Penerapan metode k-means clustering data COVID-19 di Provinsi Jakarta

Authors

  • Meida Cahyo Untoro Institut Teknologi Sumatera, Lampung Selatan
  • Leslie Anggraini Institut Teknologi Sumatera, Lampung Selatan
  • Maria Andini Institut Teknologi Sumatera, Lampung Selatan
  • Hesti Retnosari Institut Teknologi Sumatera, Lampung Selatan
  • M. Anas Nasrulloh Institut Teknologi Sumatera, Lampung Selatan

DOI:

https://doi.org/10.26594/teknologi.v11i2.2323

Abstract

The disease epidemic that attacked the respiratory area and was detected in Indonesia starting in early 2020 is the Corona Virus (COVID-19). This virus's spread is relatively easy, namely through droplets from infected patients, so that the spread is very rapid. This research was conducted to cluster the data on Covid-19 cases in Jakarta Province considering that Jakarta is the starting point for the first case of Corona in Indonesia and until now has become one of the most significant contributors to COVID-19 issues in Indonesia, namely as of December 2020 positive cases of Covid-19 reached 154,000. Souls with the healing of 139.0000 souls. The grouping was carried out based on positive and dead patients from each urban village in Jakarta Province. This study uses the k-means Method to cluster in the handling of COVID-19 cases with 2 clusters. Data distribution in cluster 1 consists of 173 data and 18 data in cluster 2. The use of k-means in this study provides information on areas with the highest and lowest number of positive cases and the highest and lowest cure rates that can be used as an evaluation in handling the Covid-virus 19.

Author Biographies

Meida Cahyo Untoro, Institut Teknologi Sumatera, Lampung Selatan

Program Studi Teknik Informatika

Leslie Anggraini, Institut Teknologi Sumatera, Lampung Selatan

Program Studi Teknik Informatika

Maria Andini, Institut Teknologi Sumatera, Lampung Selatan

Program Studi Teknik Informatika

Hesti Retnosari, Institut Teknologi Sumatera, Lampung Selatan

Program Studi Teknik Informatika

M. Anas Nasrulloh, Institut Teknologi Sumatera, Lampung Selatan

Program Studi Teknik Informatika

References

Bastian, A., Sujadi, H., & Febrianto, G. (2018). Penerapan Algoritma k-Means Clustering Analysis Pada Penyakit Menular Manusia (Studi Kasus Kabupaten Majalengka). Jurnal Sistem Informasi (Journal of Information System), 14(1), 26-32.

Budiman, R., & Rudianto, R. (2019). Penerapan Data Mining Untuk Menentukan Lokasi Promosi Penerimaan Mahasiswa Baru Pada Universitas Banten Jaya (Metode K-Means Clustering). Protekinfo: Jurnal Pengembangan Riset dan Observasi Teknik Informatika, 6(1), 6-14.

Dwitri, N., Tampubolon, J. A., Prayoga, S., Zer, F. I., & Hartama, D. (2020). Penerapan Algoritma k-Means dalam Menentukan Tingkat Penyebaran Pandemi COVID-19 di Indonesia. JurTI (Jurnal Teknologi Informasi), 4(1), 128-132.

Fitriana, R., Saragih, J., & Hasyati, B. A. (2018). Perancangan Model Sistem Intelijensia Bisnis untuk Menganalisis Pemasaran Produk Roti di Pabrik Roti Menggunakan Metode Data Mining dan Cube. Jurnal Teknologi Industri Pertanian, 28(1), 113-126.

Gustientiedina, G., Adiya, M., & Desnelita, Y. (2019). Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru. Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI), 5(1), 17-24.

Indraputra, R. A., & Fitriana, R. (2020). K-Means Clustering Data COVID-19. Jurnal Teknik Industri, 10(3), 275-282.

Jakarta, P. (2021). Data Pemantauan COVID-19. Jakarta: Pemprov Jakarta. Retrieved April 4, 2021, from https://corona.jakarta.go.id/id/data-pemantauan

Kaufman, L., & Rousseeuw, P. J. (2005). Finding Groups in Data: An Introduction to Cluster Analysis. Wiley.

Lesmana, S., Akbari, A. F., Rahman, E. Y., & Gustian, D. (2020). Penerapan K-Means dalam Efektivitas Pembelajaran ELearning pada Masa Pandemi Covid-19. Seminar Nasional Informatika 2020 (SEMNASIF 2020), (pp. 100-110).

Madhulatha, T. S. (2012). An Overview on Clustering Methods. IOSR Journal of Engineering, 2(4), 719-725.

Maulida, L. (2018). Penerapan Datamining dalam Mengelompokkan Kunjungan Wisatawan ke Objek Wisata Unggulan di Prov. DKI Jakarta dengan k-Means. JISKA (Jurnal Informatika Sunan Kalijaga), 2(3), 167-174.

Noviyanto, N. (2020). Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian Penderita COVID-19 Berdasarkan Negara di Benua Asia. Paradigma, 22(2), 183-188.

Ogbuabor, G., & Ugwoke, F. N. (2018). Clustering Algorithm for a Healthcare Dataset Using Silhouette Score Value. International Journal of Computer Science & Information Technology (IJCSIT), 10(2), 27-37.

Rembulan, G. D., Wijaya, T., Palullungan, D., Alfina, K. N., & Qurthuby, M. (2020). Kebijakan Pemerintah Mengenai Coronavirus Disease (COVID-19) di Setiap Provinsi di Indonesia Berdasarkan Analisis Klaster. JIEMS (Journal of Industrial Engineering and Management Systems), 13(2), 74-86.

Sindi, S., Ningse, W. R., Sihombing, I. A., Zer, F. I., & Hartama, D. (2020). Analisis Algoritma k-Medoids Clustering dalam Pengelompokan Penyebaran COVID-19 di Indonesia. JurTI (Jurnal Teknologi Informasi), 4(1), 166-173.

Solichin, A., & Khairunnisa, K. (2020). Klasterisasi Persebaran Virus Corona (Covid-19) Di DKI Jakarta Menggunakan Metode K-Means. Fountain of Informatics Journal, 5(2), 52-59.

Suwandi, S. I., Seloatmodjo, X. W., Situmorang, A., & Rakhmawati, N. A. (2021). Analisis privasi data pengguna contact tracing application pengendalian COVID-19 di Indonesia berdasarkan PERPRES RI No. 95 tahun 2018 tentang sistem pemerintahan berbasis elektronik. Teknologi: Jurnal Ilmiah Sistem Informasi, 11(1), 46-58.

Taslim, T., & Fajrizal, F. (2016). Penerapan algorithma k-mean untuk clustering data obat pada puskesmas rumbai. Jurnal Teknologi Informasi & Komunikasi Digital Zone, 7(2), 108-114.

Untoro, M. C., & Buliali, J. L. (2018). Penanganan imbalance class data laboratorium kesehatan dengan Majority Weighted Minority Oversampling Technique. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 4(1), 23-29.

Untoro, M. C., Praseptiawan, M., Widianingsih, M., Ashari, I. F., Afriansyah, A., & Oktafianto, O. (2020). Evaluation of Decision Tree, k-NN, Naive Bayes and SVM with MWMOTE on UCI Dataset. Journal of Physics: Conference Series, 1477.

Zubair, M., Iqbal, M. A., Shil, A., Haque, E., Hoque, M. M., & Sarker, I. H. (2020). An Efficient K-means Clustering Algorithm for Analysing COVID-19.

Downloads

Published

2021-04-04

Issue

Section

Articles