Analisis Penyebaran Pandemi Covid-19 Di Kota Jakarta Menggunakan Metode Clustering K-Means Dan Density Based Spatial Clustering Of Applications With NOISE (DBSCAN)

Yohanes, . (2021) Analisis Penyebaran Pandemi Covid-19 Di Kota Jakarta Menggunakan Metode Clustering K-Means Dan Density Based Spatial Clustering Of Applications With NOISE (DBSCAN). Masters thesis, Universitas Pamulang.

	Text COVER DLL.pdf Restricted to Registered users only Download (863kB)
	Text BAB I.pdf Restricted to Registered users only Download (192kB)
	Text BAB II.pdf Restricted to Registered users only Download (480kB)
	Text BAB III.pdf Restricted to Registered users only Download (2MB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (7kB)
	Text Jurnal Informatika 2021Unpam3.pdf Restricted to Registered users only Download (888kB)

Abstract

Saat ini penyebaran virus covid-19 diJakarta sudah sangat mengkhawatirkan, dengan wilayah yang cukup luas Jakarta menjadi salah satu daerah dengan perkembangan warga terinfeksi virus covid-19 yang sangat tinggi. Penelitian ini bertujuan untuk menganalisis pola penyebaran virus covid-19 di kota DKI Jakarta sehingga mampu memberikan gambaran cluster umum yang menjadi pusat perge�rakan virus ini di wilayah DKI Jakarta. Data penelitian berupa data sekunder yang diperoleh dari sumber https://corona.Jakarta.go.idhttps://corona.Jakarta.go.id. Berjumlah 267 data. Sampel penelitian sebanyak sebanyak 151 data. Data tersebut selanjutnya akan dianalisis untuk memetakan pola penyebaran virus covid-19 di kota Jakarta dengan menggunakan metode K-Means dan Density Based Spatial Clustering of Applica�tions With Noise (DBSCAN). Hasil analisis metode K-Means menunjukan bahwa pandemi virus covid-19 terbagi dalam empat cluster yaitu cluster 0 dengan ang�gota sebanyak 91 data, cluster 1 dengan anggota sebanyak 23 data, cluster 2 sebanyak 62 data dan cluster 3 sebanyak 91 data. Sedangkan untuk metode DBSCAN menghasilkan empat cluster dengan komposisi cluster 0 sebanyak 87 data, cluster 1 sebanyak 23 data, cluster 2 sebanyak 63 data dan cluster 3 sebanyak 94 data. Hasil validasi cluster menggunakan Davies Bouldin Index menunjukan bahwa dalam penelitian ini metode K-Means lebih baik dibanding metode DBSCAN dengan perbandingan index DBI 0,027968805 untuk K-Means dan 1,172562165 untuk DBSCAN.

Item Type:	Thesis (Masters)
Subjects:	T Technology > T Technology (General)
Depositing User:	Jejen Juanda
Date Deposited:	24 May 2022 05:10
Last Modified:	24 May 2022 05:10
URI:	http://repository.unpam.ac.id/id/eprint/9797

Actions (login required)

View Item