Interpretasi dan Visualisasi Hasil Clustering Menggunakan K-Medoid untuk Identifikasi Penyebaran Virus Covid-19

Puspita Nurul Sabrina, Ade Kania Ningsih, Fatan Kasyidi

Abstract

Penyebaran virus Covid-19 di Indonesia terus terjadi dengan jumlah yang terus meningkat. Bagaimana pola penyebaran virus perlu diidentifikasi untuk membantu pencegahan penyebaran yang tidak terkendali. Salah satu cara menentukan pola adalah dengan melakukan clustering. Metode clustering dalam penelitian ini menggunakan metode K-Medoid, yang mana metode ini telah digunakan dalam beberapa penelitian tentang analisa penyakit. Hasil Clustering perlu diolah dan dianalisis agar pengetahuan dapat ditangkap lebih mudah. Proses ini disebut interpretasi yang dapat didukung dengan visualisasinya. Proses interpretasi dilakukan di antaranya  dengan melakukan visualisasi perbandingan 2 atribut yang mungkin terkait. Proses lainnya dengan pengolahan data yang masuk klaster-klaster dengan rekapitulasi/penjumlahan menurut provinsi dan atribut lain dengan cara filtering dan seleksi record. Hasil interpretasi diperoleh kesimpulan daerah dengan Kepadatan Penduduk tinggi, Area Wilayah yang lebih kecil, Populasi yang tinggi menunjukkan jumlah kasus dan kasus baru Covid-19 lebih tinggi. Interpretasi untuk setiap klaster penyebaran virus tampak klaster 1 adalah Kota Besar, Klaster 2 adalah Kota Wisata dan Bertetangga dengan negara lain, Klaster 3 adalah Pulau Jawa dan Klaster ke 4 adalah kota-kota lain diluar ketiga klaster lainnya.

Keywords

Covid19; K-Medoid; Data_Seleksi; Visualisasi; Interpretasi

Full Text:

PDF

References

S. K. Muruganandham, D. Sobya, S. Nallusamy, D. K. Mandal, and P. S. Chakraborty, “Study on Leaf Segmentation Using K-Means and K-Medoid Clustering Algorithm for Identification of Disease,” Indian Journal of Public Health Research & Development, vol. 9, no. 5, p. 289, 2018, doi: 10.5958/0976-5506.2018.00456.4.

M. Umamaheswari and P. I. Devi, “Prediction of myocardial infarction using K-medoid clustering algorithm,” in 2017 IEEE International Conference on Intelligent Techniques in Control, Optimization and Signal Processing (INCOS), Mar. 2017, pp. 1–6. doi: 10.1109/ITCOSP.2017.8303128.

X. Zhang, J. Zhu, Q. Wang, and H. Zhao, “Identifying influential nodes in complex networks with community structure,” Knowledge-Based Systems, vol. 42, pp. 74–84, Apr. 2013, doi: 10.1016/j.knosys.2013.01.017.

M. Lenart, N. Mascarenhas, R. Xiong, and A. Flower, “Identifying risk of progression for patients with Chronic Kidney Disease using clustering models,” in 2016 IEEE Systems and Information Engineering Design Symposium (SIEDS), Apr. 2016, pp. 221–226. doi: 10.1109/SIEDS.2016.7489303.

Q. Ping, C. C. Yang, S. A. Marshall, N. E. Avis, and E. H. Ip, “Breast Cancer Symptom Clusters Derived From Social Media and Research Study Data Using Improved $K$ -Medoid Clustering,” IEEE Transactions on Computational Social Systems, vol. 3, no. 2, pp. 63–74, Jun. 2016, doi: 10.1109/TCSS.2016.2615850.

S. Sindi et al., “ANALISIS ALGORITMA K-MEDOIDS CLUSTERING DALAM PENGELOMPOKAN PENYEBARAN COVID-19 DI INDONESIA,” Jurnal Teknologi Informasi, vol. 4, no. 1, 2020.

J. E. C. Saire, “Data Mining Approach to Analyze Covid19 Dataset of Brazilian Patients,” Aug. 2020, [Online]. Available: http://arxiv.org/abs/2008.11344

U. Rizkya Gurning, “Penerapan Algoritma K-Means dan K-Medoid untuk Pengelompokkan Data Pasien Covid-19,” Technology and Science (BITS), vol. 3, no. 1, 2021, doi: 10.47065/bits.v3i1.1003.

K. M. al Kindi et al., “Demographic and socioeconomic determinants of COVID-19 across oman-a geospatial modelling approach,” Geospatial Health, vol. 16, no. 1, pp. 145–160, 2021, doi: 10.4081/gh.2021.985.

A. S. Sinaga, A. S. Sitio, R. Ramadhani, and A. M. Karimah, “Analisa Big Data Penyebaran Covid-19 Berdasarkan Peta Sebaran dan Peraturan Protokol Dengan Business Intelligence (BI),” Jurnal Ilmiah Komputasi, vol. 20, no. 3, Sep. 2021, doi: 10.32409/jikstik.20.3.2775.

J. E. C. Saire, “Data Mining Approach to Analyze Covid19 Dataset of Brazilian Patients,” Aug. 2020, [Online]. Available: http://arxiv.org/abs/2008.11344

A. M. B. de Oliveira, J. M. Binner, A. Mandal, L. Kelly, and G. J. Power, “Using GAM functions and Markov-Switching models in an evaluation framework to assess countries’ performance in controlling the COVID-19 pandemic,” BMC Public Health, vol. 21, no. 1, Dec. 2021, doi: 10.1186/s12889-021-11891-6.

Refbacks

  • There are currently no refbacks.