Analisis Penerimaan Vaksin Covid-19 Berbasis Fuzzy Clustering Machine Learning di Provinsi Riau
Siti Sarah1, Mustakim2
1,2Puzzle Research Data Technology (Predatech), Faculty of Scienceand Technology
1,2Department of Information System, Faculty of Scienceand Technology Universitas Islam Negeri Sultan Syarif Kasim Riau, Riau, Indonesia
Email: 1sitisarah18401@gmail.com, 2mustakim@uin-suska.ac.id Submitted 25-09-2021; Accepted 05-12-2021; Published 30-12-2021
Abstrak
Corona Virus Disease 2019 atau Covid-19 disebut global karena menyebar dengan cepat ke seluruh dunia, meningkatnya kasus dan kematian, serta kurangnya perawatan dan vaksin. Melihat penyebaran Covid-19 yang begitu cepat dan bahaya yang akan muncul jika tidak segera ditangani, salah satu cara yang paling mungkin untuk mencegah penyebaran virus ini adalah dengan mengembangkan vaksin.
Kepala Dinas Tenaga Kerja dan Transmigrasi Provinsi DKI Jakarta mengeluarkan Surat Keputusan (SK) Nomor 1972 Tahun 2021 tentang Protokol Pencegahan dan Pengendalian Covid-19 di Perkantoran atau Badan Usaha Milik Negara Pimpinan perusahaan hanya memperbolehkan pelaksanaan Work From Office (WFO) kepada pekerja yang telah divaksinasi Covid-19 minimal dosis pertama. Salah satu perusahaan yang membutuhkan vaksin untuk para pekerja ialah PT. Perkebunan Nusantara V atau PTPN V dikarenakan jumlah kasus Covid-19 di PTPN V semakin meningkat. Berdasarkan hal tersebut, penelitian ini akan melakukan pemodelan atau pengelompokan data vaksin Covid-19 di PTPN V dengan menggunakan algoritma Fuzzy C-Means. Atribut yang digunakan pada panelitian ini adalah Jenis Kelamin, Usia, Unit kerja dan Status Vaksin. Hasil cluster yang terbaik didapatkan adalah 5 cluster, cluster terbanyak pada cluster 2 terdapat sebanyak 3574 persons, dan cluster yang memiliki jumlah produk paling sedikit adalah cluster 4 dengan 18 persons. Hasil pengujian nilai validitas Silhoutte Index (SI), didapatkan sebesar 0,1541, dengan demikian kualitas cluster masih jauh untuk mencapai kata optimal.
Kata Kunci: Clustering; Covid-19; Data Mining; Fuzzy C-Means; Silhouette Index (SI) Abstract
Corona Virus Disease 2019 or Covid-19 is called global because it is spreading rapidly around the world, increasing cases and deaths, and lack of treatment and vaccines. Seeing rapid spread of Covid-19 and dangers will arise if not handled immediately, One of the most likely ways to prevent the spread of this virus is develop a vaccine. The Head of the Manpower and Transmigration Office of DKI Jakarta Province Issues Decree (SK) No. 1972 of 2021 concerning the Covid-19 Prevention and Control Protocol in Offices or State-Owned Enterprises. Company leaders only allow the implementation of Work From Office (WFO) to workers who have been vaccinated against Covid-19 at least the first dose. One of the companies that need vaccines for workers is PT. Perkebunan Nusantara V or PTPN V because the number of Covid-19 cases in PTPN V is increasing. Based on this case, this research will model or group Covid-19 vaccine data at PTPN V using the Fuzzy C-Means algorithm. The attributes used in this study were Gender, Age, Unit of Work and Vaccine Status. The best cluster results obtained are 5 clusters, the most cluster in cluster 2 there are 3574 persons, and the cluster which has the least number of products is cluster 4 with 18 person. The result of testing the validity of the Silhouette Index (SI) value is 0.1541, thus the quality of the cluster is still far from reaching the optimal word.
