CLUSTERING PERKEMBANGAN KASUS COVID-19 DI INDONESIA MENGGUNAKAN SELF ORGANIZING MAP

Tutik Khotimah; Darsin Darsin

doi:10.24176/detika.v1i1.5596

CLUSTERING PERKEMBANGAN KASUS COVID-19 DI INDONESIA MENGGUNAKAN SELF ORGANIZING MAP

Tutik Khotimah - [ https://orcid.org/0000-0003-2516-3431 ]
Darsin Darsin

Abstract

Tujuan dari penelitian ini adalah melakukan pengelompokan daerah-daerah di Indonesia berdasarkan perkembangan kasus Covid-19. Pada penelitian ini digunakan Jaringan Syaraf Tiruan Kohonen yang disebut juga Self Organizing Map (SOM). Data yang digunakan adalah data situasi terkini penyebaran Covid-19 di Indonesia per tanggal 19 September 2020. Data ini diperoleh dari Kementerian Kesehatan Republik Indonesia.

Keywords

Clustering, Self Organizing Map, Covid-19

Teks Lengkap:

PDF

Referensi

BUDHI, G. S., LILIANA, HARYANTO, 2008. Cluster Analysis untuk Memprediksi Talenta Pemain Basket Menggunakan Jaringan Syaraf Tiruan Self Organizing Map (SOM). Jurnal Informatika, 9(1), p. 23

DWITRI, N., TAMPUBOLON, J. A., PRAYOGA, S., ZER, F. I. R. H., HARTAMA, D. 2020, Penerapan Algoritma K-Means dalam Menentukan Tingkat Penyebaran Pandemi Covid-19 di Indonesia. Jurnal Teknologi Informasi 4(1), p. 128

FITRI, I., ASMAR, R., RUBHASY, A., 2020. Data Cluster Mapping of Global Covid-19 Pandemic Based on Geo-Location. Jurnal Mantik 4(1) p.511

GUNAWAN, I., ANGGRAENI, G., RINI, E. S., PUTRI, Y. M., ZIKRI, Y. K., 2020. Klasterisasi Provinsi di Indonesia Berbasis Perkembangan Kasus Covid-19 Menggunakan Metode K-Medoids, Seminar Nasional Matematika dan Pendidikan Matematika (Senatik), 12 Agustus 2020, Universitas PGRI Semarang

KHOTIMAH, T., SYUKUR, A., SOELEMAN, M. A., 2017. Clustering Trafo Distribusi Menggunakan Algoritma Self Organizing Map. 8(1), p.15

KUSUMADEWI, S., 2003. Artificial Intelligence: Teknik dan Aplikasinya, Yogyakarta: Graha Ilmu

KOTU, V., DESHPANDE, B., 2019, Data Science: Concepts and Practice, Second Edition, Morgan Kaufmann Publishers

LAROSE, D. T. 2005. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley & Sons, New Jersey, Canada

SANTOSO, P. H., FAUZIAH, NURHAYATI, 2020. Application of Data Mining Classification for Covid-19 Infected Status using Algoritma Naïve Method. Jurnal Mantik, 4(1), p.267

SINDI, S., NINGSE, W. R. O., SIHOMBING, I. A., ZER, F. I. R. H., HARTAMA, D. 2020. Analisis Algoritma K-Medoids Clustering dalam Pengelompokan Penyebaran Covid-19 di Indonesia. Jurnal Teknologi Informasi 4 (1) p.166

WATRATAN, A. F., PUSPITA, A., MOEIS, D., 2020. Implementasi Algoritma Naïve Bayes untuk Memprediksi Penyebaran Covid-19 di Indonesia. Journal of Applied Computer Science and Technology (JACOST) 1(1) p.7

WINDARTO, A. P., INDRIANI, U;, RAHARJO, M. R., DEWI, L. S., 2020. Bagian1: Kombinasi Metode Klastering dan Klasifikasi (Kasus Pandemi Covid-19 di Indonesia). Jurnal Media Informatika Budidarma 4(3), p.855

Situasi Terkini Perkembangan Novel Coronavirus (Covid-19). Data dilaporkan sampai 19 September 2020, Jakarta: Kementerian Kesehatan Republik Indonesia.

DOI: https://doi.org/10.24176/detika.v1i1.5596