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.

	Text 1. Pendahuluan.pdf Download (5MB)
	Text 2. Abstrak.pdf Download (406kB)
	Text 3. Bab I.pdf Download (421kB)
	Text 4. Bab II.pdf Restricted to Repository staff only Download (649kB) \| Request a copy
	Text 5. Bab III.pdf Restricted to Repository staff only Download (747kB) \| Request a copy
	Text 6. Bab IV.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text 7. Bab V.pdf Restricted to Repository staff only Download (403kB) \| Request a copy
	Text 8. Daftar Pustaka.pdf Download (479kB)
	Text 9. Lampiran.pdf Restricted to Repository staff only Download (715kB) \| Request a copy
	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