Keywords: Clustering; Covid-19; Data Mining; Fuzzy C-Means; Silhoutte Index (SI)
1. PENDAHULUAN
Menurut Organisasi Kesehatan Dunia (WHO), Corona Virus Disease 2019 atau Covid-19 disebut global karena menyebar dengan cepat ke seluruh dunia, meningkatnya kasus dan kematian, serta kurangnya perawatan dan vaksin [1][2]. Di Indonesia Presiden Joko Widodo mengatakan bahwa kasus pertama Covid-19 masuk ke Indonesia yaitu pada tanggal 2 Maret 2020 lalu, yang terinfeksi dua orang Warga Negara Indonesia asal Depok, Jawa Barat. Berawal dari kasus tersebut, jumlah kasus masyarakat Indonesia yang terinfeksi virus Covid-19 terus bertambah setiap harinya, hingga lebih dari 1,7 juta kasus dengan tingkat kematian sebanyak 49.000 jiwa pada 25 Mei 2021 lalu [3].
Mengingat penyebaran Covid-19 yang begitu cepat hingga tahun 2021 Pandemi Covid-19 masih berlanjut melanda Indonesia memerlukan penanganan lanjutan, dan bahayanya jika tidak segera diobati. Salah satu cara yang paling mungkin untuk mencegah penyebaran virus ini adalahdengan secara aktif mendorong penegakkan protokol kesehatan masyarakat dan dengan mengembangkan vaksin [3][4].Vaksinasi seharusnya menjadi salah satu upaya untuk mempercepat respon terhadap Covid-19 dan segera dilakukan kepada seluruh masyarakat . Hal itu tertuang dalam Permenkes RI Tahun 2020 Nomor 84 tentang Pelaksanaan Vaksinasi untuk Mengatasi Pandemi Covid-19 [5][6].
Vaksinasi adalah proses dimana seseorang memperoleh kekebalan atau melindungi dirinya dari penyakit, dan jika suatu hari terkena penyakit, vaksinasi biasanya tidak menyebabkan penyakit atau penyakit ringan[7][8]. Vaksinasi akan memperkuat kekebalan atau imunitas tubuh pada orang dan masyarakat [9]. Kepala Dinas Tenaga Kerja dan Transmigrasi Provinsi DKI Jakarta menerbitkan Surat Keputusan (SK) Tahun 2021 No. 1972 tentang Protokol Pencegahan dan Penanganan Covid-19 di Perkantoran atau Badan Usaha Milik Negara. Manajer perusahaan hanya mengizinkan penerapan WorkFromOffice (WFO). Kepada pekerja yang divaksinasi dengan dosis minimum pertama Covid-19.
Salah satu perusahaan yang membutuhkan vaksin ialah PT. Perkebunan Nusantara V atau PTPN V dikarenakan jumlah kasus Covid-19 di PTPN V semakin meningkat. PTPN V adalah perusahaan negara, perusahaan yang tumbuh dan berkembang dalam masyarakat [10]. PTPN V terus berupaya memperkuat pencegahan wabah Covid-19 sebagai bagian dari
upaya keberlanjutan produktivitas yang kuat sejak tahun lalu hingga paruh pertama tahun 2021. Upaya preventif dimulai dengan penguatan protokol kesehatan, dilanjutkan dengan program vaksinasi massal bagi karyawan. Vaksinasi pegawai PTPN V yang sudah berlangsung sejak pertengahan Maret 2021 akan semakin diperkuat. Hingga 1.855 karyawan berpartisipasi dalam program vaksinasi dosis penuh. Kepemimpinan PTPN V ditujukan kepada seluruh karyawan perusahaan yang telah berhasil melaksanakan program vaksinasi Covid-19 pada tahun 2020.
Berdasarkan hal tersebut, pada penelitian ini akan dilakukan pemodelan atau pengelompokan data vaksin Covid-19 di daerah pada sub bagian PTPN V menggunakan teknik Ilmu Komputer. Cabang dari komputasi adalah kecerdasan buatan seperti Data Mining, sistem pendukung keputusan, sistem pakar, jaringan syaraf tiruan, logika fuzzy dan lain-lain.
Pengelompokan tersebut mengelompokkan data ke dalam kelompok-kelompok yang ada sesuai dengan kesamaan karakteristik masing-masing data. Ada banyak cara untuk melakukan perhitungan clustering, termasuk Fuzzy C-Means [11][12].
