PERBANDINGAN METODE K-MEANS EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE PADA PENENTUAN ZONASI COVID-19 DI KABUPATEN MALANG

  • Wahyu Pribadi W
  • Yunus A
  • Wiguna A
N/ACitations
Citations of this article
158Readers
Mendeley users who have this article in their library.

Abstract

Coronavirus (Corona Virus Desease) atau yang biasa disebut Covid-19 ini adalah sebuah penyakit yang sangat berbahaya. Banyaknya jumlah kasus Covid-19 yang tercatat di Kabupaten Malang membuat pemerintah dituntut untuk membagi Zonasi wilayah pada setiap Kecamatan di Kabupaten Malang agar dapat membuat kebijakan atau peraturan yang dapat ditaati oleh zona-zona tertentu. K-Means adalah sebuah algoritma untuk mengelompokkan data berdasarkan titik pusat klaster (Centeroid) yang paling dekat dengan data tersebut (Metisen & Sari, 2015). K-Means bertujuan untuk mengelompokkan data dengan memaksimalkan kesamaan data dalam klaster dan meminimalkan kesamaan data antar klaster (Asroni & Adrian, 2015). Kualitas hasil Clustering yang lebih baik dari Euclidean Distance dan Manhattan Distance pada metode K-Means diharapkan dapat menentukan Clustering pada Zonasi Covid-19 di Kabupaten Malang. Metode K-Means dengan Euclidean Distance memperoleh nilai Silhouette Coefficient dan Standart Deviasi yang lebih baik dari metode K-Means Manhattan Distance dengan perbandingan nilai Silhouette Coefficient 0,71 > 0,64 dan nilai Standart Deviasi 0,46466002 < 0,4961977.

Cite

CITATION STYLE

APA

Wahyu Pribadi, W., Yunus, A., & Wiguna, A. S. (2022). PERBANDINGAN METODE K-MEANS EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE PADA PENENTUAN ZONASI COVID-19 DI KABUPATEN MALANG. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 493–500. https://doi.org/10.36040/jati.v6i2.4808

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free