PERBANDINGAN METODE K-MEANS EUCLIDEAN DISTANCE DAN MANHATTAN DISTANCE PADA PENENTUAN ZONASI COVID-19 DI KABUPATEN MALANG

Abstract

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 adalah sebuah algoritma untuk mengelompokkan data berdasarkan titik pusat klaster (Centeroid) yang paling dekat dengan data tersebut (Metisen & Sari, 2015). K-Means bertujuan untuk mengelompokkan data dengan memaksimalkan kesamaan data dalam klaster dan meminimalkan kesamaan data antar klaster (Asroni & Adrian, 2015). Kualitas hasil Clustering 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.