Fuzzy C-Means adalah teknik clustering dimana eksistensi setiap titik data pada suatu grup dipengaruhi oleh derajat keanggotaannya. Teknik ini pertama kali dikembangkan oleh Jim Bezdek [13][14]. Pengelompokkan data menggunakan metode Fuzzy C-Means yang menghasilkan bilangan acak sebagai matriks partisi awal, menghitung pusat cluster, menghitung fungsi tujuan, dan menghitung perubahan pada matriks partisi [15]. Metode Fuzzy C-Means pernah digunakan pada beberapa penelitian terdahulu untuk mengelompokkan data.
Pada penelitian pertama yang dilakukan Agustina dan Prihandoko tahun 2018 Menyatakan bahwa Berdasarkan penelitian yang dilakukan dengan dua metode, data kinerja pegawai dikelompokkan menjadi 3 cluster yaitu kinerja tinggi, kinerja sedang dan kinerja rendah. Hasil penelitian ini menunjukkan bahwa Fuzzy C-Means merupakan metode yang lebih baik daripada K-Means untuk mengelompokkan data tingkat kinerja pegawai di STT Bandung karena nilai validasinya mendekati 1 [16].
Penelitian lainnya yang dilakukan oleh Ramadhan dan kawan-kawan tahun 2019 tentang menghasilkan bahwa algoritma Fuzzy C-Means menghasilkan nilai SI sebesar 0,2159 dan algoritma K-Medoids menghasilkan nilai SI sebesar 0,2018. Berdasarkan nilai SI, algoritma Fuzzy C-Means lebih baik pada lokasi cluster daripada algoritma K-Medoids [17].
Penelitian Selanjutnya dilakukan oleh Ayu tahun 2015 mengatakan Dari mendapatkan jumlah pengulangan yang maksimal dan hasil segmentasi yang didapat, Metode Fuzzy C-Means memberikan hasil segmentasi terbaik untuk segmentasi citra grayscale khususnya citra USG. Hasil segmentasi terbaik dari kedua Metode adalah pada nilai terkecil, dimana untuk Fuzzy C-Means adalah 2 cluster dan DBSCAN adalah 2 MinPts [18].
Pada Penelitian ini adanya kesulitan dalam melakukan pemodelan atau pengelompokan data dilapangan terkait dengan Jenis Kelamin, Usia, Unit Kerja dan Status Vaksin yang digunakan. Oleh karena itu, diperlukan sebuah algoritma Fuzzy C- Means untuk melakukan pengelompokan tersebut.
2. METODOLOGI PENELITIAN
Metode dalam penelitian ini terbagi menjadi empat tahapan utama yaitu Pengumpulan Data, Pre-Processing Data, Analisis dan Hasil serta dokumentasi. Metode penelitian ini dapat dilihat pada Gambar 1.
Penelitian dimulai dengan perencanaan, pendefinisian topik, perumusan masalah, dan hasil yang ingin dicapai.
Setelah dilakukan perencanaan, dilakukan pengumpulan dokumen dan data untuk mendukung penelitian sehingga data yang dihasilkan dapat diolah secara manual dengan melakukan Pre-Processing data dan normalisasi data.
Data yang dinormalisasi kemudian dihitung untuk Fuzzy C-Means, sedangkan perhitungan dilakukan menggunakan alat MatLab. Ketika hasil cluster diperoleh, dilakukan analisis cluster dan data yang dikandungnya untuk mendapatkan hasil dan kesimpulan.
