CLUSTERING TINGKAT MOBILITAS MASYARAKAT INDONESIA SELAMA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA FUZZY C-MEANS DENGAN OPTIMISASI PARTICLE SWARM OPTIMIZATION

JUAN RIZKY MAULANA

Informasi Umum

Kode

23.04.1180

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining, Algorithm Design-structured Programming,

Dilihat

415 kali

Informasi Lainnya

Abstraksi

Wabah Covid 19 berdampak parah bagi kesehatan, mata pencaharian, lingkungan, psikologi, pendidikan dan transportasi masyarakat yang ada di seluruh dunia. Beberapa keputusan penting harus dibuat untuk memastikan keamanan publik selama krisis ini. Untuk menghindari penyebaran virus, beberapa pembatasan yang telah diberlakukan adalah adanya pembatasan pada mobilitas publik. Mobilitas terjadi ketika orang-orang berkumpul di berbagai tempat dan ini telah menjadi alasan mengapa Covid-19 menyebar dari satu ke yang lain. Maka dari itu perlu adanya analisis pada daerah yang terkena dampak Covid-19 dan mengkategorikannya menjadi daerah berisiko tinggi, sedang dan rendah berdasarkan tingkat mobilitasnya. Penelitian ini menganalisis pola mobilitas di negara Indonesia dan menerapkan varian hybrid berbasis pengelompokan Fuzzy C-Means dikombinasikan dengan Particle Swarm Optimization (PSO). Penelitian ini menggunakan sumber data teragregasi dari Google (Covid-19 Community Mobility Reports) dari negara Indonesia. Dari hasil clustering menggunakan kombinasi Fuzzy C-Means dan Particle Swarm Optimization di dapatkan peningkatan akurasi DBI sekitar 66% yaitu 0,391 dan berhasil membagi provinsi di Indonesia berdasarkan tingkat kepadatan mobilitasnya, yaitu kategori tinggi, sedang, dan rendah.

Kata kunci — Pandemi, Covid-19, Clustering, Fuzzy C-Means, Particle Swarm Optimization, Mobilitas