CLUSTERING RUMAH ISOLASI DI KOTA SURAKARTA
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Penelitian ini bertujuan untuk melakukan clustering rumah isolasi bagi warga kota Surakarta yang melaksanakan isolasi mandiri karena infeksi Covid-19. Rumah isolasi tersebut diproses dengan algoritma k-means untuk analisis berikutnya. Rentang waktu pengambilan data 1 hari periode PPKM darurat. Data tersebut dicluster dengan bahasa pemrograman R yang bersifat open source. Algoritma k-means mengevaluasi jarak antar data berdasarkan tingkat kemiripan dengan centroid. Algoritma yang bekerja secara mandiri ini menghasilkan visualisasi data clustering rumah isolasi warga kota Surakarta yang melakukan isolasi mandiri karena terinfeksi Covid-19 dengan nilai optimal cluster pada 54 kelurahan yaitu c1 sebanyak 2 kelurahan, c2 = 3 kelurahan, c3 = 8 kelurahan dan c4 = 41 kelurahan. Hasil clustering berdasarkan data tersebut menunjukan bahwa kota Surakarta memiliki 2 (3%) zona merah, 3 (5%) zona oranye dan 8 (14%) zona kuning dan 41 (75%) zona hijau. Hal tersebut menunjukan bahwa digunakanya rumah warga yang dialihfungsikan sebagai fasilitas isolasi mandiri dan upaya pembatasan kegiatan masyarakat dapat mengendalikan penyebaran Covid-19 di kota Surakarta.
Rincian Artikel
Bagian
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Cara Mengutip
Referensi
[2] D. SP, “Bimbingan Teknis Aplikasi Jogo Tonggo,†2020. .
[3] S. Susanto and D. Suryadi, Pengantar Data Mining Menggali Pengetahuan dari Bongkahan Data. Yogyakarta: Penerbit ANDI, 2010.
[4] J. Han, Data Mining: Concepts and Techniques Second Edition. Elsevier, 2006.
[5] D. T. Larose, DATA MINING METHODS AND MODELS. John Wiley & Sons, Inc, 2006.
[6] S. Dawaty, “K-Means Clustering,†Univeristas Raharja, 2020. .
[7] T. K. P. G. T. Nasional, “Pengelompokan Kriteria Risiko COVID-19 di Daerah Berdasarkan Zonasi Warna,†BNPB, 2020. .
[8] H. Hasanah, Nurmalitasari;, and N. A. Sudibyo, “Implemenetasi Data Mining Clustering untuk Mengetahui Potensi Produktifitas Kacang Tanah di Indonesia,†NJCA (National J. Comput. Its Appl., vol. 5, no. 1, pp. 1–7, 2020.
[9] N. A. Sudibyo, A. Iswardani, K. Sari, and S. Suprihatiningsih, “Penerapan Data Mining Pada Jumlah Penduduk,†Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 1, no. 3, pp. 199–207, 2020.
[10] A. Iswardani, “Analisis Log Database Serangan Denial of Service Menggunakan Density K-Means,†Universitas Islam Indonesia, 2016.
[11] Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Penerbit ANDI, 2009.
[12] C. C. Aggarwal and C. K. Reddy, Eds., DATA CLUSTERING Algorithms and Applications. Chapman & Hall/CRC, 2014.
[13] E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan Matlab. ANDI Offset, 2012.
[14] D. A. I. C. Dewi and D. A. K. Pramita, “Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali,†Matrix J. Manaj. Teknol. dan Inform., vol. 9, no. 3, pp. 102–109, 2019, doi: 10.31940/matrix.v9i3.1662.
[15] J. Jia et al., “Epidemiological Characteristics on the Clustering Nature of COVID-19 in Qingdao City, 2020: A Descriptive Analysis,†Disaster Med. Public Health Prep., vol. 14, no. 5, pp. 643–647, 2020, doi: 10.1017/dmp.2020.59.
[16] S. H. Ebrahim, Q. A. Ahmed, E. Gozzer, P. Schlagenhauf, and Z. A. Memish, “Covid-19 and community mitigation strategies in a pandemic,†BMJ, vol. 368, no. March, pp. 1–2, 2020, doi: 10.1136/bmj.m1066.
[17] Kementerian Sosial Republik Indonesia, Panduan Penyiapan Fasilitas Shelter untuk karantina dan isolasi terkait COVID-19 Berbasis Komunitas. Kementerian Sosial Republik Indonesia, 2020.