Application of K-Means for Clustering Based on the Severity of COVID-19 in Indonesian Private Hospitals: Application of K-Means for Clustering Based on the Severity of COVID-19
| Main Authors: | Deswiaqsa, Kathina, Darmawan, Endang, Sugiyarto, Sugiyarto |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Fakultas Matematika dan Ilmu Pengetahuan Alam
, 2022
|
| Subjects: | |
| Online Access: |
http://journal.uii.ac.id/Eksakta/article/view/23535 http://journal.uii.ac.id/Eksakta/article/view/23535/14145 |
Daftar Isi:
- In December 2019, coronavirus (COVID-19) caused by SARS-CoV-2 was first discovered in Wuhan, China. This virus has a high transmission rate and can be transmitted through droplets, airborne, and aerosols. The clinical manifestations are very diverse ranging from mild, moderate, and severe. Therefore, this study aims to conduct a clustering of the spread of the Covid-19 pandemic to facilitate the identification and handling. The method of the K-Means algorithm can be used as a method to obtain the desired clustering. The implementation and evaluation were conducted using RapidMiner tools and Davies Bouldin Index (DBI) respectively. Furthermore, the data sources by Kangdra (2020) were used with a total sample of 110 for the period March-June 2020. The results showed that the optimal cluster is located at k: 2 with a DBI value: 0,094 as the lowest value. Therefore, the cluster is strong since a smaller DBI value gives a better cluster. The clustering obtained is Cluster 1 and 2 with mild and moderate severity. The results are expected to facilitate a better zone identification of the COVID-19 severity level and rising people awareness.
- Pada Desember 2019, coronavirus (COVID-19) yang disebabkan oleh SARS-CoV-2 pertama kali ditemukan di Wuhan, Cina. Virus ini memiliki tingkat penularan yang tinggi dan dapat ditularkan melalui droplet, airborne, dan aerosol. Manifestasi klinisnya sangat beragam mulai dari ringan, sedang, dan berat. Oleh karena itu, penelitian ini bertujuan untuk melakukan klasterisasi penyebaran pandemi Covid-19 untuk memudahkan identifikasi dan penanganannya. Metode algoritma K Means dapat digunakan sebagai metode untuk mendapatkan clustering yang diinginkan. Implementasi dan evaluasi masing-masing dilakukan dengan menggunakan alat RapidMiner dan Davies Bouldin Index (DBI). Selanjutnya digunakan sumber data Kangdra (2020) dengan jumlah sampel 110 untuk periode Maret-Juni 2020. Hasil penelitian menunjukkan bahwa cluster optimal terletak pada k = 2 dengan nilai DBI = 0,094 sebagai nilai terendah. Oleh karena itu, cluster tersebut kuat karena nilai DBI yang lebih kecil memberikan cluster yang lebih baik. Clustering yang diperoleh adalah Cluster 1 dan 2 dengan tingkat keparahan ringan dan sedang. Hasilnya diharapkan dapat memfasilitasi identifikasi zona yang lebih baik dari tingkat keparahan COVID-19 dan meningkatkan kesadaran masyarakat.