Digilib | Universitas Negeri Surabaya

Jenis Dokumen

Disertasi
Karya Akhir S1
Karya Akhir S2
Karya Akhir S3
Skripsi
Tesis
Tugas Akhir D3
Tugas Akhir D4

Fakultas

Ilmu Pendidikan
Bahasa & Seni
Matematika dan Ilmu Pengetahuan Alam
Ilmu Sosial & Politik
Hukum
Psikologi
Teknik
Ekonomika dan Bisnis
Ilmu Keolahragaan dan Kesehatan
Vokasi
Pascasarjana

ANALISIS CLUSTER NEGARA-NEGARA DI DUNIA BERDASARKAN KASUS COVID-19 MENGGUNAKAN HIERARCHICAL K-MEANS CLUSTERING

Kode Dokumen : 0047/FMIPA-MAT/2022

Penulis Utama : IKA NUR HASANAH

NIM Penulis Utama: 18030214047

Tahun : 2022

Judul ID :

ANALISIS CLUSTER NEGARA-NEGARA DI DUNIA BERDASARKAN KASUS COVID-19 MENGGUNAKAN HIERARCHICAL K-MEANS CLUSTERING

Judul EN :

CLUSTER ANALYSIS OF COUNTRIES IN THE WORLD BASED ON COVID-19 CASE USING HIERARCHICAL K-MEANS CLUSTERING

Sumber : UNESA - Fakultas Matematika dan Ilmu Pengetahuan Alam - Jurusan S1 Matematika - 18030214047 - 2022

Jenis Dokumen : Skripsi

Abstrak ID :

Covid-19 telah menyerang dunia sejak Desember 2019. Dengan tingginya tingkat penyebaran dan jumlah kasus terkonfirmasi Covid-19, membuat pemerintah di masing-masing negara menetapkan berbagai kebijakan untuk menekan tingkat penyebarannya. Adanya kebijakan-kebijakan selama pandemi Covid-19 mampu menghambat penyebaran virus Covid-19, namun kebijakan tersebut juga sangat berdampak di berbagai bidang. Untuk mengatasi hal tersebut maka perlu dilakukan kebijakan yang efektif. Pemberlakuan kebijakan harus diterapkan secara tepat di masing-masing negara. Negara yang memiliki kasus Covid-19 tinggi harus lebih diperketat dan perlu perhatian lebih dalam penanganan kasus Covid-19. Sehingga perlu untuk mengetahui informasi negara yang sangat tinggi berdasarkan tingkat keparahan Covid-19 agar dapat menjadi gambaran maupun rujukan untuk melakukan kebijakan. Oleh karena itu dilakukan penelitian mengenai pengelompokan negara-negara di dunia berdasarkan tingkat keparahan kasus Covid-19 menggunakan analisis cluster. Pengelompokan negara tersebut berdasarkan berbagai variabel yang mempengaruhi tingkat keparahan kasus Covid-19 yaitu variabel total kasus terkonfirmasi Covid-19, total kematian akibat Covid-19, total kasus sembuh Covid-19, total kasus aktif Covid-19, jumlah populasi penduduk, dan presentase orang yang telah melakukan vaksin (full vaccinated) Covid-19. Metode yang digunakan dalam penelitian ini yaitu Hierarchical K-Means Clustering. Hierarchical K-Means Clustering merupakan pengembangan dari metode K-Means clustering, yang menggabungkan algoritma metode Hierarki dan K-Means. Hierarchical K-Means ini dapat menggabungkan kelebihan metode Hierarki dan K-Means dan mengatasi kelemahan kedua algoritma tersebut. Hasil analisis diperoleh, metode Hirarchical K-Means dengan 4 proses hierarki single linkage, complete linkage, average linkage dan centroid memiliki nilai koefisien sillhoutte yang sama yaitu 0.85 atau dapat dikategorikan Strong Classification.
Kata Kunci: Covid-19, Clustering, Hirarchical K-Means

Abstrak EN :

Covid-19 has attacked the world since December 2019. With the high rate of spread and the number of confirmed cases of Covid-19, the governments in each country have set various policies to suppress the rate of spread. The existence of policies during the Covid-19 pandemic was able to inhibit the spread of the Covid-19 virus, but these policies also greatly impacted various fields. To overcome this, it is necessary to implement effective policies. Enforcement policies must be applied appropriately in each country. Countries that have high Covid-19 cases must be more stringent and need more attention in handling Covid-19 cases. So it is necessary to know state information that is very high based on the severity of Covid-19 so that it can be an illustration and reference for carrying out policies. Therefore, a study was conducted on the clustering of countries in the world based on the severity of Covid-19 cases using cluster analysis. Clustering of countries is based on various variables that affect the severity of Covid-19 cases, namely the variable total confirmed cases of Covid-19, total deaths due to Covid-19, total recovered cases of Covid-19, total active cases of Covid-19, total population, and percentage. people who have been vaccinated against Covid-19. The method used in this research is Hierarchical K-Means Clustering. Hierarchical K-Means Clustering is a development of the K-Means clustering method, which combines the Hierarchical and K-Means method algorithms. Hierarchical K-Means can combine the advantages of the Hierarchical and K-Means methods and overcome the weaknesses of the two algorithms. The analysis results obtained, Hirarchical K-Means method with 4 hierarchical processes single linkage, complete linkage, average linkage and centroid has the same silhoutte coefficient value of 0.85 or can be categorized as Strong Classification.

Keywords:Covid-19, Clustering, Hierarchical K-Means

Tautan Artikel

File Abstrak

File Lampiran