2.1 Fuzzy C-Means
Data Mining memiliki hubungan dengan bidang lain seperti sistem basis data, jaringan saraf tiruan, pengenalan pola, penyimpanan data, statistik, pembelajaran mesin, dan penelitian informasi data [19]. Dalam Fuzzy Clustering, algoritma Fuzzy C-Means merupakan metode clustering yang paling umum digunakan [20]. Fuzzy C-Means merupakan salah satu metode clustering Data Mining. Data Mining Sebuah proses semi-otomatis yang menggunakan teknologi statistik, matematika, dan intelektual. Kecerdasan buatan dan pembelajaran mesin untuk mengekstrak dan mengidentifikasi informasi pengetahuan yang berpotensi berguna dan berguna yang disimpan dalam database besar [19]. Fuzzy C-Means menggunakan model Fuzzy Clustering, sehingga data dapat dimiliki oleh setiap kelas atau cluster yang terbentuk dengan keanggotaan atau keanggotaan yang bervariasi antara 0 dan keberadaan data dalam cluster ditentukan oleh derajat keanggotaan [21].
Keuntungan dari algoritma Fuzzy C-Means adalah kemampuannya yang sangat baik untuk mendeteksi cluster tingkat tinggi dan mengungkapkan hubungan antara model cluster yang berbeda [21]. Langkah-langkah dari algoritma Fuzzy C-Means adalah sebagai berikut [21]:
1. Data input harus dalam cluster X, berupa matriks berukuran n x m (n, jumlah sampel data; m, atribut setiap data). Xij, data sampel ke-i (i=1,2...n), atribut ke-j (j=1,2...m).
2. Tentukan:
a) Jumlah Cluster : c;
b) Pangkat : w;
c) Maksimum Iterasi : MaxIter;
d) Error Rate : ๐๐ผ; e) Fungsi Objektif Awal : ๐๐= 0;
f) Iterasi Awal : t = 1;
3. Bangkitkan bilangan random ยตik, i=1,2...n; k=1,2...c; sebagai elemen-elemen matriks partisi awal U
๐๐= โ =๐๐ 1๐๐๐ (1)
Dengan j = 1, 2, โฆn Hitung:
ฮผik = ๐๐๐
๐๐ (2)
4. Hitung pusat cluster ke-k: Vkj, dengan k=1,2...c; dan j=1,2...m ๐๐๐ =โ =1((๐๐๐)
๐คโ ๐๐๐) ๐
๐
โ =๐๐ 1(๐๐๐)๐ค (3)
5. Hitung fungsi objektif pada iterasi ke-t, Pt
๐๐ก=โ =1 โ =1([โ =1(๐๐๐ ๐๐ ๐๐ ๐๐โ๐๐๐)2](๐๐๐)๐ค) (4)
6. Hitung perubahan matriks partisi
๐๐๐= [โ =1(๐๐๐โ๐๐๐)
๐ 2
๐ ]
โ1 ๐คโ1
[โ =(๐๐๐ ๐๐โ๐๐๐)2]
โ1 ๐คโ1
(5)
7. Cek kondisi berhenti:
Jika: (|Pt-Pt-1|<๐๐ผ) atau (t >MaxIter) maka berhenti Jika tidak : t = t + 1, ulangi langkah ke-4
Mulai
Pengumpulan Data
Pre-Processing Data
Algoritma Fuzzy C-Means
Selesai Hasil dan Analisis
Gambar 1. Metode Penelitian 2.2 Silhoutte Index (SI)
Silhoute Index (SI) adalah metode untuk penentuan validitas cluster yang biasanya dihitung dengan menghitung mean dari setiap data. Satu per cluster atau seluruh cluster. Secara khusus, perhitungan rata-rata adalah selisih antara nilai separasi dan kompresi dibagi dengan nilai maksimum dari dua nilai tersebut [22]. Untuk mendapatkan nilai SI keseluruhan yaitu dengan menghitung nilai rata-rata SI semua cluster [17].
