Penerapan Metode Cosine Similarity untuk Meningkatkan Kinerja K-Means pada Pengelompokan Wilayah Penanganan Covid di DKI Jakarta

Nosra, Almanda (2021) Penerapan Metode Cosine Similarity untuk Meningkatkan Kinerja K-Means pada Pengelompokan Wilayah Penanganan Covid di DKI Jakarta. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
1. Pendahuluan.pdf

Download (5MB)
[img] Text
2. Abstrak.pdf

Download (406kB)
[img] Text
3. Bab I.pdf

Download (421kB)
[img] Text
4. Bab II.pdf
Restricted to Repository staff only

Download (649kB) | Request a copy
[img] Text
5. Bab III.pdf
Restricted to Repository staff only

Download (747kB) | Request a copy
[img] Text
6. Bab IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
7. Bab V.pdf
Restricted to Repository staff only

Download (403kB) | Request a copy
[img] Text
8. Daftar Pustaka.pdf

Download (479kB)
[img] Text
9. Lampiran.pdf
Restricted to Repository staff only

Download (715kB) | Request a copy
[img] Text
10. Artikel.pdf

Download (729kB)

Abstract

Fenomena Covid-19 telah menggemparkan dunia, Indonesia adalah salah satu negara dimana masyarakatnya terdampak dari virus tersebut. Pada penelitian ini dilakukan klasterisasi epidemi virus Covid-19 di DKI Jakarta. kota tersebut di pilih berdasarkan angka kasus tertinggi di Indonesia. Alasan dilakukannya klasterisasi ini berkaitan dengan mengelompokkan kasus persebaran covid di daerah-daerah DKI Jakarta dimana nantinya akan dilakukan untuk menentukan penanganan Covid-19. Menerapkan teknik data mining. Pengelompokan didasarkan pada nomor parameter dirawat, sembuh, meninggal dan isolasi mandiri. Metode K-Means dan metode Cosine Similarity, dan diuji dengan metode DBI (Davies Bouldin Index) dengan menghitung tingkat perhitungan DBI dengan menggunakan metode K-Means tanpa cosine dan tingkat perhitungan DBI dengan menggunakan metode K-Means cosine. Penerapan teknologi data mining. Pengelompokan didasarkan pada nomor parameter. Pengklasteran dilakukan berdasarkan penyebaran kasus terbanyak di provinsi DKI Jakarta. Hasil perhitungannya adalah Tingkat perhitungan nilai DBI yang paling baik dengan menggunakan metode K-means cosine Similarity, karena nilai yang diperoleh rendah, yaitu diperoleh nilai DBI (Davies Bouldin Index) terkecil pada cluster 9 yaitu sebesar -5.527. Sedangkan nilai DBI terbesar pada 2 cluster dengan nilai -2.282.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Covid 19 DKI Jakarta, Data Mining, K-means cosine similarity
Subjects: 000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Department: S1 Teknik Informatika
Depositing User: ALMANDA NOSRA
Contributors:
ContributionContributor NameNIDN/NIDK
UNSPECIFIEDArifianto, Deninidn0718068103
UNSPECIFIEDRahman, Miftahurnidn0724039201
Contact Email Address: almandanosra12@gmail.com
Date Deposited: 04 Feb 2022 01:46
Last Modified: 04 Feb 2022 01:46
URI: http://repository.unmuhjember.ac.id/id/eprint/12730

Actions (login required)

View Item View Item