Melola Discovery

← Melola Discovery

Jurnal

Analisis Cluster Dengan Metode K-Means Pada Persebaran Kasus COVID-19 Berdasarkan Provinsi di Indonesia

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 4 (2021) · hlm. 602–610

ISSN
2613-9189
Terbit
2021-02-25
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Tujuan dalam penelitian menggunakan metode K-Means Cluster adalah untuk mengetahui tingkat persebaran kasus COVID-19 kategori tinggi, sedang, dan rendah pada masing-masing Provinsi di Indonesia. Ada beberapa aspek yang bisa diukur seperti jumlah penduduk, kepadatan penduduk, kasus positif terinfeksi COVID-19, pasien yang sembuh, dan pasien yang meninggal dunia. Metode pengumpulan data yang digunakan adalah metode dokumentasi berupa data sekunder yang diperoleh dari publikasi buku Badan Pusat Statistik dan data Kemenkes RI di Badan Nasional Penanggulangan Bencana. Data yang digunakan yaitu jumlah penduduk (X1), kepadatan penduduk (X2), positif (X3), sembuh (X4), dan meninggal (X5) dan dianalisis menggunakan software SPSS. Dari hasil penelitian dengan metode K-Means terbentuk menjadi 5 cluster. Cluster 1 termasuk kasus yang tinggi berisi 2 Provinsi. Cluster 2 termasuk kasus yang sedang berisi 3 Provinsi. Cluster 3 termasuk kasus yang rendah berisi 29 Provinsi dan dibagi lagi menjadi 3 cluster dengan mengelompokkan berdasarkan tingakatannya. Karakteristik cluster 1 kategori tinggi berisi rata-rata X2, X3, X4, dan X5 berada di atas rata-rata populasi. Cluster 2 kategori sedang berisi rata-rata X2, X3, X4, dan X5 berada di bawah rata-rata populasi. Cluster 3 kategori rendah berisi rata-rata semua variabel berada di atas rata-rata populasi. Variabel yang memberikan perbedaan paling besar adalah variabel kepadatan penduduk dengan nilai F sebesar 26,641 dan nilai signifikan 0,000. Provinsi yang memiliki nilai paling besar pada variabel kepadatan penduduk adalah Provinsi DKI Jakarta.

Jaringan kolaborasi para penulis

40 penulis · 82 tautan kepenulisan bersama · 8 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Soegijapranata Catholic University
  • University of Brawijaya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Isti HidayahState University of Semarang4
St. Budi WaluyaAfiliasi tidak diketahui2
Arief AgoestantoAfiliasi tidak diketahui2
Scolastika MarianiState University of Semarang2
Junarti JunartiAfiliasi tidak diketahui2
Irene Nindita PradnyaState University of Semarang1
Hartutik HartutikUniversity of Brawijaya1
Andarweni AstutiAfiliasi tidak diketahui1
Matilda Stella PradnyaSoegijapranata Catholic University1
Mayang SetyaningsihSoegijapranata Catholic University1
. KartonoAfiliasi tidak diketahui1
Herayani -Afiliasi tidak diketahui1
Andi SetyoningrumAfiliasi tidak diketahui1
sunyoto eko nugrohoState University of Semarang1
Wardono WardonoAfiliasi tidak diketahui1
Nur Livia Dewi MashitohAfiliasi tidak diketahui1
Purniawan PurniawanAfiliasi tidak diketahui1
Iman SubektiAfiliasi tidak diketahui1
Suyanti SuyantiAfiliasi tidak diketahui1
atmira qurnia sariAfiliasi tidak diketahui1
Putriaji HendikawatiState University of Semarang1
Siti Faiqotul UlyaAfiliasi tidak diketahui1
Lathifatul AzizahAfiliasi tidak diketahui1
Endang SugihartiState University of Semarang1
Eka Lia SusantiState University of Semarang1
Sugiman SugimanState University of Semarang1
Arum Nur WulandariState University of Semarang1
Rochmad RochmadState University of Semarang1
Arief AgoestantoState University of Semarang1
Isnarto IsnartoState University of Semarang1
Siska FirmasariAfiliasi tidak diketahui1
Sc. MarianiAfiliasi tidak diketahui1
MulyonoAfiliasi tidak diketahui1
Subagyo .Afiliasi tidak diketahui1
MM Heni WidiastutiAfiliasi tidak diketahui1
Enika WulandariState University of Semarang1
Masrukan MasrukanState University of Semarang1
Mariani ScholastikaState University of Semarang1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Analisis Cluster Dengan Metode K-Means Pada Persebaran Kasus COVID-19 Berdasarkan Provinsi di Indonesia</dc:title>
	<dc:creator>Sari, Desy Noor Permata</dc:creator>
	<dc:creator>Sukestiyarno, YL.</dc:creator>
	<dc:description xml:lang="en-US">Tujuan dalam penelitian menggunakan metode K-Means Cluster adalah untuk mengetahui tingkat persebaran kasus COVID-19 kategori tinggi, sedang, dan rendah pada masing-masing Provinsi di Indonesia. Ada beberapa aspek yang bisa diukur seperti jumlah penduduk, kepadatan penduduk, kasus positif terinfeksi COVID-19, pasien yang sembuh, dan pasien yang meninggal dunia. Metode pengumpulan data yang digunakan adalah metode dokumentasi berupa data sekunder yang diperoleh dari publikasi buku Badan Pusat Statistik dan data Kemenkes RI di Badan Nasional Penanggulangan Bencana. Data yang digunakan yaitu jumlah penduduk (X1), kepadatan penduduk (X2), positif (X3), sembuh (X4), dan meninggal (X5) dan dianalisis menggunakan software SPSS. Dari hasil penelitian dengan metode K-Means terbentuk menjadi 5 cluster. Cluster 1 termasuk kasus yang tinggi berisi 2 Provinsi. Cluster 2 termasuk kasus yang sedang berisi 3 Provinsi. Cluster 3 termasuk kasus yang rendah berisi 29 Provinsi dan dibagi lagi menjadi 3 cluster dengan mengelompokkan berdasarkan tingakatannya. Karakteristik cluster 1 kategori tinggi berisi rata-rata X2, X3, X4, dan X5 berada di atas rata-rata populasi. Cluster 2 kategori sedang berisi rata-rata X2, X3, X4, dan X5 berada di bawah rata-rata populasi. Cluster 3 kategori rendah berisi rata-rata semua variabel berada di atas rata-rata populasi. Variabel yang memberikan perbedaan paling besar adalah variabel kepadatan penduduk dengan nilai F sebesar 26,641 dan nilai signifikan 0,000. Provinsi yang memiliki nilai paling besar pada variabel kepadatan penduduk adalah Provinsi DKI Jakarta.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2021-02-25</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/45035</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 4 (2021): PRISMA, Prosiding Seminar Nasional Matematika; 602-610</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/45035/18626</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2021 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>