๐๐ผ = 1
๐ โ๐ ๐๐ผ๐
๐=1 (6)
2.2 Vaksinasi Covid-19
Vaksinasi adalah proses di mana seseorang kebal atau terlindungi dari suatu penyakit, ke titik di mana penyakit itu tidak menyebabkan penyakit atau hanya menderita penyakit ringan [23]. Vaksin Covid-19 disetujui pada akhir 2020 dan awal 2021 untuk penggunaan umum di negara-negara di seluruh dunia [24]. Vaksinasi terhadap Covid-19 merupakan salah satu program pemerintah untuk menanggulangi wabah Covid-19 [23]. Virus corona telah memasuki tahun kedua penyebarannya di Indonesia. Menyadari banyaknya wabah Covid-19, pemerintah mengeluarkan kebijakan mengenai vaksinasi terhadap Covid-19 di Indonesia salah satu cara untuk mencegah penyebaran Covid-19 adalah dengan melakukan vaksinasi. Vaksin tidak hanya melindungi orang yang divaksinasi, tetapi juga mencegah penyebaran penyakit di masyarakat [25]
3. HASIL DAN PEMBAHASAN
3.1 Pengumpulan dan Pre-Processing Data
Data yang digunakan dalam penelitian ini adalah data vaksin Covid19 di PTPN V dengan total data vaksin sekitar 10.000 data yang dapat diolah, kemudian dilakukan proses transformasi data sehingga dapat diolah menggunakan algoritma Fuzzy C-Means. Atribut yang digunakan adalah Jenis Kelamin, Umur, Unit Kerja, Status Vaksin. Data yang direkap kemudian dinormalisasi.Normalisasi dilakukan untuk mengubah data menjadi nilai yang lebih mudah dipahami. Data yang dihasilkan diproses dan dirangkup serta dinormalisasi.
Transformasi Data
Transformasi diterapkan pada data vaksin Covid-19 untuk atribut Jenis Kelamin, Umur, Unit Kerja dan Status Vaksin.
Transformasi pada penelitian ini dapat dilihat pada Tabel 1.
Tabel 1. Data Vaksin Covid-19
Nama Jenis Kelamin Umur Unit Kerja Status Vaksin
Person 1 1 19 1 1
Person 2 1 20 1 1
Person 3 1 20 1 1
Person 4 1 22 1 1
Person 5 1 22 1 1
Person 6 1 23 1 1
Person 7 1 25 1 1
Person 8 1 25 1 1
โฆ โฆ โฆ โฆ โฆ
Person 10325 2 55 43 2
Normalisasi Data
Normalisasi yang diterapkan pada data vaksin Covid-19 dalam penelitian ini adalah min-max normalization. Hasil normalisasi data dapat dilihat pada Tabel 2.
Tabel 2. Data Vaksin hasil Normalisasi
Nama Jenis Kelamin Umur Unit Kerja Status Vaksin
Person 1 0,0000 0,0222 0,0000 1,0000
Person 2 0,0000 0,0444 0,0000 1,0000
Person 3 0,0000 0,0444 0,0000 1,0000
Person 4 0,0000 0,0889 0,0000 1,0000
Person 5 0,0000 0,0889 0,0000 1,0000
Person 6 0,0000 0,1111 0,0000 1,0000
Person 7 0,0000 0,1556 0,0000 1,0000
Person 8 0,0000 0,1556 0,0000 1,0000
โฆ โฆ โฆ โฆ โฆ
Person 10325 1,0000 0.8222 1,0000 1,0000
3.2 Pengelompokkan Data Menggunakan Algoritma Fuzzy C-Means
Pada tahapan ini dilakukan pengelompokan data vaksin Covid-19 dengan melakukan pemodelan pecobaan dari K3 hingga K5 dengan tujuan menentukan nilai SI tertinggi untuk menghasilkan cluster terbaik dalam hal penempatan cluster.Hasil clustering menggunakan algoritma Fuzzy C-Means ditunjukkan pada Gambar 2.
Gambar 2. Clustering Algoritma Fuzzy C-Means
Setelah dilakukan clustering menggunakan algoritma Fuzzy C-Means selanjutnya membandingkan nilai validasi terhadap cluster yang dilakukan pada penelitian ini adalah SI untuk mendapatkan hasil cluster terbaik. Validasi pada algoritma Fuzzy C-Means dari semua pengujian model cluster yaitu dari K3 sampai dengan K5. Pada Gambar 2 menunjukkan nilai validitas K3 senilai 0,0216, nilai validitas K4 sebear 0,1044, nilai validitas K5 sebesar 0,1541. Nilai yang mendekati 1 merupakan validitas cluster terbaik dalam hal penempatan cluster. Dari grafik perbandingan di atas dapat diketahui nilai SI dari algoritma Fuzzy C-Means bahwa semakin tinggi nilai K maka semakin tinggi nilai validitas SI. nilai SI algoritma Fuzzy C-Means pada K5 lebih tinggi dibandingkan nilai SI pada K yang lainya. Sehingga validitas cluster tertinggi yang terdapat pada K5 algoritma Fuzzy C-Means inilah yang selanjutnya dilakukan analisis cluster.
