Simulasi Clustering Provinsi di Indonesia dalam Penyebaran Covid-19 Berdasarkan Indikator Kesehatan Masyarakat Menggunakan Algoritma Gaussian Mixture Model

Joko Riyono; Sofia Debi  Puspa; Christina Eni  Pujiastuti

doi:10.36815/majamath.v5i1.1699

Authors

Joko Riyono Teknik Mesin FTI-Usakti
Sofia Debi Puspa Universitas Trisakti
Christina Eni Pujiastuti Universitas Trisakti

DOI:

https://doi.org/10.36815/majamath.v5i1.1699

Keywords:

Gaussian Mixture Model, Clustering, Indikator Kesehatan Masyarakat

Abstract

Gaussian Mixture Model adalah suatu metode yang mengkontruksikan Clustering suatu dataset menjadi beberapa kelompok data yang memiliki distribusi Gaussian atau Normal. Pada penelitian ini akan dibahas gagasan untuk menentukan Clustering penyebaran Covid-19 pada 34 provinsi di Indonesia menggunakan Gaussian Mixture Model berdasarkan nilai indikator kesehatan masyarakat. Mengingat masih berlangsungnya pandemi Covid-19 di beberapa provinsi di Indonesia hingga saat ini, penelitian ini dipilih dengan tujuan sebagai masukan kepada pemerintah selaku pembuat kebijakan untuk bahan acuan penanganan pandemi Covid-19 sehingga program-program pencegahan penyebaran Covid-19 di tiap provinsi dapat tertangani secara lebih optimal. Hasil analisis data diperoleh 6 cluster optimal yaitu cluster yang berpotensi sangat tinggi berisi 1 provinsi, tinggi 4 provinsi, sedang 13 provinsi, cukup rendah 4 provinsi, rendah 2 provinsi, sangat rendah 10 provinsi dalam penyebaran Covid-19.

References

Anuraga, G. (2015). Hierarchical Clustering Multiscale Bootstrap Untuk Pengelompokan Kemiskinan Di Jawa Timur. Jurnal Statistika Universitas Muhammadiyah Semarang, 3(1).

Amaluddin, F., Muslim, M. A., & Naba, A. (2015). Klasifikasi Kendaraan Menggunakan Gaussian Mixture Model (GMM) dan Fuzzy Cluster K Means (FCM). Jurnal EECCIS, 9(1), 19-24.

Fraley, C., Raftery, A. E., Murphy, T. B., & Scrucca, L. (2012). mclust version 4 for R: normal mixture modeling for model-based clustering, classification, and density estimation (Vol. 597, p. 1). Technical report.

Olivia, S., Gibson, J., & Nasrudin, R. A. (2020). Indonesia in the Time of Covid-19. Bulletin of Indonesian Economic Studies, 56(2), 143-174.

Pandie, E. S. (2018). Implementasi Algoritma Data Mining Naive Bayes Pada Koperasi. J-Icon: Jurnal Komputer dan Informatika, 6(1), 15-20.

Putra, D. K., Iwut, I., & Atmaja, R. D. (2017). Simulasi Dan Analisis Speaker Recognition Menggunakan Metode Mel Frequency Cepstrum Coefficient (mfcc) Dan Gaussian Mixture Model (gmm). eProceedings of Engineering, 4(2).

Putri, A. (2020). Penyakit Menular & Virus Corona.

Sidabutar, J. (2020). Penerapan Metode Discrete Wavelet Transform (DWT) dan Gaussian Mixture Model (GMM) Sebagai Pengenal Penutur. Jurnal Teknik Informatika UNIKA Santo Thomas, 5(1), 1-12.

Scrucca, L. (2014). Graphical tools for model-based mixture discriminant analysis. Advances in Data Analysis and Classification, 8(2), 147-165.

Website KawalCovid19 ( https://kawalcovid19.id/ . Diakses tgl 15 Maret 2020 hingga 29 Oktober 2021).