PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN JUMLAH KASUS COVID-19 DAN FASILITAS KESEHATAN

##plugins.themes.bootstrap3.article.main##

Meinisa Fadillah Rahmi Paulus Satria Prasetyo Ratih Nurhabibah Rizky Perdana Wa Ode Zuhayeni Madjida

Abstract

Tingkat penyebaran COVID-19 cukup cepat, hingga 14 November 2020 tercatat jumlah kasus terkonfirmasi positif di Indonesia mencapai 463.007 jiwa. Ketersediaan fasilitas kesehatan masing-masing provinsi menentukan kesiapan daerah dalam penanganan COVID-19 sehingga penting untuk menganalisis keadaan dan distribusi provinsi-provinsi terkait kesiapannya tersebut. Penelitian ini melakukan clustering menggunakan algoritma K-Means dan K-Means with Outlier Detection untuk mengelompokkan 34 provinsi di Indonesia berdasarkan jumlah kasus COVID-19 dan data fasilitas kesehatan, lalu menentukan metode terbaiknya, serta mengidentifikasi karakteristik masing-masing kelompok berdasarkan metode terbaik. Penelitian menghasilkan tiga cluster. Cluster 1 merupakan kelompok provinsi dengan jumlah kasus COVID-19 tinggi dan fasilitas kesehatan kurang memadai, cluster 2 memiliki jumlah kasus COVID-19 tinggi dan fasilitas kesehatan memadai, sedangkan cluster 3 memiliki jumlah kasus COVID-19 rendah dan fasilitas kesehatan menengah.

##plugins.themes.bootstrap3.article.details##

How to Cite
RAHMI, Meinisa Fadillah et al. PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN JUMLAH KASUS COVID-19 DAN FASILITAS KESEHATAN. Jurnal Aplikasi Statistika & Komputasi Statistik, [S.l.], v. 13, n. 1, p. 47-56, sep. 2021. ISSN 2615-1367. Available at: <https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/274>. Date accessed: 22 sep. 2021. doi: https://doi.org/10.34123/jurnalasks.v13i1.274.
Section
Statistika Kependudukan

References

Ariawan, Pasek Agus. 2019. Optimasi Pengelompokkan Data Pada Metode K-Means dengan Analisis Outlier. Jurnal Nasional Teknologi dan Sistem Informasi, Vol. 5, No. 2; Charrad, M., dkk.. 2014. NbClust Package for Determining the Best Number of Clusters. https://rdrr.io/cran/NbClust/man/NbClust.html#:~:text=NbClust%20package%20provides%2030%20indices,distance%20measures%2C%20and%20clustering%20methods. (Diakses 13 Desember 2020); Chawla, Sanjay dan Gionis, Aristides. (2013). k-means--: A unified approach to clustering and outlier detection; Dwitri, Nayuni, dkk. 2020. Penerapan Algoritma K-Means dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 di Indonesia, Jurnal Teknologi Infomasi, Vol. 4, No. 1, hal. 128-132; Ikatan Dokter Indonesia (IDI). 2020. Statistik Anggota. http://www.idionline.org/statistik/ (Diakses 12 Desember 2020); Johnson, Richard A. dan Wichern, Dean W. (2007). Applied Multivariate Statistical Analysis Sixth Edition. United States of America : Pearson Education, Inc; Kementerian Kesehatan. 2019. Rekapitulasi SDM Kesehatan yang didayagunakan di Fasyankes pada tahun 2019. http://bppsdmk.kemkes.go.id/info_sdmk/history/ (Diakses 11 Desember 2020); Khomarudin, Agus Nur. 2018. Teknik Data Mining : Algoritma K-means Clustering. https://ilmukomputer.org/wp-content/uploads/2018/05/agus-k-means-clustering.pdf . (Diakses 13 Desember 2020); Muhyiddin. 2020. Covid-19 New Normal dan Perencanaan Pembangunan di Indonesia. The Indonesian Journal of Development Planning, Vol. 4, No. 2; Noviyanto. 2020. Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian Penderita COVID-19 Berdasarkan Negara di Benua Asia, Jurnal Informatika dan Komputer, Vol. 22, No. 2; Patel, Maulik. 2016. Clustering Based Outlier Detection Technique. https://rpubs.com/maulikpatel/228345 (Diakses 12 Desember 2020); Rembulan, Glisina Dwinoor. dkk. 2020. Kebijakan Pemerintah Mengenai Coronavius Disease (COVID-19) di Setiap Provinsi di Indonesia Berdasarkan Analisis Klaster, Jurnal of Industrial Engineering and Management Systems, Vol. 13, No. 2; Sindi, Sukma. dkk. 2020. Analisis Algoritma K-Medoids Clustering dalam Pengelompokkan Penyebaran Covid-19 di Indonesia, Jurnal Teknologi Informasi, Vol. 4, No. 1; Solichin, Achmad dan Khansa Khairunnisa. 2020. Klasterisasi Persebaran Virus Coroana (Covid-19) Di DKI Jakarta Menggunakan Metode K-Means, Fountain of Informatics Journal, Vol. 5, No. 2