Covid-19 merupakan penyakit menular yang berpotensi menimbulkan kedaruratan kesehatan bagi warga masyarakat, salah satunya di Kabupaten Bangkalan. Covid-19 ini menyebar sangat cepat dari manusia ke manusia yang menyebabkan penyakit mulai dari flu hingga penyakit yang lebih berat. Pemerintah daerah kesulitan dalam melihat sebaran daerah rawan Covid-19. Untuk menekan tingginya kasus Covid-19 di Kabupaten Bangkalan, pemerintah daerah harus mengambil penanganan yang lebih tepat untuk mencegah dan membatasi penyebaran Covid-19 tersebut. Dengan membangun sistem yang dapat mengelompokan daerah rawan Covid-19, untuk itu diperlukan sebuah metode pengelompokan (clustering). Penelitian ini menggunakan metode K-Means Clustering dan menggunakan algoritma Euclidean dalam pengelompokan daerah rawan Covid-19 khususnya di Kabupaten Bangkalan, sehingga nantinya dapat diidentifikasi berdasarkan cluster dan ditampilkan dalam bentuk visual yaitu berupa peta digital dengan menggunakan aplikasi Sistem Informasi Geografis (GIS). Oleh karena itu, diharapkan dengan adanya penelitian ini dapat mengetahui daerah rawan Covid-19 agar mempermudah pemerintah daerah dalam melakukan pemantauan daerah rawan Covid-19 di Kabupaten Bangkalan. Hasil dari penelitian ini dapat memudahkan pengguna dalam mencari daerah rawan Covid-19 yang ada di Kabupaten Bangkalan tanpa perlu pergi ke Dinas Kesehatan Kabupaten Bangkalan. Webgis ini sudah dilakukan pengujian pada sistemnya dengan menggunakan black box testing dan semua proses yang ada di dalam webgis ini dapat berjalan dengan baik. Dalam penelitian ini menunjukkan bahwa metode K-Means Clustering dan algoritma Euclidean memiliki nilai akurasi 88,88% dalam mengelompokkan daerah rawan Covid-19 di Kabupaten Bangkalan.


Deskripsi Lain

Covid-19 is an infectious disease that has the potential to cause health emergencies for residents, one of which is in Bangkalan Regency. Covid-19 spreads very quickly from person to person, causing illnesses ranging from flu to more serious illnesses. Local governments have difficulty seeing the distribution of Covid-19 prone areas. To reduce the high number of Covid-19 cases in Bangkalan Regency, the local government must take more appropriate handling to prevent and limit the spread of Covid-19. By building a system that can classify areas prone to Covid-19, a clustering method is needed. This study uses the K-Means Clustering method and uses the Euclidean algorithm in grouping the Covid-19 prone areas, especially in Bangkalan Regency, so that later it can be identified based on clusters and displayed in visual form, namely in the form of a digital map using the Geographic Information System (GIS) application. Therefore, it is hoped that this research can identify areas prone to Covid-19 in order to make it easier for local governments to monitor Covid-19 prone areas in Bangkalan Regency. The results of this study can make it easier for users to find areas prone to Covid-19 in Bangkalan Regency without the need to go to the Bangkalan Regency Health Office. This webgis has been tested on the system using black box testing and all processes in this webgis can run well. In this study, it shows that the K-Means Clustering method and the Euclidean algorithm have an accuracy value of 88.88% in grouping the Covid-19 prone areas in Bangkalan Regency.

• PENGGUNAAN METODE FUZZY DALAM SISTEM REKOMENDASI PADA APLIKASI MANAJEMEN OBAT
• SISTEM INFORMASI KEPEGAWAIAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) BERBASIS WEB DI KOPERASI PEGAWAI TELKOM CITRA RAJAWALI PAMEKASAN
• SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEB DI DINAS PENDIDIKAN KABUPATEN SUMENEP
• EKSTRAKSI FITUR PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK PENGENALAN HURUF ABJAD BAHASA ISYARAT PADA SISTEM ISYARAT BAHASA INDONESIA (SIBI)
• PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS (PAM)