Electronic Theses and Dissertation

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.

Coronavirus Disease 2019 (Covid-19) is an infectious disease caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) that has emerged in China since the end of December 2019. The addition of daily cases of COVID-19 in each country has significant differences that cause high data diversity. Therefore, it is necessary to group countries that have the same characteristics in terms of the number of COVID-19 positive patients. Clustering is carried out using the k-means algorithm and Dynamic Time Warping (DTW) distance measurements with the number of clusters are 3, 4, and 5. The data on the number of positive daily cases of covid-19 used is in the form of variations of new data from the original data pattern to variations in standardized data, result data from the 1st differencing, ACF data, and PACF data. The grouping results obtained from the five types of data with a predetermined number of k were tested for the validity of the cluster results to determine the optimal number of clusters from the grouping results obtained. Cluster validity tests were performed using the Silhouette index, the Dunn index, and the Davies-Bouldin index. The most optimal clustering result is the variation of ACF data with the number of clusters 3. Selection of ACF data with the number of clusters 3 as the optimal cluster result based on the silhouette index validity test value which resulted in a value closest to the value of +1 which was valued at 0.461 and the smallest DBI value of 0.767. Based on the grouping results, 48 countries in cluster 1 are classified as a low cluster, 90 countries in cluster 2 as a high cluster, and 77 countries in cluster 3 as a medium cluster.