Tugas Data Mining Review Jurnal
Link paper : https://ojs.fikom-methodist.net/index.php/methotika/article/download/47/44 Judul
Klasifikasi Daerah Rawan Covid-19 Dengan Menggunakan Metode K Means ClusteringDi Indonesia Dataset yang digunakan Diambil dari data Covid-19 tahun 2021 setiap provinsi
Jurnal Jurnal Ilmiah Informatika
Volume & Halaman Vol. 2, No. 1 / pp. 46-54
Tahun April 2022
Penulis Maria N.S Napitupulu
Reviewer Zamzam Miftahul Faoz, Salih Arya Gumilang, Cyifa Detra Raharja, Arif Sabana Hasibuan, Zamzam Miftahul Faoz, Refangga Akhmad Rizki
Tanggal Review 24 November 2023
Metode yang Digunakan
Pada paper di bahas bagaimana menghadapi penyebaran COVID-19 di Indonesia, dimana pada peper melakukan pendekatan data mining dengan menggunakan algoritma K-Means Clustering yang digunakan untuk mengelompokkan daerah berdasarkan dampak pandemi. Hasil klaster memberikan landasan bagi penentuan prioritas bantuan COVID-19, dengan zona merah, kuning, dan hijau.
Penggunaan metode ini diharapkan meningkatkan efektivitas respons terhadap pandemi. Sebagai solusi alternatif, penelitian diusulkan untuk mengklasifikasikan daerah rawan COVID-19 di Indonesia melalui K-Means Clustering. Dengan demikian, upaya pencegahan dan penanganan dapat diarahkan secara lebih efisien, memastikan penggunaan optimal sumber daya dalam menanggapi kompleksitas pandemi ini.
Performa Metode
Algoritma cukup mudah untuk diimplementasikan dan dijalakan, relatif cepat, mudah disesuaikan dan banyak digunakan. Prinsip utama dari teknik ini adalah menyusun K buah partisi/pusat massa (centroid)/rata-rata (mean) dari sekumpulan data.
Hasil Clustering
Hasil dari penggunaan metode K-Means dalam melakukan Clustering pada data COVID-19 dapat membantu dalam memilih prioritas bantuan COVID ditentukan berdasarkan kluster, dengan zona merah (4 provinsi), kuning (11 provinsi), dan hijau (19 provinsi). Pendekatan ini membantu efektivitas penanggulangan dengan menyederhanakan data kompleks dan memfasilitasi pengambilan keputusan yang lebih tepat dalam menanggapi situasi pandemi.
Simpulan
Berdasarkan hasil analisa dari permasalahan yang terjadi dengan kasus yang dibahas pengelompokan daerah zona covid-19 dengan menerapkan sistem pengelompokkan covid terhadap sistem yang di rancang dan di bangun maka dapat di tarik kesimpulan sebagai berikut:
1. Dengan mengimplementasikan aplikasi dengan sistem pengelompokkan covid-19 dapat mengetahui zona di setiap provinsi di indonesia apakah termasuk zona hijau, zona kuning, zona merah dan akan dapat diakses oleh pengguna maupun admin.
2. Penerapan metode K-means clustering dilakukan dengan mengolah data dari setiap provinsi di Indonesia dimana zona merah terdiri dari 4 provinsi, zona kuning terdiri dari 11 provinsi, dan zona hijau terdiri dari 19 provinsi.
Kelebihan
1. Jurnal ini memberikan kontribusi pada penanganan data COVID-19 yang ada di indonesia dengan menggunakan metode K-Means Clustering dengan mengelompokan daerah-daerah menjadi zona berdasarkan tingkat dampak pandemi sehingga dapat membantu pemerintah dalam mengambil keputusan yang lebih efektif
2. Pengimplementasian hasil dari analisis berdasarkan metode yang digunakan menjadi sebuah applikasi yang dapat membantu pengguna, termasuk masyarakat dan pemerintah untuk memahami tingkat resiko di berbagai daerah
3. Pembuatan diagram Use Case, Activity dan Class sangat membantu dalam memahami proses pengolahan data dan analisis, serta dapat menjadi landasan pengembangan lebih lanjut
Kekurangan
1. Terlalu bergantung pada algoritma K-Means Clustering tanpa memberikan perbandingan dengan metode pengelompokan lainya
2. Keterbatasn data
3. Tidak ada evaluasi kinerja sistem yang mencakup kecepatan, keakuratan dan efesiensi sistem dalam menangani volume data data yang lebih besar atau situasi pandemi yang berubah-ubah.
