SETYANINGRUM, GALIH (2023) IMPLEMENTASI METODE K-MEANS CLUSTERING DAN NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI LEVEL KASUS COVID-19 DI INDONESIA. Other thesis, UPN "Veteran" Yogyakarta.
![[thumbnail of 1. Skripsi Fulltext_123160069_Galih Setyaningrum.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
1. Skripsi Fulltext_123160069_Galih Setyaningrum.pdf Restricted to Repository staff only Download (2MB) |
|
Text
2. Cover_123160069_Galih Setyaningrum.pdf Download (141kB) |
|
Text
3. Abstrak_123160069_Galih Setyaningrum.pdf Download (43kB) |
|
Text
4. Lembar Pengesahan_123160069_Galih Setyaningrum.pdf Download (158kB) |
|
Text
5. Daftar Isi_123160069_Galih Setyaningrum.pdf Download (125kB) |
|
Text
6. Daftar Pustaka_123160069_Galih Setyaningrum.pdf Download (192kB) |
Abstract
Pada akhir tahun 2019 di Kota Wuhan, China diketahui wabah penyakit baru yang
disebabkan oleh virus korona (2019-nCov) atau Covid-19. Melalui laman indonesia.go.id
pada tanggal 2 Maret 2020 lalu diumumkan bahwa pertama kali kasus Covid-19 masuk ke
Indonesia menjangkit 2 orang Warga Negara Indonesia asal Depok, Jawa Barat. Berawal
dari kasus tersebut, setiap harinya jumlah kasus masyarakat Indonesia yang terjangkit
Covid-19 ini terus bertambah. Untuk menanggulangi hal tersebut pemerintah memerlukan
sebuah prediksi untuk melihat kasus dimasa mendatang. Menggunakan dataset covid-19 di
Indonesia dari Kaggle dari Januari 2020-September 2021, penelitian ini melakukan
pengelompokkan data dengan K-Means Clustering kemudian melakukan prediksi terhadap
data dengan Metode Naive Bayes. Naïve Bayes bisa memperkirakan probabilitas di masa
depan berdasarkan pengalaman masa lalu serta dengan data yang relatif kecil dapat
menghasilkan estimasi parameter yang baik. Parameter yang digunakan yaitu kasus,
sembuh, kematian dan kepadatan penduduk. Serta acuan untuk mengukur level kasus
berdasarkan referensi WHO serta data dari risiko Covid-19 di daerah tersebut. Selanjutnya
dari data yang ada didapatkan nilai yang diproses untuk mengategorikan tingkat level
kasus Covid-19 sesuai data yang diinputkan masuk dalam level Very Low, Low, Moderate,
High, dan Very High. Didapatkan kesimpulan bahwa dilihat dari data hasil dari clustering
cluster 0 Low, cluster 1 termasuk level Moderate, cluster 2 termasuk level High, cluster 3
termasuk level Very Low dan cluster 4 termasuk level Very High. Kombinasi metode K-Means Clustering untuk melakukan pengelompokkan data dengan metode Naïve Bayes
Classifier untuk melakukan klasifikasi data agar dapat melakukan prediksi level kasus
Covid-19 di Indonesia mendapatkan hasil akurasi sebesar 90% dengan pengujian sistem
menggunakan Confusion Matrix. Beberapa hal yang dapat diberikan untuk pengembangan
sistem, seperti menambahkan parameter lain atau menerapkan kombinasi metode lain
untuk mencari akurasi yang lebih baik lagi.
Kata kunci: Covid-19, K-Means Clustering, Naïve Bayes Classifier, Prediksi, Confusion Matrix
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Covid-19, K-Means Clustering, Naïve Bayes Classifier, Prediksi, Confusion Matrix |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | A.Md Apriliani Kusuma Wardhani |
| Date Deposited: | 05 Jul 2023 06:54 |
| Last Modified: | 05 Jul 2023 06:54 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/36321 |
Actions (login required)
 |
View Item |