Analisis Clustering Kasus Covid 19 di Indonesia Menggunakan Algoritma K-Means

Abstract

Kasus Covid 19 semakin meningkat di Indonesia. Penelitian ini bermaksud untuk menerapkan teknik penambangan data (data mining) dengan algoritma clustering K-Means. Penelitian ini  menganalisiis pola penyebaran Covid 19 dengan mengelompokan kasus Covid 19 di Indonesia yang didapatkan dari website dataset Kaggle. Metode penambangan data (data mining) yang digunakan yaitu Cross Industry Standard Process for Data-Mining (CRISP-DM). Penelitian ini mengembangkan dari penelitian yang terdahulu dengan data dan atribut yang lebih banyak. Data yang digunakan sebanyak 16.284 dari tanggal 1 Maret 2020 hingga 9 Juli 2021. Pengelompkan provinsi di Indonesia ke beberapa cluster tertentu sehingga dapat mengetahui daerah dengan jumlah kasus yang banyak dan yang sedikit serta karakteristiknya.  Hasil klasterisasi provinsi diharapkan dapat memberikan saran kepada pemerintah dalam membuat aturan atau kebijakan terkait pembatasan kegiatan masyarakat atau kebijakan lainnya dalam mengatasi penyebaran COVID-19. Penentuan jumlah cluster yang optimal atau validasi cluster menggunakan David Boulden index (DBI). Cluster yang terbaik ditentukan dari nilai David Boulden Index yang terendah.  Hasil penelitian ini diperoleh 3 cluster yang terbaik dengan nilai DBI terendah, yaitu sebesar 0,47. Cluster 1 terdiri dari 30 provinsi, Cluster 2 dan 3 masing-masing 2 provinsi. Saran untuk peneliti selanjutnya yaitu menambahkan algoritma clustering yang lain dan membandingkan beberapa algoritma untuk memperoleh hasil yang terbaik.