PERBANDINGAN ALGORITMA K-MEANS DAN K�MEDOIDS UNTUK PENGELOMPOKAN WILAYAH
PENYEBARAN COVID-19 DI JAWA BARAT DENGAN
ANALISIS DAVIES-BOULDIN INDEX, PURITY DAN
SILHOUETTE COEFFICIENT
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Mutaali, Ahmad Lutfi
Subject
T Technology (General)
Datestamp
2023-02-22 06:36:02
Abstract :
ABSTRAK Covid-19 sekarang menjadi sebuah pandemi yang terjadi di banyak negara di seluruh dunia. Termasuk di Indonesia, khususnya di provinsi Jawa Barat yang merupakan salah satu wilayah di Indonesia yang penyebarannya paling besar. Besarnya penyebaran Covid-19 di Jawa Barat sehingga diperlukannya pengelompokan daerah terdampak Covid-19 untuk mengetahui karakteristik atau kriteria dari setiap daerah. Salah satu cara yang dapat dilakukan dalam pengelompokan ini menggunakan analisis cluster. Penelitian ini membandingkan algoritma K-Means dan K-Medoids dalam pengelompokan Covid-19 untuk mengetahui algoritma mana yang terbaik dengan pengukuran evaluasi menggunakan analisis Davies-Bouldin Index (DBI), Purity dan Silhouette Coefficient. Hasil Clustering ini dibagi menjadi 3 cluster yaitu rendah, sedang dan tinggi. Hasil penelitian ini didapatkan 19 Kabupaten/Kota cluster rendah, 6 kabupaten/kota cluster sedang, 2 kota cluster tinggi. Hasil evaluasi algoritma K?Means dengan Davies-Bouldin Index (DBI) sebesar 0.343, Purity sebesar 0.78, dan Silhouette Coefficient 0.783. Sedangkan algoritma K-Medoids dengan Davies?Bouldin Index (DBI) sebesar 0.441, Purity sebesar 0.74, dan Silhouette Coefficient 0.783. Kata Kunci: Covid-19, Clustering, Davies-Bouldin Index (DBI), K-Means, K?Medoids, Purity dan Silhouette Coefficient.
ABSTRAK Covid-19 sekarang menjadi sebuah pandemi yang terjadi di banyak negara di seluruh dunia. Termasuk di Indonesia, khususnya di provinsi Jawa Barat yang merupakan salah satu wilayah di Indonesia yang penyebarannya paling besar. Besarnya penyebaran Covid-19 di Jawa Barat sehingga diperlukannya pengelompokan daerah terdampak Covid-19 untuk mengetahui karakteristik atau kriteria dari setiap daerah. Salah satu cara yang dapat dilakukan dalam pengelompokan ini menggunakan analisis cluster. Penelitian ini membandingkan algoritma K-Means dan K-Medoids dalam pengelompokan Covid-19 untuk mengetahui algoritma mana yang terbaik dengan pengukuran evaluasi menggunakan analisis Davies-Bouldin Index (DBI), Purity dan Silhouette Coefficient. Hasil Clustering ini dibagi menjadi 3 cluster yaitu rendah, sedang dan tinggi. Hasil penelitian ini didapatkan 19 Kabupaten/Kota cluster rendah, 6 kabupaten/kota cluster sedang, 2 kota cluster tinggi. Hasil evaluasi algoritma K?Means dengan Davies-Bouldin Index (DBI) sebesar 0.343, Purity sebesar 0.78, dan Silhouette Coefficient 0.783. Sedangkan algoritma K-Medoids dengan Davies?Bouldin Index (DBI) sebesar 0.441, Purity sebesar 0.74, dan Silhouette Coefficient 0.783. Kata Kunci: Covid-19, Clustering, Davies-Bouldin Index (DBI), K-Means, K?Medoids, Purity dan Silhouette Coefficient.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
