Pengelompokan Data Kasus Covid-19 di Dunia Menggunakan Algoritma DBSCAN

Clustering of Data Covid-19 Cases in the World Using DBSCAN Algorithms

Authors

  • Nana Nurhaliza Universitas Islam Negeri Sultan Syarif Kasim Riau
  • Mustakim Universitas Islam Negeri Sultan Syarif Kasim Riau

Keywords:

Covid-19, DBSCAN, Clustering, Silhouette Index

Abstract

World Health Organization (WHO) telah mendeklarasikan Virus Corona sebagai pandemi global pada tanggal 11 Maret 2020. Covid-19 sejak awal tahun 2020 hingga akhir April 2020 telah menyebar ke 210 negara dan menghasikan tiga juta kasus positif setiap harinya. Berbagai upaya dilakukan pada setiap negara dalam penanggulangan pandemi ini. Penelitian ini menggunakan teknik clustering untuk mengelompokkan negara-negara dengan pola kasus serupa yang dapat dijadikan rekomendasi untuk acuan penanganan pada suatu negara dengan mengamati negara lainnya yang berada pada satu kelompok. Algoritma DBSCAN diterapkan pada penelitian ini untuk mendapatkan hasil klasterisasi dan validitas cluster diuji dengan Silhouette Index. Dilakukan sebanyak 22 percobaan dengan rentang nilai Eps 0,1 hingga 0,2 dan nilai Minpts yaitu 3 dan 4. Pada penelitian ini diperoleh percobaan dengan nilai Eps 0,2 dan MinPts 3 yang mengasilkan sejumlah 3 cluster memperoleh hasil validitas cluster terbaik dengan nilai Silhouette Index sebesar 0,3624.

Downloads

Published

2021-02-19 — Updated on 2021-04-07

Versions

Issue

Section

Articles