Search for collections on Repository Universitas Satya Negara Indonesia

APLIKASI DATA MINING UNTUK CLUSTERING DAERAH PENYEBARAN COVID-19 DI DKI JAKARTA MENGGUNAKAN ALGORITMA K-MEANS

Hanif, Habibi Kholil Al (2022) APLIKASI DATA MINING UNTUK CLUSTERING DAERAH PENYEBARAN COVID-19 DI DKI JAKARTA MENGGUNAKAN ALGORITMA K-MEANS. Undergraduate thesis, Universitas Satya Negara Indonesia.

[img] Text
abstrak.pdf

Download (1MB)
[img] Text
bab 1.pdf

Download (1MB)

Abstract

Penyakit Koronavirus 2019 (coronavirus disease2019, disingkat COVID-19) adalah penyakit menular yang disebabkan oleh SARS-Cov-2, salah satu jenis korona virus. Penderita Covid-19 dapat mengalami demam, batik kering, dan kesulitan bernapas. Infeksi menyebar dari satu orang ke orang lain melalui percikan (droplet) dari saluran pernapasan yang dihasilkan saat batuk atau bersin. Banyaknya Jumlah penduduknya hingga tahun 2019 mencapai 11.063.324 jiwa yang tersebar di 6 Kota terdiri dari 44 Kecamatan serta 267 Kelurahan membuat Covid-19 mudah menyebar. Untuk dapat melihat daerah penyebaran Covid-19 maka perlu dibuatkan pengelompokan berdasarkan atribut yang dipakai yang terdiri dari Kasus Suspek, Kasus Probalbe, Kontak Erat ,Kasus Konfirmasi dan Meninggal. Pada penelitian ini, untuk melakukan klasterisasi data digunakan metode K-Means dan metode pengukuran jarak Euclidean. Penelitian ini menghasilkan prototipe aplikasi pengelompokan data persebaran pasien Covid-19. Hasil dari implementasi Algoritma K-Means yaitu cluster penyebaran Covid-19 di DKI Jakarta dibagi dalam 3(tiga) cluster yaitu cluster 1, cluster 2 dan cluster 3. Cluster 1 merupakan zona kasus sedang, Cluster 2 merupakan zona kasus tinggi dan Cluster 3 merupakan zona kasus rendah.

Item Type: Thesis (Undergraduate)
Subjects: Technology > Technology (General)
Divisions: Fakultas Teknik > Teknik Informatika (S1)
Depositing User: Tn Andrian Prayudho
Date Deposited: 23 Sep 2022 10:43
Last Modified: 23 Sep 2022 10:43
URI: http://repo.usni.ac.id/id/eprint/996

Actions (login required)

View Item View Item