan, dan tahun. Dari variabel data tersebut akan lebih mudah untuk menjalankannya. Sehingga penelitian ini akan menghasilkan beberapa cluster, yaitu hasil yang didapat oleh peneliti adalah cluster 4 karena cluster ini adalah hasil yang diambil dari nilai DBI yang terkecil dan terbaik dari beberapa cluster yang peneliti uji coba. Dari hasil cluster itulah akan terlihat data jumlah penduduk miskin berdasarkan kota/kabupaten yang memiliki tingkat kemiskinannya meningkat atau menurun dalam periode setiap tahunnya.

show abstract

Section: Tahapan Perancanganunclassified

Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

2023

View full text Add to dashboard Cite

show abstract

“…Pada tahun 2020, dunia dikejutkan oleh virus yang berasal dari Wuhan, Hubei, China yang diakibatkan virus Severse Acute Respiratory Syndrome Coronavirus -2 (SARS -CoV -2) (Damanik et al, 2021, Febrina, 2021. Munculnya COVID-19 yang merupakan virus menyerang sistem pernapasan, yang dapat memberikan dampak buruk bagi penderitanya disertai gejala yang ringan maupun yang berat, Middle East Respiratory Syndrome (MERS) dan Severe Acute Respiratory Syndrome (SARS) .…”

Section: Pendahuluanunclassified

“…Gejala ringan yang bisa terjadi yaitu demam, bersin, sakit tenggorokan dan lain sebagainya. Dari hal tersebut kami mencoba untuk menganalisis data Covid-19 yang ada untuk dijadikan informasi, dengan cara mengelompokkan nya agar dapat menemukan jarak status dan zonasi Covid-19 (Damanik et al, 2021). Beberapa daerah memiliki jumlah penderita yang cukup banyak, sehingga mempersulit didalam pengelompokan atau clustering terhadap covid-19 tersebut.…”

Section: Pendahuluanunclassified

See 1 more Smart Citation

Visualisasi Data Mining Cluster Covid-19 menggunakan K-means dan Aplikasi Google Colaboratory

Fithri

Nugraha

Latifah

2022

JURNAL TEKNOLOGI UNIVERSAL

View full text Add to dashboard Cite

Pada tahun 2020 secara merata penduduk dunia digemparkan dengan virus covid-19, tidak terkecuali masyarakat Indonesia yang secara langsung juga mulai terdampak dengan kasus penderita sembuh dan meninggal. Indonesia memiliki data dari beberapa provinsi yang terdampak dengan beberapa kriteria cluster, yaitu cluster 1 sampai dengan cluster 4. Dalam pengelompokan cluster tersebut banyak masyarakat yang mengalami masalah dengan gejala ringan sampai dengan gejala berat. Oleh karena itu, kami melakukan penelitian untuk melakukan pengelompokan kasus covid-19 dengan menggunakan data mining. Data mining tersebut digunakan untuk menentukan pola sesuai dengan algoritma yang digunakan. Algoritma K-means sangat membantu dalam mengatasi permasalahan dalam melakukan pengelompokan kasus covid-19 ini karena dapat menghasilkan cluster sesuai dengan data yang ada. Hasil cluster yang telah terlihat adalah 2 provinsi cluster zona merah untuk penderita kasus Covid-19 terdiri dari provinsi DKI Jakarta dan Jawa Barat, 2 provinsi cluster zona orange terdiri dari provinsi Jawa Tengah dan dan Jawa Timur, 8 provinsi cluster zona kuning terdiri dari provinsi Bali, Banten, DI Yogyakarta, Sumatera Barat, Kalimantan Timur, Sumatera Utara, Riau, Sulawesi Selatan, dan 22 provinsi lainnya termasuk cluster zona hijau

show abstract

“…Selain itu juga covid-19 termasuk dalam penyakit berbahaya dikarenakan penyebarannya yang begitu mudah dan cepat. Penyebaran covid-19 dapat disebarkan dari tubuh yang satu ke tubuh yang lainnya dengan hanya berinteraksi terlalu dekat [1], [2].…”

Section: Pendahuluanunclassified

Penerapan Algoritma K-Medoids Clustering Dalam Pembentukan Zona Cluster Vaksin Boster

Lialiyah¹,

Andrea²

2022

bits

View full text Add to dashboard Cite

The effects of the COVID-19 virus pandemic are quite bad for people's lives both in Indonesia and especially in North Sumatra. The spread of the virus is quite fast from the interaction of every community, causing the government to make policies to limit the activities of each community. In addition to policies in limiting community activities, the government also makes policies by distributing vaccines for free to every community starting from the first vaccine, the second and last vaccine is the third vaccine (booster). The purpose of the vaccine itself is to stimulate the body's antibodies to recognize the weakened virus in the vaccine. The aim of the vaccine is to slow the spread of the virus itself. The third vaccine (booster) is a complementary vaccine given by the government so that antibodies can completely inhibit a person from being affected by the COVID-19 virus. Therefore, it is necessary to accelerate the process of administering the third vaccine (booster). This can be done by forming clusters in each region. The purpose of forming clusters is to be able to identify priority areas that should be given the third vaccine (booster). Therefore we need a technique that is able to group/cluster the third vaccine administration zone (booster). One technique that can be used is the K-Medoids Algorithm. The expected results of the research using the K-Medoids Algorithm are able to form a cluster zone which will later be able to find out which areas are the priority for giving the third vaccine (booster).

show abstract

Penerapan Data Mining Untuk Pengelompokan Penyebaran Covid-19 Di Sumatera Utara Menggunakan Algoritma K-Means

Cited by 7 publications

References 5 publications

Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

Penerapan Algoritma K-Means untuk Clustering Data Jumlah Penduduk Miskin Berdasarkan Kota/Kabupaten di Jawabarat menggunakan Rapidminer

Visualisasi Data Mining Cluster Covid-19 menggunakan K-means dan Aplikasi Google Colaboratory

Penerapan Algoritma K-Medoids Clustering Dalam Pembentukan Zona Cluster Vaksin Boster

Contact Info

Product

Resources

About