Penerapan Metode K-Medoids Menggunakan Within Cluster Variaton Dan Gap Statistik Terhadap Data Covid-19 Di Indonesia = Translation to English: Implementation Of K-Medoids Method Using Within-Cluster Variation And Gap Statistics On Covid-19 Data In Indonesia

Pada pertengahan Desember 2019, virus yang tidak diketahui mulai menyebar di pasar ikan di Wuhan, Provinsi Hubei, China. Menurut data dari situs resmi Kementerian Kesehatan Republik Indonesia, situs pemerintah tentang covid-19, dan Badan Nasional Penanggulangan Bencana (BNPB), virus covid-19 terdeteksi masuk ke Indonesia pada tanggal 2 Maret 2020 di Provinsi Jawa Barat. Merebaknya kasus covid-19 di Indonesia dalam kurun waktu 2020 – 2022 mendorong perlunya pengelompokan daerah di Indonesia menggunakan teknik clustering. Hal ini bertujuan untuk mengidentifikasi daerah yang memiliki tingkat kasus covid-19 yang padat dan rendah. Dengan demikian, pemerintah dapat mengambil langkah-langkah yang sesuai dalam menangani kasus covid-19 di Indonesia. Dalam penelitian ini, digunakan dua metode untuk menentukan jumlah cluster yang optimal, yaitu within-cluster variation dan Gap statistik. Teknik clustering yang digunakan adalah K-Medoids, yang mampu mengatasi adanya outlier dalam data. Tujuan penelitian ini adalah untuk memperoleh cluster optimal dan mengelompokkan provinsi-provinsi berdasarkan hasil analisis menggunakan metode K-Medoids. Berdasarkan analisis cluster menggunakan metode K-Medoids untuk covid-19 sebelum dan setelah vaksinasi, ditemukan jumlah cluster optimal: 2 cluster dengan within cluster variation, 8 cluster sebelum vaksinasi, dan 6 cluster setelah vaksinasi menggunakan gap statistik. Evaluasi cluster menunjukkan bahwa metode within cluster variation memperoleh hasil nilai average silhouette width 0,85 baik sebelum dan sesudah vaksin. Sementara gap statistik memperoleh nilai 0,47 sebelum vaksin dan 0,56 setelah vaksin. Dengan demikian, metode within cluster variation dapat digunakan untuk mengoptimalkan jumlah cluster dalam analisis K-Medoids pada kasus covid-19.

Keywords : Clustering, K-Medoids, within-cluster variation, Gap statistik, covid-19, clustering, Average Silhouette Width.