Implementasi Metode K-Medoids untuk mengumpulkan data pasien SARSCoV2
Keywords:
Data Mining, Cluster, K-Medoids, Covid-19, JakartaAbstract
Wuhan—ibu kota Provinsi Hubei, China—virus Covid-19 pertama kali diketahui muncul pada tahun 2019. Penyakit corona virus, juga dikenal sebagai SARSCoV2 adalah penyakit sangat menular yang ditandai pertama gejala hidung tersumbat ,tidak bisa merasakan, dan juga panas di seluruh badan. Korban COVID-19 biasanya mengalami kelelahan, demam, dan batuk keringpengelompokan menggunakan metode K-medoids untuk mengelompokkan Pasien Penyebaran Covid-19 di Provinsi DKI Jakarta. Pengidentifikasi ini berisi jumlah rencana Cluster yang diproses dengan metode K-Medoids. Pengenal Persyaratan antara lain atribut table dan juga data-data pasien SARSCoV2 diproses dengan metode K-Medoids. dan juga cara menggunakan Rapidminer untuk melakukan Clustering Pada aplikasi rapidminer kita import data berupa spreetsheet, lalu lalu berlanjut ke proses seperti gambar 3 dan melakukan pencocokan atribut data, data yang di masukan ke dalam rapidminer semua berupa numerik Setelah melakukan preprocessing data kita melakukan pengolahan dengan metode K-Medodis yang tersedia di tab desainBerdasarkan hasil pengujian data SARSCoV2 yang dilakukan di daerah DKI Jakarta, Metode K-Medoids yang digunakan dengan menggunakan Rapidminer berhasil menghasilkan dua cluster. Proses ini dapat diperpanjang dengan metode pengelompokan lainnya agar meningkatkan akurasi penelitian dengan menambahkan informasi dan fitur yang lebih mudah
References
S. F. Octavia and M. Mustakim, “Penerapan K-Means dan Fuzzy C-Means untuk Pengelompokan Data Kasus Covid-19 di Kabupaten Indragiri Hilir,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 2, pp. 88–94, Sep. 2021, doi: 10.47065/bits.v3i2.1005.
U. R. Gurning and M. Mustakim, “Penerapan Algoritma K-Means dan K-Medoid untuk Pengelompokkan Data Pasien Covid-19,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 1, pp. 48–55, Jun. 2021, doi: 10.47065/bits.v3i1.1003.
M. Triana et al., “KEBIJAKAN PEMERINTAH DKI JAKARTA MENANGANI PANDEMI COVID-19,” Jurnal Ilmu Pemerintahan, vol. 14, no. 1, pp. 1–9, 2021.
D. Sepri, Y. Fimazid, S. Bangek Koto Tangah, and W. Sumatera, “Pengelompokan Penyebaran Covid-19 di Kota Padang Menggunakan Algoritma K-Medoids”.
C. Astria, D. Hartama, A. P. Windarto, and I. Sudahri, Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Pengembangan Metode Datamining K- Medoid Pada Kasus Distribusi Listrik di Indonesia.
I. Rahayu et al., “Implementasi Data Mining Metode K-Medoid Dalam Seleksi Tenaga Enumerator Data Koperasi dan UKM Kabupaten Simalungun,” Agustus, vol. 6, no. 3, 2022.
Z. Nabila, A. Rahman Isnain, and Z. Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol.2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI
P. Nurul Sabrina, A. Kania Ningsih, and F. Kasyidi, “Interpretasi dan Visualisasi Hasil Clustering Menggunakan K-Medoid untuk Identifikasi Penyebaran Virus Covid-19,” Jurnal ICT : Information Communication & Technology, vol. 21, no. 1, pp. 1–7, 2022.
R. A. Farissa, R. Mayasari, and Y. Umaidah, “Perbandingan Algoritma K-Means dan K- Medoids Untuk Pengelompokkan Data Obat dengan Silhouette Coefficient,” 2021. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
C. Astria, D. Hartama, A. P. Windarto, and I. Sudahri, Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Pengembangan Metode Datamining K- Medoid Pada Kasus Distribusi Listrik di Indonesia.
