Electronic Resource

Perbandingan Metode K-Means Euclidean Distance Dan Manhattan Distance Pada Penentuan Zonasi Covid-19 Di Kabupaten Malang

---

Coronavirus (Corona Virus Desease) atau yang biasa disebut Covid-19 ini
adalah sebuah penyakit yang sangat berbahaya. Banyaknya jumlah kasus Covid-19
yang tercatat di Kabupaten Malang membuat pemerintah dituntut untuk membagi
Zonasi wilayah pada setiap Kecamatan di Kabupaten Malang agar dapat membuat
kebijakan atau peraturan yang dapat ditaati oleh zona-zona tertentu. K-Means
merupakan algoritma untuk mengelompokkan data berdasarkan titik pusat klaster
(Centeroid) terdekat dengan data. Tujuan dari K-Means adalah mengelompokkan
data dengan memaksimalkan kemiripan data dalam suatu klaster dan
meminimalkan kemiripan data antar klaster. Metode perhitungan jarak dengan
kualitas hasil yang lebih baik dari Euclidean Distance dan Manhattan Distance
pada metode K-Means diharapkan dapat menentukan Clustering pada Zonasi
Covid-19 di Kabupaten Malang. Metode K-Means dengan Euclidean Distance
memperoleh nilai Silhouette Coefficient dan Standart Deviasi yang lebih baik dari
metode K-Means Manhattan Distance dengan perbandingan nilai Silhouette
Coefficient 0,71 > 0,64 dan nilai Standart Deviasi 0,46466002 < 0,4961977.

---

Ketersediaan

21345405/SB/2023

KKI 001.6 PRI p/s

Perpustakaan Unikama

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

KKI 001.6 PRI p/s

Penerbit

Malang : Teknik Informatika - Unikama., 2022

Deskripsi Fisik

x, 64hlm 26cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

001.6

Tipe Isi

text

Tipe Media

PDF

Tipe Pembawa

-

Edisi

1

Subjek

Skripsi
Corona Virus Desease
Euclidean Distance
Manhattan Distance

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar