PENERAPAN CRISP-DM DENGAN ALGORITMA K-MEANS CLUSTERING UNTUK KlASTERISASI KASUS COVID-19 DI INDONESIA

Meningkatnya wabah COVID-19 dianggap menjadi perhatian yang sangatrnmengkhawatirkan sampai kesejumlah negara termasuk di Indonesia, sehinggarnmengakibatkan kurangnya persediaan alat kesehatan diantaranya yakni masker,rnalat pelindung diri, ruang isolasi ataupun sarana prasarana lainnya. Per tanggal 19rnApril 2020, lebih dari 6575 kasus COVID-19 telah dilaporkan di 34 provinsi dirnIndonesia. Dalam Hal tersebut pengelompokan data didasarkan data yangrndiperoleh dari Satuan Tugas Penanganan Covid-19 Indonesia (SATGASrnCOVID_19) dengan 6.575 kasus yang dikonfirmasi, 582 kasus meninggal, danrn686 kasus sembuh. Oleh karena itu, penelitian ini bertujuan untuk mengetahuirntingkat keparahan dan risiko penyebaran pada tiap wilayah. Untuk membanturnmengatasi permasalahan tersebut maka dapat digunakan suatu metode CRISP-DMrndengan algoritma clustering. Hasil cluster dibedakan menjadi beberapa kelompokrnyakni C1, C2, C3, dan C4. Penentuan jumlah cluster optimal atau validasi clusterrnmenggunakan Davies Bouldin Index (DBI). Cluster terbaik ditentukan dari DBIrnterendah dan dianggap paling mendekati nilai nol yakni C2 dengan DBI =rn1,9573142154163 hasil perolehan anggota clusternya yaitu cluster 1 terdiri darirn33 provinsi (Jawa Timur, Jawa Barat, Sulawesi Selatan, Jawa Tengah, Banten,rnBali, Papua, Kalimantan Selatan, Sumatra Selatan, Sumatra Utara, KepulauanrnRiau, Kalimantan Utara, DIY, NTB, Kalimantan Timur, Kalimantan Tengah,rnSulawesi Tenggara, Riau, Sulawesi Tengah, Lampung, Kalimantan Barat,rnSulawesi Utara, Maluku, Jambi, Aceh, Kepulauan Bangka Belitung, SulawesirnBarat, Papua Barat, Bengkulu, Gorontalo, Maluku Utara, NTT) dan perolehanrncluster 2 terdiri dari 1 provinsi (DKI Jakarta) sehingga pada C2 dianggaprnmerupakan cluster terbaik dan ideal dalam clustering data Covid-19 di Indonesia.