Klastering Wilayah Kota/Kabupaten Berdasarkan Data Persebaran Covid-19 Di Propinsi Jawa Timur dengan Metode K-Means

Article Sidebar

PDF (Bahasa Indonesia)
Published: Jun 10, 2020
DOI: https://doi.org/10.26740/jieet.v4n1.p1-9
Keywords:
K-Means, COVID-19, Clustering

Main Article Content

Wiyli Yustanti
Universitas Negeri Surabaya
Naim Rahmawati
Universitas Negeri Surabaya
Yuni Yamasari
Universitas Negeri Surabaya

Abstract

Klastering persebaran pandemi COVID-19 di Jawa Timur dapat dilakukan dengan melihat dinamika data harian yang disajikan dalam situs resmi pemerintah Jawa Timur terkait informasi COVID-19. Sumber data untuk proses klastering adalah data jumlah orang dalam resiko (ODR), orang tanpa gejala (OTG), orang dalam pemantauan (ODP), pasien dalam pengawasan (PDP) dan jumlah pasien positif  terpapar virus COVID-19 (Confirm) untuk seluruh kabupaten/kota di Propinsi Jawa Timur. Melalui algoritma klastering Non-Hirarki K-Means didaptkan bahwa jumlah klaster optimum adalah 5 klaster. Untuk membuktikan bahwa kelima klaster yang dibentuk ini berbeda secara signifikan maka dilakukan uji mean vektor dengan statistic Wilks Lambda dan dihasilkan perbedaan yang signifikan dengan tingkat kepercayaan 95%. Karakteristik klaster untuk setiap kelompok dapat disimpulkan secara umum adalah klaster dengan kasus PDP dan Confirm yang sangat tinggi (red zone) , klaster dengan kasus jumlah Confirm Tinggi ( Orange Zone), klaster dengan jumlah PDP Tinggi (Yellow Zone), klaster dengan jumlah kasus PDP dan Confirmed Sedang ( Green Zone) dan klaster dengan PDP dan Confirm rendah (Light Green Zone).

Article Details

Issue
Vol. 4 No. 1 (2020)
Section
Articles

References

Alizkan, U. (2017). Analisis Korelasi Kelembaban Udara Terhadap Epidemi Demam Berdarah Yang Terjadi Di Kabupaten Dan Kota Serang. GRAVITY :Jurnal Ilmiah Penelitian dan Pembelajaran Fisika, 3(1), 23-29.

Calinski, T., & Harabasz, J. (1974). A dendrite method for cluster analysis. Communications in Statistics - Theory and Methods, 3(1), 1-27.

Harlan, J. (2008). Epidemiologi Kebidanan. Jakarta: Universitas Gunadarma Press.

Johnson, R., & Wichern, D. (2007). Clustering, Distance Methods, And Ordination. In R. Johnson, & D. Wichern, Applied Multivariate Statistical Analysis (pp. 696-702). Upper Saddle River: Pearson Prentice Hall.

Kementrian Kesehatan, R. (2020). Frequently Asked Questions (FAQ) COVID-19. Jakarta.

Lima, J., & Mingoti, S. (2006). Comparing SOM neural network with Fuzzy c-means, K-means and traditional hierarchical clustering algorithms. European Journal of Operational Research, 174(3), 1742-1759.

Mattjik , A., & Sumertajaya, I. (2011). Sidik Peubah Ganda dengan menggunakan SAS. Bogor: IPB Press.

Nisa, F. F. (2016). Pemodelan Faktor-Faktor Yang Mempengaruhi Jumlah Kasus Tuberkulosis Di Jawa Timur Menggunakan Regresi Nonparametrik Spline. Surabaya.

Priyadarsini, S., & Suresh, M. (2020). Factors influencing the epidemiological characteristics of pandemic COVID 19:A TISM approach. International Journal Of Healthcare Management, 1-10.

Tan, S. C. (2020). Clinical and epidemiological characteristics of Coronavirus Disease 2019 (COVID-19) Patient. USA: MedRxiv : The Preprint Server for Health Science.