ANALISIS KLASTER KASUS AKTIF COVID-19 MENURUT PROVINSI DI INDONESIA BERDASARKAN DATA DERET WAKTU

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

Raditya Novidianto Andrea Tri Rian Dani

Abstract

Corona Virus Disease 2019 (COVID-19) merupakan masalah yang sangat serius yang dihadapi oleh negara-negara di dunia, lebih dari 240 negara terjangkit virus ini. Pada 11 Maret 2020 WHO mengumumkan COVID-19 sebagai pandemi. Saat ini, penyebaran wabah COVID-19 terus bergerak signifikan, khususnya di Indonesia. Sejak mulai diumumkan pada awal Maret lalu hingga menjelang pertengahan Juli, jumlah kasus positif COVID-19 sudah mencapai 80.094 pasien yang dinyatakan positif, terkonfirmasi 3.797 kasus kematian dan 39.050 pasien yang dinyatakan sembuh. Salah satu kesulitan yang dialami pemerintah dalam penanganan COVID-19 yaitu tingkat kedaruratan dan kebijakan yang diterapkan oleh pemerintah daerah. Setiap daerah memiliki karakteristik yang berbeda-beda sehingga diperlukan pengetahuan mengenai kesamaan karakteristik daerah dalam penanganannya berdasarkan kasus COVID-19 yang berkelanjutan setiap harinya. Oleh karena itu, tujuan dari penelitian ini adalah menganalisis secara deskriptif mengenai kasus aktif COVID-19 berdasarkan data deret waktu dari setiap Provinsi di Indonesia. Selanjutnya melakukan proses pengelompokkan menggunakan data kasus aktif COVID-19 di Indonesia. Proses pengelompokkan menggunakan metode agglomerative hierarchical clustering, yaitu algoritma single, complete dan average linkage. Pengukuran kemiripan menggunakan Euclidean Distance dan Dynamic Time Warping (DTW). Berdasarkan hasil analisis, dengan menggunakan ukuran kebaikan yaitu koefisien korelasi cophenetic menunjukkan bahwa pengukuran kemiripan yang terbaik dari ketiga algoritma yang digunakan adalah Euclidean Distance. Dendogram yang didapat dari hasil pengelompokkan menunjukkan bahwa dengan ketiga algoritma yang digunakan menghasilkan anggota pengelompokkan yang sama. Pentingnya informasi tentang hasil pengelompokkan ini dapat membantu pemerintah pusat dan daerah untuk membuat strategi pencegahan penyebaran rantai virus COVID-19.

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

How to Cite
NOVIDIANTO, Raditya; DANI, Andrea Tri Rian. ANALISIS KLASTER KASUS AKTIF COVID-19 MENURUT PROVINSI DI INDONESIA BERDASARKAN DATA DERET WAKTU. Jurnal Aplikasi Statistika & Komputasi Statistik, [S.l.], v. 12, n. 2, p. 15-24, dec. 2020. ISSN 2615-1367. Available at: <https://jurnal.stis.ac.id/index.php/jurnalasks/article/view/280>. Date accessed: 02 aug. 2021. doi: https://doi.org/10.34123/jurnalasks.v12i2.280.
Section
Komputasi Statistik

References

Dani, A.T.R., Wahyuningsih, S. & Rizki, N. A. (2019). Penerapan Hierarchical Clustering Metode Agglomerative pada Data Runtun Waktu. Jambura Journal of Mathematics 1(2):64-78.
Johnson, R. A. & Wichern, D. W. (2002). Applied Multivariate Statistical Analysis, Fifth Edition. New Jersey: Pearson Prentice Inc.
Montero, P. & Villar, J. A. (2014). TSclust: An R Packages for Time Series Clustering. Journal of Statistical Software. 62(1):01-43.
Santosa, E. (2007). Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Saracli, S., Dogan, N. & Dogan, I. (2013). Comparison of Hierarchical Cluster Analysis Methods by Cophenetic Correlation. Journal of Inequalities and Applications. https://doi.org/10.1186/1029-242X-2013-203.
Supranto. (2010). Statistik: Teori dan Aplikasinya Edisi 8. Jakarta: Erlangga.