Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19
Peningkatan kasus Covid-19 di Indonesia memberikan rasa khawatir bagi hampir seluruh masyarakat, Dilihat dari persebaran tiap provinsi untuk kasus positif, sembuh, dan meninggal tidak menunjukkan sebuah grafik yang linier. Seperti pada data harian kasus per provinsi di akhir bulan April 2021 dimana...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-02-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/5796 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858573423149056 |
|---|---|
| author | Gibran Satya Nugraha Ramaditia Dwiyansaputra Fitri Bimantoro Arik Aranta |
| author_facet | Gibran Satya Nugraha Ramaditia Dwiyansaputra Fitri Bimantoro Arik Aranta |
| author_sort | Gibran Satya Nugraha |
| collection | DOAJ |
| description | Peningkatan kasus Covid-19 di Indonesia memberikan rasa khawatir bagi hampir seluruh masyarakat, Dilihat dari persebaran tiap provinsi untuk kasus positif, sembuh, dan meninggal tidak menunjukkan sebuah grafik yang linier. Seperti pada data harian kasus per provinsi di akhir bulan April 2021 dimana kasus positif dan sembuh terbanyak terdapat pada Provinsi DKI Jakarta, untuk kasus meninggal Provinsi Jawa Timur berada di posisi pertama, dan di posisi empat untuk kasus positif dan meninggal. Data persebaran yang abstrak ini membuat pengelompokan persebaran Covid-19 di Indonesia menjadi sukar untuk dilakukan. Penelitian ini mengelompokkan provinsi-provinsi berdasarkan persebaran Covid-19 di Indonesia dengan cara mengimplementasikan metode Fuzzy C-means serta metode Elbow. Fuzzy C-means adalah metode pengelompokan berbasis fuzzy yang dapat melakukan persebaran data pada seluruh cluster berdasarkan derajat keanggotaan yang dimilikinya. Sedangkan untuk menentukan jumlah cluster terbaik akan diimplementasikan metode Elbow. Metode Elbow membandingkan perbandingan hasil sum square error (SSE) dari setiap cluster dan mendapatkan jumlah cluster terbaik dari perubahan nilai SSE yang signifikan atau membentuk siku (elbow). Penggunaan Fuzzy c-means sebagai metode pengelompokan untuk mencari tahu seberapa besar pengaruh yang dimiliki setiap data terhadap masing-masing cluster. Karera metode-metode sebelumnya yang digunakan pada objek yang sama hanya melakukan pengelompokan saja secara tegas, tanpa memperhatikan besarnya pengaruh sebuah data terhadap seluruh cluster. Pengelompokan dilakukan menjadi tiga buah cluster atau kelompok berdasarkan parameter kasus positif, sembuh, dan meninggal Covid-19 per 27 April 2021. Cluster 1 hanya terdiri tiga provinsi yaitu Jawa Barat, Jawa Tengah, dan Jawa Timur. Cluster 2 DKI Jakarta, dan sisanya masuk ke cluster 3.
Abstract
The increase in Covid-19 cases in Indonesia raises concerns for all parties, When viewed for the distribution of each province, positive, recovered and dead cases do not show a linear graph. As in the daily data of cases per province at the end of April 2021 where the most positive and recovered cases were in DKI Jakarta Province, while for dead cases, East Java Province was in first position, and in fourth position for positive and dead cases. This abstract distribution data makes it difficult to classify the distribution of Covid-19 in Indonesia. This study will group provinces based on the spread of Covid-19 in Indonesia using the Fuzzy C-means method and the Elbow method. Fuzzy C-means is a fuzzy-based grouping method that allows all data to be members of all clusters formed with their respective degrees of membership. Meanwhile, to determine the best number of clusters, the Elbow method will be implemented. The Elbow method compares the sum square error (SSE) results from each cluster and gets the best number of clusters from a significant change in the SSE value or forms an elbow. The use of Fuzzy c-means as a grouping method to find out how much influence each data has on each cluster. Because the previous methods used on the same object only grouped it explicitly, without paying attention to the effect of one data on the entire cluster. The grouping was carried out into three clusters or groups based on the parameters of positive cases, recovered, and died of Covid-19 as of 27 April 2021. Cluster 1 only consisted of three provinces, namely West Java, Central Java, and East Java. Cluster 2 DKI Jakarta, and the rest go to cluster 3. It takes a grouping test to determine how accurate the results are.
