IMPLEMENTASI ALGORITMA K-MEANS DAN C4.5 DALAM MENENTUKAN TINGKAT PENYEBARAN COVID-19 DI INDONESIA

Fadilah Salsabila, Sheila Maulida Intani

Abstract


COVID-19 merupakan penyakit menular yang disebabkan oleh virus corona yang sedang melanda dunia, termasuk Indonesia. Saat ini, penyebaran kasus Covid-19 cukup cepat dan sangat berdampak negatif terhadap semua bidang. Indonesia memiliki wilayah yang luas, sehingga penelitian ini bertujuan untuk mengelompokkan tingkat penyebaran kasus Covid-19 berdasarkan provinsi di Indonesia. Pengelompokkan menggunakan kombinasi algoritma klasterisasi K-Means dengan algoritma klasifikasi C4.5. Algoritma K-Means berfungsi untuk melakukan pengelompokkan data ke dalam klaster wilayah di Indonesia berdasarkan provinsi. Hasil dari pengelompokkan digunakan algoritma C4.5 untuk melihat aturan berupa pohon keputusan. Label pengelompokkan yang digunakan sebanyak 4 klaster yaitu klaster darurat (cluster_0 = hitam), klaster tinggi (cluster_1 = zona merah), klaster sedang (cluster_2 = zona kuning), dan klaster rendah (cluster_3 = zona hijau). Penentuan jumlah klaster (k) ditentukan dengan menggunakan parameter DBI (Davies Bouldin Index) untuk mengoptimalkan hasil klaster yang diperoleh, dimana untuk k=4 ini memiliki nilai DBI sebesar 0.110. Hasil pengelompokkan yang diperoleh terdapat 1 provinsi yang berada di klaster darurat yaitu DKI Jakarta, 3 provinsi yang berada di klaster tinggi yaitu Jawa Barat, Jawa Tengah, dan Jawa Timur, 8 provinsi yang berada di klaster sedang yaitu Sumatera Utara, Sumatera Barat, Riau, Kalimantan Timur, Kalimantan Selatan, Banten, Bali serta Sulawesi Selatan, dan sisanya sebanyak 22 provinsi berada di klaster rendah. Hasil dari kombinasi algoritma tersebut dapat digunakan untuk kebutuhan tertentu dan memberikan pengetahuan baru yaitu informasi mengenai pemetaan berupa klaster terhadap jumlah persebaran kasus Covid-19 di Indonesia.


Full Text:

PDF (25-30)

References


N. Dwitri, J. A. Tampubolon, S. Prayoga, F. Ilmi Zer, and D. Hartama, “Penerapan Algoritma K-Means Dalam Menentukan Tingkat Kepuasan Pembelajaran Online Pada Masa Pandemi Covid-19 di Indonesia,” Jti (Jurnal Teknol. Informasi), vol. 4, no. 1, pp. 101–105, 2020.

R. A. Indraputra and R. Fitriana, “K-Means Clustering Data COVID-19,” vol. 10, no. 3, pp. 275–282, 2020.

A. Susilo et al., “Coronavirus Disease 2019: Tinjauan Literatur Terkini,” J. Penyakit Dalam Indones., vol. 7, no. 1, p. 45, 2020, doi: 10.7454/jpdi.v7i1.415.

S. Sindi, W. R. O. Ningse, I. A. Sihombing, F. Ilmi R.H.Zer, and D. Hartama, “Analisis Algoritma K-Medoids Clustering Dalam Pengelompokan Penyebaran Covid-19 Di Indonesia,” Jti (Jurnal Teknol. Informasi), vol. 4, no. 1, pp. 166–173, 2020.

A. P. Windarto, U. Indriani, M. R. Raharjo, and L. S. Dewi, “Bagian 1: Kombinasi Metode Klastering dan Klasifikasi (Kasus Pandemi Covid-19 di Indonesia),” J. Media Inform. Budidarma, vol. 4, no. 3, p. 855, 2020, doi: 10.30865/mib.v4i3.2312.

I. G. I. Sudipa, I Nyoman Alit Arsana, and Made Leo Radhitya, “Penentuan Tingkat Pemahaman Mahasiswa Terhadap Social Distancing Menggunakan Algoritma C4.5,” SINTECH (Science Inf. Technol. J., vol. 3, no. 1, pp. 1–7, 2020, doi: 10.31598/sintechjournal.v3i1.562.

A. F. Muhammad, “Klasterisasi Proses Seleksi Pemain Menggunakan Algoritma K-Means (Study Kasus : Tim Hockey Kabupaten Kendal),” Jur. Tek. Inform. FIK UDINUS, pp. 1–5, 2015.

S. Turnip and P. Siltionga, “Analisis Pola Penyebaran Penyakit dengan Menggunakan Algoritma C4.5,” J. Tek. Inform. Unika St. Thomas, vol. 03, no. 479, pp. 3–7, 2018.


Refbacks

  • There are currently no refbacks.