<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="105631">
 <titleInfo>
  <title>PENGELOMPOKAN NEGARA DI DUNIA BERDASARKAN DATA JUMLAH KASUS HARIAN POSITIF COVID-19 MENGGUNAKAN K-MEANS CLUSTERING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>DEFRIKA AFRISTI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Statistika</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Coronavirus disease 2019 (Covid-19) adalah penyakit menular yang disebabkan oleh severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) yang muncul di China sejak akhir Desember 2019. Penambahan jumlah kasus harian covid-19 di tiap negara memiliki perbedaan yang cukup signifikan sehingga menyebabkan keragaman data tinggi. Oleh karena itu, perlu dilakukan pengelompokan negara yang memiliki karakteristik jumlah kasus harian positif covid-19 yang mirip. Pengelompokan dilakukan menggunakan k-means clustering dan pengukuran jarak Dynamic Time Warping (DTW) dengan jumlah cluster 3, 4, dan 5. Data jumlah kasus harian positif covid-19 yang digunakan berupa variasi data baru dari pola data asli menjadi variasi data hasil standarisasi, data hasil dari differencing ke-1, data ACF, dan data PACF. Hasil pengelompokan yang didapatkan dari kelima variasi data dengan jumlah k yang sudah ditentukan dilakukan uji validitas hasil cluster untuk menentukan jumlah cluster optimal dari hasil pengelompokan yang didapatkan. Uji validitas cluster dilakukan menggunakan silhouette index, dunn index, dan davies-bouldin index. Hasil pengelompokan paling optimal adalah variasi data ACF dengan jumlah cluster 3. Pemilihan data ACF dengan jumlah cluster 3 sebagai hasil cluster optimal berdasarkan nilai uji validitas silhouette index yang menghasilkan nilai paling mendekati +1 yang bernilai 0,461 dan nilai DBI terkecil yang bernilai 0,767. Berdasarkan hasil pengelompokan dapat dikategorikan bahwa 48 negara yang berada pada cluster 1 sebagai cluster rendah, 90 negara yang berada pada cluster 2 sebagai cluster tinggi, dan 77 negara yang berada pada cluster 3 sebagai cluster sedang.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>CLUSTER ANALYSIS</topic>
 </subject>
 <classification>519.53</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>105631</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-09-27 16:16:29</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-10-13 10:23:21</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>