SITEKIN: Jurnal Sains, Teknologi dan Industri
Vol 18, No 2 (2021): Juni 2021

Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia

Rimelda Adha (Unknown)
Nana Nurhaliza (Unknown)
Ummi Sholeha (Unknown)
Mustakim Mustakim (UIN Sultan Syarif Kasim Riau)



Article Info

Publish Date
22 Jun 2021

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.

Copyrights © 2021






Journal Info

Abbrev

sitekin

Publisher

Subject

Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Other

Description

Sesuai dengan standard ISO 45001 bahwa karyawan harus berpartisipasi dalam melakukan pencegahan kecelakaan. Untuk itu perusahaan telah menetapkan Program Hazob (Hazard Observation) untuk mengidentifikasi bahaya dan melakukan tindakan koreksinya. Penerapan Program Hazob masih dengan metode ...