Gambar 3. Sebaran Seluruh Cluster
Hasil cluster pada K5 algoritma Fuzzy C-Means dengan total mencapai 10.325 persons terlihat pada gambar diatas.
Didapatkan sebaran cluster vaksin Covid-19 dengan rincian, cluster 1 diisi sebanyak 3040 persons, cluster 2 diisi sebanyak 3574 persons, cluster 3 diisi sebanyak 284 persons, cluster 4 diisi sebanyak 18 persons, cluster 5 diisi sebanyak 3409 persons. Cluster terbanyak pada cluster 2 terdapat sebanyak 3574 persons, dan cluster dengan produk paling sedikit adalah cluster 4 dengan jumlah 18 persons.
4. KESIMPULAN
Berdasarkan penelitian yang telah dilakukan dan di validasi dengan SI, dari grafik perbandingan pada Gambar 2 diatas dapat diketahui nilai SI dari algoritma Fuzzy C-Means dengan nilai validitas K3 sebesar 0,0216, nilai validitas K4 sebesar 0,1044, nilai validitas K5 sebesar 0,1541, maka didapatkan analisis cluster dilakukan pada nilai SI yang tertinggi dengan pengelompokan data Covid-19 terbaik pada algoritma Fuzzy C-Means yaitu pada 5 cluster, nilai yang mendekati 1 merupakan validitas cluster terbaik dalam hal penempatan cluster. Cluster 1 diisi sebanyak 3040 persons, cluster 2 diisi sebanyak 3574 persons, cluster 3 diisi sebanyak 284 persons, cluster 4 diisi sebanyak 18 persons, cluster 5 diisi sebanyak 3409 persons. Cluster terbanyak pada cluster 2 terdapat sebanyak 3574 persons, dan cluster dengan nilai paling sedikit adalah cluster 4 dengan jumlah 18 persons. Penelitian ini juga dapat disimpulkan bahwa semakin tinggi nilai K semakin tinggi pula nilai validitas. Namun pada penelitian ini hasil validitas SI pada algoritma ini kurang baik hanya sebesar 0,1541 yang artinya masih jauh dari kata optimal dengan demikian maka algoritma ini tidak disarankan dalam mengelompokkan kasus Covid-19 khususnya di PT. Perkebunan Nusantara V atau PTPN V. Saran yang dapat diberikan untuk penelitian selanjutnya adalah dapat menggunakan algoritma atau metode lain yang lebih akurat.
UCAPAN TERIMAKASIH
Terimakasih kepada Perusahaan PT. Perkebunan Nusantara V atau PTPN V yang telah memberikan data serta kesempatan untuk melakukan penelitian. Terimakasih juga kepada Organisasi Puzzle Research Data Technology atau Predatech dan
0.0216
0.1044
0.1541
0 0.05 0.1 0.15 0.2
K 3 K 4 K 5
Silhoutte Score
3040
3574
284 18
3409
15 1015 2015 3015 4015
Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5
Sebaran Cluster
teman-teman seperjuangan yang selalu memberikan masukan, dorongan dan semangat kepada penulis dalam penyelesaian penelitian ini.
REFERENCES
[1] Khofifah Putriyani, T. Wahyuningrum, and Y. Dwi Prasetyo, โPrediksi Jumlah Produksi Akibat Penyebaran Covid-19 Menggunakan Metode Fuzzy Takagi-Sugeno,โ J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 220โ230, 2021, doi:
10.29207/resti.v5i2.2973.
[2] R. Ayunda, V. Kosasih, and H. S. Disemadi, โPerlindungan Hukum Bagi Masyarakat Terhadap Efek Samping Pasca Pelaksanaan Vaksinasi Covid-19 Di Indonesia,โ Nusant. J. Ilmu Pengetah. Sos., vol. 7, no. 2, pp. 408โ420, 2020.
