Evaluasi Cluster Penyebaran COVID-19 dengan Algoritma K-Means Clustering Berbasis Web

Jericho Widjaja, Clemens (2021) Evaluasi Cluster Penyebaran COVID-19 dengan Algoritma K-Means Clustering Berbasis Web. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] Text
HALAMAN_AWAL.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (200kB)
[img]
Preview
Text
DAFTAR_PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (152kB) | Preview
[img]
Preview
Text
BAB_I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (225kB) | Preview
[img]
Preview
Text
BAB_II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (337kB) | Preview
[img]
Preview
Text
BAB_III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (655kB) | Preview
[img] Text
BAB_IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[img]
Preview
Text
BAB_V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (148kB) | Preview
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (570kB)

Abstract

COVID-19 merupakan keluarga besar virus yang menyebabkan infeksi saluran pernpasan, mulai dari flu biasa hingga penyakit yang serius seperti MERS dan SARS. Virus ini pertama kali ditemukan di Wuhan, China pada Desember 2019, hingga saat ini virus ini telah menginfeksi hampir ke seluruh dunia dan ditetapkan sebagai pandemi oleh WHO. Indonesia menjadi salah satu negara yang terdampak virus ini, cepatnya penyebaran COVID-19 dan kelalaian pemerintah menjadikan Indonesia sebagai negara dengan dampak COVID-19 paling parah di Asia. Berdasarkan data, Provinsi DKI Jakarta merupakan provinsi dengan kasus persebaran paling banyak di Indonesia. Atas dasar tersebut, maka perlu dilakukan adanya upaya pengklasteran sebagai bentuk evaluasi terhadap COVID-19. Pada penelitian ini, memiliki fokus utama untuk menentukan pengelompokkan wilayah menggunakan algoritma K-Means Clustering. Algoritma K-Means Clustering diterapkan untuk tiap kasus aktif, kasus positif, jumlah kesembuhan, dan kasus meninggal sehingga didapatkan predikat cluster masing-masing kecamatan di DKI Jakarta. Didapatkan bahwa pada tanggal 23 Agustus 2021, pada kasus aktif sebanyak 4 kecamatan memiliki risiko tinggi, 21 kecamatan memiliki risiko sedang dan 19 kecamatan memiliki risiko rendah. Pada kasus positif, sebanyak 7 kecamatan memiliki risiko tinggi, 19 kecamatan memiliki risiko sedang dan 18 kecamatan memiliki risiko rendah. Pada jumlah kesembuhan sebanyak 14 kecamatan memiliki risiko tinggi, 19 kecamatan memiliki risiko sedang dan 11 kecamatan memiliki risiko rendah. Dan pada kasus meninggal sebanyak 2 kecamatan memiliki risiko tinggi, 22 kecamatan memiliki risiko sedang dan 20 kecamatan memiliki risiko rendah. Dari hasil penghitungan setiap harinya, dapat diketahui bahwa trend COVID-19 di DKI Jakarta terus meningkat.

Item Type: Thesis (Bachelor Thesis)
Keywords: Cluster, COVID-19, kecamatan, predikat, risiko vii Evaluasi Cluster Penyebaran COVID-19 Dengan Algoritma K-Means Clustering Berbasis Web, Clemens Jericho Widjaja, Universitas Multimedia Nusantara
Subjects: 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.6 Internet, Cloud Computing, Website, LAN, Email
000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 10 Oct 2022 03:46
Last Modified: 09 Aug 2023 00:15
URI: https://kc.umn.ac.id/id/eprint/20017

Actions (login required)

View Item View Item