Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : SITEKIN: Jurnal Sains, Teknologi dan Industri

Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia Rimelda Adha; Nana Nurhaliza; Ummi Sholeha; Mustakim Mustakim
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 18, No 2 (2021): Juni 2021
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v18i2.12469

Abstract

Pada tanggal 16 Maret 2020 telah dikonfirmasi terdapat lebih dari 180.000 kasus Covid-19 di seluruh dunia, dengan lebih dari 7.000 kematian. Berbagai upaya dilakukan oleh negara-negara yang terdampak oleh Covid-19 untuk mengatasi penyebaran virus ini. Terdapat negara yang memiliki tingkat kesembuhan dan pemulihan yang tinggi, sebaliknya juga terdapat negara yang kesulitan dalam penanganan pandemi Covid-19 ini. Penelitian dilakukan untuk mengelompokkan negara-negara yang memiliki pola kasus Covid-19 di dunia. Kedepannya, hasil pengelompokan dapat dijadikan acuan dan pola gambaran negara yang memiliki tingkat pemulihan rendah dapat mengamati proses pemulihan negara yang memiliki tingkat pemulihan tinggi yang berada dalam kelompoknya. Untuk melakukan klasterisasi pada penelitian ini menggunakan algoritma DBSCAN dan K-Means. Setelah melalui beberapa percobaan diperoleh hasil bahwa K-Means lebih unggul daripada DBSCAN dalam mengelompokkan kasus Covid-19. Algoritma K-Means memiliki nilai SI terbaik sebesar 0,6902 yang terletak pada percobaan dengan nilai k = 8.