Analisis Klaster Persebaran COVID-19 di Sumatera Utara Menggunakan Metode K-Means dengan Visualisasi Berbasis Google Colab

Authors

  • Daniel Rumahorbo Universitas Negeri Medan, Indonesia
  • Gerhard Hasangapon Parapat Universitas Negeri Medan, Indonesia
  • Josua Deo Tampubolon Universitas Negeri Medan, Indonesia
  • Aurella Nasuiton Universitas Negeri Medan, Indonesia
  • Fanny Ramdhani Universitas Negeri Medan, Indonesia
  • Arnita Arnita Universitas Negeri Medan, Indonesia

DOI:

https://doi.org/10.57235/qistina.v4i1.6389

Keywords:

COVID-19, K-Means, Sumatera Utara, Data Wilayah, Clustering

Abstract

Pandemi COVID-19 telah memberikan dampak signifikan terhadap berbagai sektor, termasuk kesehatan, sosial, dan ekonomi. Provinsi Sumatera Utara sebagai salah satu daerah yang cukup padat penduduk menghadapi tantangan besar dalam menangani persebaran kasus COVID-19 yang tidak merata di setiap kabupaten/kota. Penelitian ini bertujuan untuk mengelompokkan wilayah berdasarkan tingkat risiko penyebaran COVID-19 menggunakan metode K-Means Clustering dengan variabel: jumlah penduduk, kepadatan penduduk, jumlah kasus positif, sembuh, meninggal, dan jumlah rumah sakit umum. Data diperoleh dari Badan Pusat Statistik dan Kementerian Kesehatan Republik Indonesia. Hasil analisis menghasilkan yaitu Zona Hijau (C1), Zona Kuning (C2), Zona Oranye (C3), dan Zona Merah (C4). Pengelompokan ini memberikan gambaran strategis terhadap distribusi layanan kesehatan dan perencanaan intervensi kebijakan di tiap wilayah. Visualisasi dilakukan menggunakan Google Colab untuk menampilkan peta klasterisasi kabupaten/kota. Penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam perencanaan kebijakan penanganan pandemi di masa mendatang. 

Downloads

Download data is not yet available.

References

I. Adiyarta, E. Mulyani, and R. Prasetyo, "Clustering Pengelompokan Penyebaran COVID-19 di Indonesia dengan Algoritma K-Means," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 3, pp. 1234–1240, 2020.

Anggiat, Penerapan Data Mining dalam Pengolahan Database untuk Pengambilan Keputusan. Medan: Penerbit Teknologi Data, 2022.

Y. F. S. Y. Damanik, Sumarno, I. Gunawan, D. Hartama, and I. O. Kirana, "Penerapan Data Mining untuk Pengelompokan Penyebaran Covid-19 di Sumatera Utara Menggunakan Algoritma K- Means," 2021.

D. L. Fithri, F. Nugraha, and N. Latifah, "Visualisasi Data Mining Cluster Covid-19 Menggunakan K-means dan Aplikasi Google Colaboratory," Jurnal Unitek, vol. 15, no. 2, pp. 159–165, 2022.

M. Fauzan and H. N. Wahyudi, "Pemanfaatan Data Clustering dalam Penanganan Wabah COVID- 19 di Indonesia Menggunakan K-Means dan DBSCAN," Jurnal Media Informatika Budidarma, vol. 5, no. 1, pp. 77–84, 2021.

R. Hardiani, Manajemen Basis Data dan Implementasinya dalam Dunia Digital. Jakarta: Cipta Informatika, 2022.

T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed. New York: Springer, 2009.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. San Francisco: Morgan Kaufmann, 2012.

K. Jain, "Data clustering: 50 years beyond K-means," Pattern Recognition Letters, vol. 31, no. 8, pp. 651–666, 2010.

W. S. Lestari and T. Hidayat, "Analisis Penerapan Data Mining Menggunakan K-Means Clustering untuk Segmentasi Wilayah Penyebaran COVID-19," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 7, no. 2, pp. 137–144, 2022.

M. Masriani, Efektivitas Penggunaan Masker dalam Mencegah Penyebaran COVID-19. Banda Aceh: Pustaka Kesehatan, 2022.

S. R. Nasution, R. F. Sari, and R. Widyasari, "Analisis Klaster dengan Metode K-Means pada Informasi dan Komputer Bln-Thn, Vol.XX, No.X, hal. XX-XX Penyebaran Kasus Covid-19 Berdasarkan Kabupaten/Kota di Sumatera Utara," 2023.

N. Putri and D. Saputra, "Visualisasi Data Epidemiologi COVID-19 Menggunakan Google Colab dan Metode Elbow-KMeans," Prosiding Seminar Nasional Teknologi Informasi dan Komputer (SENTIKA), pp. 234–240, 2022.

A. M. Rahman and S. N. Hidayat, "Penerapan Metode K-Means untuk Klasterisasi Wilayah Berdasarkan Jumlah Kasus COVID-19 di Indonesia," Jurnal Sains dan Teknologi Informasi, vol. 6, no. 1, pp. 45–52, 2022.

M. A. Syakur, B. K. Khotimah, E. M. S. Rochman, and B. D. Satoto, "Integration K-Means Clustering Method and Elbow Method for Identification of the Best Customer Profile Cluster," International Journal of Advanced Science and Technology, vol. 38, pp. 111–121, 2020.

Downloads

Published

2025-06-28

How to Cite

Rumahorbo, D., Parapat, G. H., Tampubolon, J. D., Nasuiton, A., Ramdhani, F., & Arnita, A. (2025). Analisis Klaster Persebaran COVID-19 di Sumatera Utara Menggunakan Metode K-Means dengan Visualisasi Berbasis Google Colab. QISTINA: Jurnal Multidisiplin Indonesia, 4(1), 974–980. https://doi.org/10.57235/qistina.v4i1.6389

Issue

Vol. 4 No. 1 (2025): June 2025

Section

Articles

Citation Check

License

QISTINA: Jurnal Multididiplin Indonesia is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

 Authors who publish with this journal agree to the following terms:

    1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
    2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
    3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).