Bagian 1: Kombinasi Metode Klastering dan Klasifikasi (Kasus Pandemi Covid-19 di Indonesia)

Abstract

The purpose of this research is to combine the classification and classification methods that are part of data mining. The case raised was the number of the spread of the Covid-19 pandemic in Indonesia as of July 7, 2020 with 34 records. Data sources were obtained from Ministry of Health Data, sampled and processed from covid19.go.id and bnpb.go.id. The variables used in the study are the number of positive cases (x1), number of cases cured (x2) and number of deaths (x3) by province. The classification and classification methods used are k-medoids and C4.5. The k-medoids method works to map clusters of regions in Indonesia by province. The mapping labels used are 3 clusters: high cluster (C1 = red zone), alert cluster (C2 = yellow zone), low cluster (C3 = green zone). The results of the mapping are continued using the C4.5 method to see the rules in the form of a decision tree. The analysis process is assisted with the RapidMiner software. Determination of the number of clusters (k) is determined by using the Davies Bouldin Index (DBI) parameter to optimize the cluster results obtained. For k = 3 has an optimal value of 0.740. The mapping results obtained 9 provinces are in the high cluster (C1 = red zone), 3 provinces are in the alert cluster (C2 = yellow zone) and 22 provinces are in the low cluster (C3 = green zone). The value obtained from the decision tree for cluster height (C1 = red zone) based on C4.5 is if the number of positive cases is smaller than 9524 and greater than 4329 (4329> x1 <9524). The nine provinces included in the high cluster (C1 = red zone) are Aceh, Bali, DKI Jakarta, West Java, Central Java, East Java, South Kalimantan, South Sumatra and South Sulawesi. The results of the combination of these methods can be applied and provide knowledge in the form of new information about mapping in the form of clusters to the distribution of the Covid-19 pandemic in Indonesia

Analisa Klasifikasi C4.5 Terhadap Faktor Penyebab Menurunnya Prestasi Belajar Mahasiswa Pada Masa Pandemi

“…Motivasi dan prestasi belajar merupakan dua aspek yang saling mempengaruhi.prestasi belajar akan menjadi lebih optimal jika di dalamnya terkandung nilai motivasi yang tinggi, itulah kenapa jika seorang siswa berkurang motivasinya, maka prestasi belajarnya pun juga ikut terdampak [4]. Demi menumbuhkan tingkat motivasi belajar yang lebih baik, maka diperlukan suatu kiat khusus untuk mengubah perilaku siswa, untuk itu peneliti menggunakan teknik data mining klasifikasi [5]- [11]untuk menyelesaikan permasalah menurunnya prestasi belajar mahasiswa.…”

“…Algoritma C4.5 adalah salah satu metode untuk membuat decision tree berdasarkan training data yang telah disediakan. Algoritma C4.5 merupakan pengembangan dari ID3 [5]. Sedang pohon keputusan dapat diartikan suatu cara untuk memprediksi atau mengklarifikasi yang sangat kuat.…”

Penerapan Machine Learning dengan Konsep Data Mining Rough Set (Prediksi Tingkat Pemahaman Mahasiswa terhadap Matakuliah)

“…Salah satu metode yang merupakan bagian dari data mining adalah Metode Rough Set (RS) [8]. Selama bertahun-tahun, Rough Set telah menjadi minat para peneliti dan telah diterapkan ke banyak domain, seperti klasifikasi data [4]- [6], [9]- [12], pengelompokan data, dan penambangan aturan asosiasi [13]. Keuntungan utama menggunakan metode RS adalah bahwa metode tersebut tidak memerlukan informasi awal atau tambahan tentang data seperti probabilitas dalam statistik, tingkat keanggotaan, atau nilai kemungkinan dalam teori himpunan fuzzy [14].…”

Mapping Tingkat Kerawanan Covid-19 Dan Faktor Akselerator Penyebaran Virus Antar Daerah Di Indonesia Dengan Menggunakan Analisis Cluster Hierarki

“…Data tersebut diakses berdasarkan keluaran resmi BPS (BPS 2020). Metode yang digunakan yaitu analisis cluster hierarki (Windarto et al 2020) untuk memetakan tingkat kerawanan covid-19 (Yusup 2020) antar daerah yang disertai faktor akselerator penyebaran virus. Adapun faktor akselerator yang dimaksud adalah usia (Wulandari et al 2020), kebiasaan cuci tangan (Br.…”