Penerapan Metode Cosine Similarity untuk Meningkatkan Kinerja K-Means pada Pengelompokan Wilayah Penanganan Covid di DKI Jakarta
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Jember
Author
Nosra, Almanda
Subject
005 Computer Programming, Programs, & Data
Datestamp
2022-02-04 01:46:03
Abstract :
Fenomena Covid-19 telah menggemparkan dunia, Indonesia adalah salah satu negara dimana masyarakatnya terdampak dari virus tersebut. Pada penelitian ini dilakukan klasterisasi epidemi virus Covid-19 di DKI Jakarta. kota tersebut di pilih berdasarkan angka kasus tertinggi di Indonesia. Alasan dilakukannya klasterisasi ini berkaitan dengan mengelompokkan kasus persebaran covid di daerah-daerah DKI Jakarta dimana nantinya akan dilakukan untuk menentukan penanganan Covid-19. Menerapkan teknik data mining. Pengelompokan didasarkan pada nomor parameter dirawat, sembuh, meninggal dan isolasi mandiri. Metode K-Means dan metode Cosine Similarity, dan diuji dengan metode DBI (Davies Bouldin Index) dengan menghitung tingkat perhitungan DBI dengan menggunakan metode K-Means tanpa cosine dan tingkat perhitungan DBI dengan menggunakan metode K-Means cosine. Penerapan teknologi data mining. Pengelompokan didasarkan pada nomor parameter. Pengklasteran dilakukan berdasarkan penyebaran kasus terbanyak di provinsi DKI Jakarta. Hasil perhitungannya adalah Tingkat perhitungan nilai DBI yang paling baik dengan menggunakan metode K-means cosine Similarity, karena nilai yang diperoleh rendah, yaitu diperoleh nilai DBI (Davies Bouldin Index) terkecil pada cluster 9 yaitu sebesar -5.527. Sedangkan nilai DBI terbesar pada 2 cluster dengan nilai -2.282.
Fenomena Covid-19 telah menggemparkan dunia, Indonesia adalah salah satu negara dimana masyarakatnya terdampak dari virus tersebut. Pada penelitian ini dilakukan klasterisasi epidemi virus Covid-19 di DKI Jakarta. kota tersebut di pilih berdasarkan angka kasus tertinggi di Indonesia. Alasan dilakukannya klasterisasi ini berkaitan dengan mengelompokkan kasus persebaran covid di daerah-daerah DKI Jakarta dimana nantinya akan dilakukan untuk menentukan penanganan Covid-19. Menerapkan teknik data mining. Pengelompokan didasarkan pada nomor parameter dirawat, sembuh, meninggal dan isolasi mandiri. Metode K-Means dan metode Cosine Similarity, dan diuji dengan metode DBI (Davies Bouldin Index) dengan menghitung tingkat perhitungan DBI dengan menggunakan metode K-Means tanpa cosine dan tingkat perhitungan DBI dengan menggunakan metode K-Means cosine. Penerapan teknologi data mining. Pengelompokan didasarkan pada nomor parameter. Pengklasteran dilakukan berdasarkan penyebaran kasus terbanyak di provinsi DKI Jakarta. Hasil perhitungannya adalah Tingkat perhitungan nilai DBI yang paling baik dengan menggunakan metode K-means cosine Similarity, karena nilai yang diperoleh rendah, yaitu diperoleh nilai DBI (Davies Bouldin Index) terkecil pada cluster 9 yaitu sebesar -5.527. Sedangkan nilai DBI terbesar pada 2 cluster dengan nilai -2.282.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
