Analisis Penyebaran Pandemi Covid-19 di Kota Jakarta Menggunakan Metode Clustering K-Means dan Density Based Spatial Clustering of Application With Noise

Tukiyat Tukiyat; Yohanes Djohan

doi:10.31294/inf.v9i1.11226

Analisis Penyebaran Pandemi Covid-19 di Kota Jakarta Menggunakan Metode Clustering K-Means dan Density Based Spatial Clustering of Application With Noise

Tukiyat Tukiyat, Yohanes Djohan

Abstract

Pandemi Covid-19 awal Maret 2020 telah masuk di Indoensai dan penyebaran virus covid-19 di Jakarta sudah sangat mengkhawatirkan, dengan wilayah yang cukup luas Jakarta menjadi salah satu daerah dengan perkembangan warga terinfeksi virus covid-19 yang sangat tinggi. Penelitian ini bertujuan untuk menganalisis pola penyebaran virus covid-19 di kota DKI Jakarta sehingga mampu memberikan gambaran cluster umum yang menjadi pusat pergerakan virus ini di wilayah DKI Jakarta. Data penelitian berupa data sekunder yang diperoleh dari sumber https://corona.Jakarta.go.id. Berjumlah 267 data. Sampel penelitian sebanyak sebanyak 151 data. Data tersebut selanjutnya akan dianalisis untuk memetakan pola penyebaran virus covid-19 di kota Jakarta dengan menggunakan metode K-Means dan Density Based Spatial Clustering of Applications With Noise (DBSCAN). Hasil analisis metode K-Means menunjukan bahwa pandemi virus covid-19 terbagi dalam empat cluster yaitu cluster 0 dengan anggota sebanyak 91 data, cluster 1 dengan anggota sebanyak 23 data, cluster 2 sebanyak 62 data dan cluster 3 sebanyak 91 data. Sedangkan untuk metode DBSCAN menghasilkan empat cluster dengan komposisi cluster 0 sebanyak 87 data, cluster 1 sebanyak 23 data, cluster 2 sebanyak 63 data dan cluster 3 sebanyak 94 data. Hasil validasi cluster menggunakan Davies Bouldin Index menunjukan bahwa dalam penelitian ini metode K-Means lebih baik dibanding metode DBSCAN dengan perbandingan index DBI 0,027968805 untuk K-Means dan 1,172562165 untuk DBSCAN.

Keywords

Data Mining

Full Text:

PDF (Bahasa Indonesia)

References

Anggara, M., Sujiani, H., & Nasution, H. (2016). Pemilihan Distance Measure Pada K-Means Clustering Untuk Pengelompokkan Member Di Alvaro Fitness. JUSTIN (Jurnal Sistem Dan Teknologi Informasi), 1(1), 1–6.

Aritonang, A. R., Sutarman, & Sihombing, P. (2015). Analisis Subspace Clustering Menggunakan DBSCAN dan SUBCLU Untuk Proyeksi Pekerjaan Alumni Perguruan Tinggi. Teknovasi, 02, 33–60.

Bastian, A., Sujadi, H., & Febrianto, G. (2018). Penerapan Algoritma K-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka). In jsi.cs.ui.ac.id. Retrieved February 24, 2021, from http://jsi.cs.ui.ac.id/index.php/jsi/article/view/566

Budiman, S., Safitri, D., & Ispriyanti, D. (2016). Perbandingan Metode K-Means Dan Metode Dbscan Pada Pengelompokan Rumah Kost Mahasiswa Di Kelurahan Tembalang Semarang. None, 5(4), 757–762.

Fajriah, R. I., Sutisna, H., & Simpony, B. K. (2019). Perbandingan Distance Space Manhattan Dengan Euclidean Pada K - Means Clustering Dalam Menentukan Promosi. Informatika, Bina Sarana Bsi, Universitas, 4(1), 36–49.

Gustientiedina, G., Adiya, M. H., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan. Jurnal Nasional Teknologi Dan Sistem Informasi, 5(1), 17–24. https://doi.org/10.25077/teknosi.v5i1.2019.17-24

Handayani, R. T., Arradini, D., Darmayanti, A. T., Widiyanto, A., & Atmojo, J. T. (2020). Pandemi covid-19, respon imun tubuh, dan herd immunity. Jurnal Ilmiah Stikes Kendal, 10(3), 373–380.

Pratiwi1, M., Agustini3, P., Jendral, J., Yani, H., & 12 Palembang, N. (2015). Penerapan K-Means Clustering Untuk Memprediksi Minat Nasabah Pada Pt. Asuransi Jiwa Bersama 1912 Bumiputera Prabumulih. In if.binadarma.ac.id. Retrieved February 24, 2021, from http://if.binadarma.ac.id/sipi/jurnal/Jurnal-Jurnal Skripsi Lhorend.pdf

Putu, N., Merliana, E., & Santoso, A. J. (2016). Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means. 978–979.

Rahman, A. T., Wiranto, & Rini, A. (2017). Coal Trade Data Clustering Using K-Means (Case Study Pt. Global Bangkit Utama). ITSMART: Jurnal Teknologi Dan Informasi, 6(1), 24–31. https://jurnal.uns.ac.id/itsmart/article/download/11296/11108

Sari, B. N., & Primajaya, A. (2019). Penerapan Clustering Dbscan Untuk Pertanian Padi Di Kabupaten Karawang. Jurnal Informatika Dan Komputer,4(1), 28–34. www.mapcoordinates.net/en.

DOI: https://doi.org/10.31294/inf.v9i1.11226