Penerapan Data Mining dalam Klasterisasi Wilayah Penyebaran Covid-19 di DKI Jakarta

Al Afifah, Fasya (2023) Penerapan Data Mining dalam Klasterisasi Wilayah Penyebaran Covid-19 di DKI Jakarta. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (341kB) | Preview
Preview	PDF BAB_I.pdf Download (149kB) | Preview
Preview	PDF BAB_II.pdf Download (519kB) | Preview
Preview	PDF BAB_III.pdf Download (322kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
Preview	PDF BAB_V.pdf Download (287kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)

Abstract

Pada akhir tahun 2019 beredar virus yang menyebar sangat cepat yaitu Coronavirus disease (Covid-19) yang pertama kali muncul di Wuhan, Cina. Penyebaran Covid- 19 menyebar keseluruh wilayah termasuk Indonesia, khususnya DKI Jakarta. Per tanggal 31 Oktober 2022 tercatat total positif 1.447.780 pasien di DKI Jakarta. Dengan banyaknya jumlah kasus positif di DKI Jakarta membutuhkan strategi penanganan yang efektif di setiap kecamatan dan kelurahan sehingga dengan adanya pengelompokkan/ klasterisasi penyebaran Covis-19 di seluruh wilayah dapat strategi dan prioritas penanganannya. Tujuan penelitian ini yaitu melakukan klasterisasi penyebaran virus Covid-19 di DKI Jakarta menggunakan teknik data mining dengan metode k-means dan fuzzy c-means. Teknik data mining yang dilakukan menerapkan kerangka kerja CRISP- DM (The Cross Industry Standard Process for Data Mining) dan alat bantu Jupyter notebook yang didalamnya menggunakan bahasa pemrograman Python. Hasil dari penelitian yang dilakukan yaitu menghasilkan 3 (tiga) klaster yang yaitu klaster yang mencerminkan jumlah kasus Covid-19 yang terjadi diseluruh wilayah DKI Jakarta yaitu klaster merah dengan jumlah terbanyak, kuning dengan jumlah sedang dan hijau dengan jumlah sedikit. Dalam menentukan 3 (tiga) buah klaster yang optimal, penelitian ini menggunakan metode Elbow dengan hasil bahwa kedua metode mendapatkan klaster optimal yang sama di data kecamatan dan data kelurahan. Selanjutnya, dilakukan evaluasi metode menggunakan Davies­Bouldin index (DBI) dan Calinski-Harabazs Index (CH) yang memperoleh hasil bahwa klaster yang didapatkan merupakan klaster optimal karena nilai DBI yang didapatkan semakin kecil dan nilai CH yang didapatkan semakin besar. Metode k- means mendapatkan nilai DBI, CH dan Silhouette yaitu 0.78, 68.20 dan 0.39 pada data kecamatan. Sedangkan, metode fuzzy c-means yaitu 0.83, 43.91 dan 0.36 pada data kecamatan. Oleh karena itu, metode k-means dan fuzzy c-means mendapatkan jumlah klaster yang sama-sama baik dalam melakukan klasterisasi penyebaran Covid-19 di DKI Jakarta

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Covid-19, Data Mining, Fuzzy C-Means, Klastering, K-means
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	13 Mar 2023 09:16
Last Modified:	04 Jul 2023 02:37
URI:	https://kc.umn.ac.id/id/eprint/24399

Actions (login required)

View Item