PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS DALAM CLUSTERING RATA-RATA PENAMBAHAN KASUS COVID-19 BERDASARKAN KOTA/KABUPATEN DI PROVINSI SUMATERA SELATAN

Abstract

Penyebaran yang cukup luas dan cepat, membuat pandemi Covid-19 di Sumatera Selatan berdampak negatif pada semua sektor seperti kesehatan, pekerjaan dan perekonomian. Dengan kebijakan pemerintah yang mengelompokkan wilayah penanganan Covid-19 menjadi 4 zona, perlu dievaluasi apakah pengelompokkan wilayah tersebut sudah tepat menggunakan teknik clustering data mining dengan algoritma K-Means dan K-Medoids. Dari hasil pengujian algoritma K-Means memberikan nilai DBI terbaik adalah 0.078 pada K=2. Sedangkan algoritma K-Medoids memberikan nilai DBI terbaik adalah 0.250 pada K=3. Sehingga kesimpulan yang didapatkan, pembagian wilayah penanganan Covid-19 di provinsi Sumatera Selatan dibagi menjadi 2 cluster (yaitu Kota Palembang dan Luar Kota Palembang) atau menjadi 3 cluster (yaitu Kota Palembang, dekat dengan Kota Palembang dan jauh dari Kota Palembang).   Kata kunci: Covid-19, K-Means, K-Medoids, Clustering, DBI