[3] E. Nufa, โAnalisis Klasifikasi Sentimen Tentang Pro Dan Kontra[1] E. Nufa, โAnalisis Klasifikasi Sentimen Tentang Pro Dan Kontra Masyarakat Indonesia Terhadap Vaksin Covid-19 Pada Media,โ no. May, p. 2, 2021. Masyarakat Indonesia Terhadap Vaksin Covid- 19 Pada Media,โ no. May, p. 2, 2021.
[4] F. F. Rachman and S. Pramana, โAnalisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter,โ Heal. Inf. Manag. J., vol. 8, no. 2, pp. 100โ109, 2020, [Online]. Available:
https://inohim.esaunggul.ac.id/index.php/INO/article/view/223/175.
[5] A. Kriswibowo, J. K. P. Prameswari, and A. G. Baskoro, โAnalisis Kepercayaan Publik Terhadap Kebijakan Vaksinasi Covid-19 Di Kota Surabaya,โ J. Publicuho, vol. 4, no. 2, pp. 326โ344, 2021, doi: 10.35817/jpu.v4i2.17912.
[6] T. 19, โPERILAKU PENCEGAHAN COVID-19 DI LINGKUNGAN RUMAH TANGGA DI DESA GADUNGAN TABANAN BALI,โ vol. 7, no. 2, p. 6, 2021.
[7] Fitriani Pramita Gurning, Laili Komariah Siagian, Ika Wiranti, Shinta Devi, and Wahyulinar Atika, โKebijakan Pelaksanaan Vaksinasi Covid-19 Di Kota Medan Tahun 2020,โ J. Kesehat., vol. 10, no. 1, pp. 43โ50, 2021, doi: 10.37048/kesehatan.v10i1.326.
[8] H. Hartaty, โPengaruh Tingkat Pengetahuan Ibu Tentang Imunisasi Pada Bayi Di Wilayah Kerja Puskesmas Batua Kota Makassar,โ
J. Ilm. Kesehat. Sandi Husada, vol. 5, no. 2, pp. 13โ32, 2018, doi: 10.35816/jiskh.v5i2.29.
[9] R. A. Sukmana, M. I. Iyansyah, B. A. Wijaya, and M. F. Kurniawati, โImplementasi Strategi Komunikasi Kesehatan dalam Meyakinkan Masyarakat untuk Pelaksanaan Vaksinasi COVID-19 di Kabupaten Barito Kuala,โ J. Sains Sosio Hum., vol. 5, no. 1, pp. 409โ419, 2021, doi: 10.22437/jssh.v5i1.14153.
[10] A. Mayssara A. Abo Hassanin Supervised, โSTRATEGI MEDIA RELATIONS HUMAS PT,PERKEBUNAN NUSANTARA V PEKANBARU ( PTPN V) PEKANBARU DALAM MENINGKATKAN CITRA POSITIF,โ Pap. Knowl. . Towar. a Media Hist.
Doc., vol. 3, no. 2, pp. 1โ13, 2014.
[11] L. Siburian, โData Mining Memprediksi Kebutuhan Vaksin Imunisasi dengan Menggunakan Metode Naive Bayes ( Studi kasus UPT Puskesmas Teladan ),โ vol. 1, no. 5, pp. 282โ290, 2021.
[12] N. L. G. P. Suwirmayanti, โPenerapan Metode Fuzzy C-Means Untuk Pengelompokan Data Kredit,โ STMIK Pontianak Online Proc., pp. 390โ395, 2018.
[13] D. L. Rahakbauw, V. Y. I. Ilwaru, and M. H. Hahury, โImplementasi Fuzzy C-Means Clustering Dalam Implementation Of Fuzzy C-Means Clustering In,โ vol. 11, pp. 1โ12, 2017.
[14] S. Kasus, D. Lubuk, A. Besar, A. M. M, H. Sofyan, and M. Subianto, โPerbandingan Metode Fuzzy C-Means ( Fcm ) Dan Fuzzy Gustafson-Kessel ( Fgk ) Menggunakan Data Citra Satelit Quickbird,โ J. Mat. 00 01โ05, vol. 00, pp. 1โ5, 2013.
