IMPLEMANTASI ALGORITMA DBSCAN(DENSITY BASED SPATIAL CLUSTERING ALGRITHM WITH NOISE) PADA COVID19 DI INDONESIA

Abstract

Corona virus merupakan keluarga besar virus yang menyebabkan penyakit ringan hingga berat seperti common cold atau pilek dan penyakit serius seperti MERS (Middle East Respiratory Syndrome) dan SARS (Severe Accute Respiratory Syndrome). Penyakit akibat corona virus dikenal dengan COVID-19. Penularan yang mudah yaitu melalui cairan tubuh (droplet) orang terinfeksi menyebabkan penyebaran virus ini terbilang cepat. Di Indonesia kasus COVID-19 juga menyebar dengan cepat di berbagai provinsi, tentunya hal tersebut menyebabkan keresahan masyarakat, tingkat kematian yang tinggi dan berbagai dampak lainya. Dalam penelitian ini akan dilakukan pengelompokan kasus COVID-19 di Indonesia dengan menggunakan algoritma DBSCAN (Density-Based Spatial Clustering Algorithm with Noise) yaitu salah satu algoritma pengelompokan yang didasarkan pada kepadatan data dimana dibutuhkan dua inisial parameter yaitu epsilon dan minPts yang tepat untuk membuat kelompok yang terbentuk valid. Kemudian alat yang digunakan untuk validasi kelompok yaitu Indeks Validitas Silhouette. Indeks Validitas Silhouette merupakan salah satu teknik yang digunakan untk menentukan seberapa baik suatu obyek di dalam kelompok. Data yang digunakan dalam penelitian berupa data COVID-19 di Indonesia dengan jumlah 5.378 data terhitung dari 1 Maret sampai 28 Agustus 2020. Data tersebut diambil dari kaggle dengan tiga variabel yaitu total kasus, total kesembuhan, dan total kematian. Berdasarkan hasil analisis diperoleh dua kelompok dan satu noise dalam pengelompokan menggunakan algoritma DBSCAN. Kemudian dilakukan validasi kelompok dengan indeks validitas Silhouette dan diapatkan sebesar 0.92%. Nilai tersebut berarti obyek terletak di dalam kelompok yang tepat. Kata kunci : DBSCAN, COVID-19, pengelompokan