Abstract
Beta-coronavirus (SARS-CoV-2) atau virus covid 19 adalah virus yang menyerang saluran pernafasan. Sejauh ini, jumlah kasus positif dan kasus kematian akibat virus ini terus meningkat. Menurut data WHO, jumlah total yang terinfeksi virus ini adalah 6.674.000 dari tanggal 3 januari 2020 sampe dengan tanggal 2 desember 2022 dengan kasus kematian mencapai 159 kasus dari indonesia . Secara global sampai tanggal 2 desember 2022 terdapat 640.395.651 kasus covid 19 yang terkonfirmasi , termasuk dengan kasus kematian nya hingga 6.618.579. peneliti memilih menggunakan algoritma dbscan untuk mengelompokkan hasil data covid 19 yang dihasilkan. Pandemi covid sendiri yang melanda china dan menyebar ke seluruh negara , indonesia menjadi salah satu satu negara yang terkena covid 19 , masuknya covid 19 ke indonesia menyebabkan beberapa provinsi terjangkit covid 19 salah satu nya merupakan provinsi jawa barat. Algoritma dbscan adalah metode pengelompokan yang menciptakan wilayah terkait kepadatan berdasarkan kepadatan yang terkoneksi. Tujuan dari algoritma dbcsan adalah untuk mengindetifikasikan area yang mampu diukur dengan jumlah objek yang mendekati. Algoritma dbscan merupakan metode yang dapat digunakan untuk segmentasi pengelompokan data covid 19. Pada penelitian ini dilakukan segmentasi dataset covid 19 di jawa barat menggunakan algoritma dbscan . Dari hasil segmentasi data dapat diperoleh 30.000 data yang menjadi sample data sehingga menghasilkan beberapa cluster yang dapat dibandingkan, dengan membandingkan nilai percobaan 1 dan ke 2, percobaan pertama hasil akurasi sembuh hingga 90% dan pada percobaan kedua 75% begitu juga dengan meninggal , aktif dan total. Maka itu dapat disimpulkan bahwa percobaan pertama mendapatkan angka akurasi sembuh , meninggal, aktif dan total lebih besar dari dari pada pecobaan kedua. Dengan nilai akurasi sebesar 0.0099502487562189.
References
- Adha, R., Nurhaliza, N., Sholeha, U., & Mustakim, M. (2021). Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia. SITEKIN: Jurnal Sains, Teknologi Dan Industri, 18(2), 206–211.
- David. (2020). DBSCAN CLUSTERING.
- Noviyanto. (2020). Penerapan Data Mining dalam Mengelompokkan Jumlah Kematian. Jurnal Informatika Dan Komputer, 22(2), 183–188.
- Raras, C., Widiawati, A., Setiawan, P., Komarasary, D., Studi, P., Informasi, T., … Amikom, U. (2023). Pengaruh Segmentasi terhadap Diagnosis COVID-19 pada Citra X-Ray Paru. 9(1), 171–180.
- Rasmussen, S. A., Smulian, J. C., Lednicky, J. A., Wen, T. S., & Jamieson, D. J. (2020). Coronavirus Disease 2019 (COVID-19) and pregnancy: what obstetricians need to know. American Journal of Obstetrics and Gynecology, 222(5), 415–426. https://doi.org/10.1016/j.ajog.2020.02.017
- Rohalidyawati, W., Rahmawati, R., & Mustafid, M. (2020). Segmentasi Pelanggan E-Money Dengan Menggunakan Algoritma Dbscan (Density Based Spatial Clustering Applications With Noise) Di Provinsi Dki Jakarta. Jurnal Gaussian, 9(2), 162–169. https://doi.org/10.14710/j.gauss.v9i2.27818
- Sohrabi, C., Alsafi, Z., O’Neill, N., Khan, M., Kerwan, A., Al-Jabir, A., … Agha, R. (2020). World Health Organization declares global emergency: A review of the 2019 novel coronavirus (COVID-19). International Journal of Surgery, 76(February), 71–76. https://doi.org/10.1016/j.ijsu.2020.02.034