[15] A. Ahmadi and S. Hartati, โPenerapan Fuzzy C-Means dalam Sistem Pendukung Keputusan untuk Penentuan Penerima Bantuan Langsung Masyarakat ( BLM ) PNPM- MPd ( Studi Kasus PNPM-MPd Kec . Ngadirojo Kab . Pacitan ) 2007 Pemerintah Indonesia mencanangkan Program Nasional Pemberdayaan Mas,โ Berk. MIPA, vol. 23, no. 3, pp. 264โ273, 2013.
[16] N. Agustina and P. Prihandoko, โPerbandingan Algoritma K-Means dengan Fuzzy C-Means Untuk Clustering Tingkat Kedisiplinan Kinerja Karyawan,โ J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 3, pp. 621โ626, 2018, doi: 10.29207/resti.v2i3.492.
[17] A. Jaini, Mustakim, A. W. Syaputri, T. Qurahman, and S. T. Rizaldi, โPerbandingan Algoritma Fuzzy C-Means dan K-Medoids untuk Pengelompokan Data Penjualan pada 212 Mart,โ Semin. Nas. Teknol. Informasi, Komun. dan Ind. 12, no. 2012, pp. 172โ179, 2020.
[18] P. D. W. Ayu, โPerbandingan Kinerja Fuzzy C-Means dan DBSCAN dalam Segmentasi Citra USG Kepala Janin,โ J. Sist. dan Inform., vol. 9, no. 2, pp. 79โ85, 2015.
[19] A. Ramadhan, Mustakim, and R. Handinata, โImplementasi Algoritma Fuzzy C Means Dan Moora Untuk Pengelompokan Dan Penentuan Wilayah Penanggulangan Bencana Banjir,โ no. November, p. Pekanbaru, 2019.
[20] M. S. Yang and Y. Nataliani, โRobust-learning fuzzy c-means clustering algorithm with unknown number of clusters,โ Pattern Recognit., vol. 71, pp. 45โ59, 2017, doi: 10.1016/j.patcog.2017.05.017.
[21] R. Rustiyan and M. Mustakim, โPenerapan Algoritma Fuzzy C Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi,โ J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, p. 171, 2018, doi: 10.25126/jtiik.201852605.
[22] A. F. Khairati, A. . Adlina, G. . Hertono, and B. . Handari, โKajian Indeks Validitas pada Algoritma K-Means Enhanced dan K- Means MMCA,โ Prism. Pros. Semin. Nas. Mat., vol. 2, pp. 161โ170, 2019, [Online]. Available:
https://journal.unnes.ac.id/sju/index.php/prisma/article/view/28906.
[23] L. Saletti-cuesta et al., โPemberian Vaksinasi Covid-19 Kepada Masyarakat Sebagai Wujud Pemenuhan Hak Asasi Manusia Di Bidang Kesehatan,โ Sustain., vol. 4, no. 1, pp. 1โ9, 2020, [Online]. Available: https://pesquisa.bvsalud.org/portal/resource/en/mdl- 20203177951%0Ahttp://dx.doi.org/10.1038/s41562-020-0887-9%0Ahttp://dx.doi.org/10.1038/s41562-020-0884-
z%0Ahttps://doi.org/10.1080/13669877.2020.1758193%0Ahttp://sersc.org/journals/index.php/IJAST/article.
[24] S. Schaffer Deroo, N. J. Pudalov, and L. Y. Fu, โPlanning for a COVID-19 Vaccination Program,โ JAMA - J. Am. Med. Assoc., vol.
323, no. 24, pp. 2458โ2459, 2020, doi: 10.1001/jama.2020.8711.
[25] E. Kartikawati and M. Mayarni, โEdukasi Vaksinasi Covid-19 Bagi Kelompok Aisyiah Ranting Kukusan Depok,โ SELAPARANG J. Pengabdi. Masy. Berkemajuan, vol. 4, no. 3, p. 650, 2021, doi: 10.31764/jpmb.v4i3.5182.