|
| format | Article |
| id | doaj-art-b22ca8c08aa24ddc936844e7749901a4 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2023-02-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-b22ca8c08aa24ddc936844e7749901a42025-02-11T10:39:49ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792023-02-0110110.25126/jtiik.202310157961076Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19Gibran Satya Nugraha0Ramaditia Dwiyansaputra1Fitri Bimantoro2Arik Aranta3Universitas Mataram, MataramUniversitas Mataram, MataramUniversitas Mataram, MataramUniversitas Mataram, MataramPeningkatan kasus Covid-19 di Indonesia memberikan rasa khawatir bagi hampir seluruh masyarakat, Dilihat dari persebaran tiap provinsi untuk kasus positif, sembuh, dan meninggal tidak menunjukkan sebuah grafik yang linier. Seperti pada data harian kasus per provinsi di akhir bulan April 2021 dimana kasus positif dan sembuh terbanyak terdapat pada Provinsi DKI Jakarta, untuk kasus meninggal Provinsi Jawa Timur berada di posisi pertama, dan di posisi empat untuk kasus positif dan meninggal. Data persebaran yang abstrak ini membuat pengelompokan persebaran Covid-19 di Indonesia menjadi sukar untuk dilakukan. Penelitian ini mengelompokkan provinsi-provinsi berdasarkan persebaran Covid-19 di Indonesia dengan cara mengimplementasikan metode Fuzzy C-means serta metode Elbow. Fuzzy C-means adalah metode pengelompokan berbasis fuzzy yang dapat melakukan persebaran data pada seluruh cluster berdasarkan derajat keanggotaan yang dimilikinya. Sedangkan untuk menentukan jumlah cluster terbaik akan diimplementasikan metode Elbow. Metode Elbow membandingkan perbandingan hasil sum square error (SSE) dari setiap cluster dan mendapatkan jumlah cluster terbaik dari perubahan nilai SSE yang signifikan atau membentuk siku (elbow). Penggunaan Fuzzy c-means sebagai metode pengelompokan untuk mencari tahu seberapa besar pengaruh yang dimiliki setiap data terhadap masing-masing cluster. Karera metode-metode sebelumnya yang digunakan pada objek yang sama hanya melakukan pengelompokan saja secara tegas, tanpa memperhatikan besarnya pengaruh sebuah data terhadap seluruh cluster. Pengelompokan dilakukan menjadi tiga buah cluster atau kelompok berdasarkan parameter kasus positif, sembuh, dan meninggal Covid-19 per 27 April 2021. Cluster 1 hanya terdiri tiga provinsi yaitu Jawa Barat, Jawa Tengah, dan Jawa Timur. Cluster 2 DKI Jakarta, dan sisanya masuk ke cluster 3. Abstract The increase in Covid-19 cases in Indonesia raises concerns for all parties, When viewed for the distribution of each province, positive, recovered and dead cases do not show a linear graph. As in the daily data of cases per province at the end of April 2021 where the most positive and recovered cases were in DKI Jakarta Province, while for dead cases, East Java Province was in first position, and in fourth position for positive and dead cases. This abstract distribution data makes it difficult to classify the distribution of Covid-19 in Indonesia. This study will group provinces based on the spread of Covid-19 in Indonesia using the Fuzzy C-means method and the Elbow method. Fuzzy C-means is a fuzzy-based grouping method that allows all data to be members of all clusters formed with their respective degrees of membership. Meanwhile, to determine the best number of clusters, the Elbow method will be implemented. The Elbow method compares the sum square error (SSE) results from each cluster and gets the best number of clusters from a significant change in the SSE value or forms an elbow. The use of Fuzzy c-means as a grouping method to find out how much influence each data has on each cluster. Because the previous methods used on the same object only grouped it explicitly, without paying attention to the effect of one data on the entire cluster. The grouping was carried out into three clusters or groups based on the parameters of positive cases, recovered, and died of Covid-19 as of 27 April 2021. Cluster 1 only consisted of three provinces, namely West Java, Central Java, and East Java. Cluster 2 DKI Jakarta, and the rest go to cluster 3. It takes a grouping test to determine how accurate the results are. https://jtiik.ub.ac.id/index.php/jtiik/article/view/5796 |
| spellingShingle | Gibran Satya Nugraha Ramaditia Dwiyansaputra Fitri Bimantoro Arik Aranta Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 |
| title_full | Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 |
| title_fullStr | Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 |
| title_full_unstemmed | Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 |
| title_short | Implementasi Fuzzy C-Means untuk Pengelompokan Daerah berdasarkan Persebaran Penularan Covid-19 |
| title_sort | implementasi fuzzy c means untuk pengelompokan daerah berdasarkan persebaran penularan covid 19 |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/5796 |
| work_keys_str_mv | AT gibransatyanugraha implementasifuzzycmeansuntukpengelompokandaerahberdasarkanpersebaranpenularancovid19 AT ramaditiadwiyansaputra implementasifuzzycmeansuntukpengelompokandaerahberdasarkanpersebaranpenularancovid19 AT fitribimantoro implementasifuzzycmeansuntukpengelompokandaerahberdasarkanpersebaranpenularancovid19 AT arikaranta implementasifuzzycmeansuntukpengelompokandaerahberdasarkanpersebaranpenularancovid19 |