Analisis Algoritma K-Means Clustering Pada Tingkat Inflasi Selama Covid-19
Sari
COVID-2019 merupakan virus yang sempat membuat gempar dunia. COVID-19 dapat menginfeksi sistem pernapasan manusia. Pada 31 Desember 2019, WHO China Country Office melaporkan kasus pneumonia yang tidak diketahui penyebabnya di Kota Wuhan, China. Inflasi adalah kenaikan harga barang dan jasa yang terjadi dalam kurun waktu tertentu. Pada penelitian ini melalui data yang telah didapatkan akan dibuat pengelompokan tingkat laju inflasi di daerah yang terpapar virus COVID-19 selama tahun 2019-2021 khususnya daerah kota Sampit dimana studi kasus ini dilakukan. Perumusan masalah dilakukan untuk memperoleh gambaran yang lengkap tentang lingkup masalah dan langkah yang tepat dalam pemecahannya serta membuat penelitian ini terarah untuk mengetahui tingkat inflasi yang terjadi di Kotawaringin Timur. Studi literatur dilakukan dengan pencarian dan pengumpulan literatur terdahulu dan mempelajarinya dengan tujuan yaitu mendapatkan referensi pendukung baik berupa jurnal penelitian maupun buku-buku mengenai data mining. Sumber data diambil dari publikasi Berita Resmi Statistik (BRS) melalui website resmi Badan Pusat Statistik Kabupaten Kotawaringin Timur. Data cleaning adalah suatu proses untuk menghilangkan atau menemukan missing value pada suatu record dan menghilangkan noise. K-Means Clustering merupakan salah satu algoritma dalam clustering yang paling sederhana. Selanjutnya dilakukan implementasi dengan menggunakan perangkat lunak untuk melihat perbandingan dan kesesuaian dari hasil keputusan akhir yang didapatkan dari algoritma K-Means Clustering dengan menggunakan aplikasi Weka. Ditarik kesimpulan dari penelitian yang telah dilakukan, dimana kesimpulan ini dapat menjadi acuan dalam mengetahui tingkat inflasi sebelum dan setelah Covid-19 di Kabupaten Kotawaringin Timur berdasarkan kelompok pengeluarannya. Dari hasil penelitian di atas dapat ditarik kesimpulan telah didapatkan tiga kelompok tingkat kelajuaan inflasi yaitu C0 = sedang, C1 = lambat, dan C2 = tinggi.
Kata kunci— Clustering, Covid-19, Data Mining, Inflasi, K-Means.
Teks Lengkap:
PDFReferensi
Z. Nabila, A. Rahman Isnain, and Z. Abidin, “ANALISIS DATA MINING UNTUK CLUSTERING KASUS COVID-19 DI PROVINSI LAMPUNG DENGAN ALGORITMA K-MEANS,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, 2021.
R. Amalin Lutfi and M. Panorama, “DAMPAK COVID-19 TERHADAP TINGKAT INFLASI (KELOMPOK PENGELUARANMAKANAN,MINUMAN,TEMBAKAUDANKESEHATANPERIODE2010-2020),” J. Ekon. dan Bisnis Islam, vol. 1, 2021.
Y. Prayoga, H. S. Tambunan, and I. Parlina, “Penerapan Clustering Pada Laju Inflasi Kota Di Indonesia Dengan Algoritma K-Means,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 1, no. 1, 2019, doi: 10.30645/brahmana.v1i1.4.
K. Sari and N. A. Sudibyo, “Implementasi Metode K-means untuk Mengelompokkan Tingkat Inflasi di Indonesia,” E-Journal Biastatistics| Dep. …, 2020.
D. P. Sari, “IMPLEMENTASI ALGORITMA K-MEANS DALAM MENENTUKAN TINGKAT PENYEBARAN PANDEMI COVID-19 DI SUMATERA BARAT,” Comput. Based Inf. Syst. J., vol. 9, no. 1, 2021, doi: 10.33884/cbis.v9i1.3646.
P. A. Ariawan, “Optimasi Pengelompokan Data Pada Metode K-means dengan Analisis Outlier,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 2, 2019, doi: 10.25077/teknosi.v5i2.2019.88-95.
M. F. Rahmi, P. S. Prasetyo, R. Nurhabibah, R. Perdana, and W. O. Z. Madjida, “PENGELOMPOKKAN PROVINSI DI INDONESIA BERDASARKAN JUMLAH KASUS COVID-19 DAN FASILITAS KESEHATAN,” J. Apl. Stat. Komputasi Stat., vol. 13, no. 1, 2021, doi: 10.34123/jurnalasks.v13i1.274.
Refbacks
- Saat ini tidak ada refbacks.
EJECTS: Jurnal Computer, Technology, and Informations System
Gedung Fakultas Ilmu Komputer, Universitas Darwan Ali, JL. Batu Berlian, No. 10, Sampit, Kabupaten Kotawaringin Timur, Provinsi Kalimantan Tengah, 74322
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.