Application of Data Mining to Group the Spread of Covid-19 in Indonesia Using the K-Means Algorithm

Abstract

Pandemi COVID-19 yang melanda Indonesia telah menimbulkan berbagai tantangan dalam upaya pengendalian penyebarannya. Salah satu langkah strategis yang dapat dilakukan adalah dengan memahami pola penyebaran berdasarkan data yang tersedia. Penelitian ini bertujuan untuk mengelompokkan wilayah di Indonesia berdasarkan tingkat penyebaran COVID-19 dengan menggunakan algoritma K-Means, yang merupakan salah satu metode clustering dalam data mining. Data yang digunakan meliputi jumlah kasus terkonfirmasi, angka kematian, angka kesembuhan, dan total populasi pada setiap wilayah.

Tahapan penelitian dimulai dari pengumpulan data, preprocessing data untuk memastikan kualitas data yang optimal, normalisasi untuk menyamakan skala, dan pemilihan jumlah klaster terbaik menggunakan metode Elbow. Setelah proses pengelompokan, hasil analisis menunjukkan bahwa wilayah di Indonesia dapat dikelompokkan ke dalam beberapa kategori penyebaran, yaitu wilayah dengan penyebaran tinggi, sedang, dan rendah. Setiap klaster menunjukkan karakteristik yang berbeda, yang dapat digunakan sebagai dasar dalam menentukan prioritas penanganan dan kebijakan kesehatan masyarakat.

Hasil penelitian ini memberikan wawasan baru bagi pemerintah dan pemangku kepentingan untuk memahami pola penyebaran COVID-19 di Indonesia, sekaligus menjadi acuan dalam alokasi sumber daya dan penyusunan strategi mitigasi yang lebih efektif. Implementasi algoritma K-Means dalam pengelompokan wilayah membuktikan bahwa metode ini dapat menjadi alat yang relevan dan bermanfaat dalam mendukung pengambilan keputusan berbasis data