Aizzah, Zulfatul (2022) Implementasi GAK-Means clustering untuk pengelompokan daerah penyebaran COVID-19 di Provinsi Jawa Timur. ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.
Zulfatul Aizzah_H92218054.pdf
Download (2MB)
Abstract
Saat ini COVID-19 masih menjadi topik terhangat di seluruh dunia tidak terkecuali Indonesia. Salah satu provinsi di Indonesia yang memiliki tren kasus COVID-19 tinggi adalah Provinsi Jawa Timur. Demikian maka penting adanya pengelompokan daerah di Provinsi Jawa Timur untuk memberikan informasi kepada masyarakat maupun pemerintah terkait penyebaran COVID-19 di Provinsi Jawa Timur. Metode yang digunakan adalah gabungan dari metode Algoritma Genetika (GA) dan k-Means. Metode k-Means dipilih karena prosesnya yang sederhana dengan komputasi yang ringan. Namun, hasil dari perhitungan metode k-Means memiliki kesensitifan karena pusat klaster awalnya ditentukann secara acak sehingga algoritma genetika digunakan untuk mengoptimasi nilai pusat klaster awal pada k-Means. Pengelompokan wilayah diterapkan pada data sebaran bulan Januari-November 2021. Pada implementasinya, perhitungan metode GAK-Means mendapatkan evaluasi yang lebih tinggi dibandingkan dengan perhitungan k-Means tanpa optimasi serta memiliki iterasi k-Means yang lebih cepat. Evaluasi yang digunakan adalah Silhouette Coefficient (SC). Berdasarkan uji coba parameter, hasil evaluasi tertinggi yang diperoleh yakni sebesar SC GAK-Means = 0.85875 dan SC k-Means = 0.52460. Pengelompokkan dilakukan dengan jumlah klaster sebanyak k = 2 yakni klaster merah untuk daerah dengan tingkat kerawanan yang lebih tinggi daripada klaster hijau.
| Item Type: | Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined]) |
|---|---|
| Uncontrolled Keywords: | COVID-19; algoritma genetika; algoritma k-Means |
| Subjects: | Kedokteran Matematika |
| Divisions: | Fakultas Sains dan Teknologi > Studi Matematika |
| Depositing User: | Users 45249 not found. |
| Date Deposited: | 20 May 2022 14:35 |
| Last Modified: | 20 May 2022 14:35 |
| URI: | http://digilib.uinsby.ac.id/id/eprint/52864 |
