Optimasi Metode Kmeans Dengan Algoritma Artificial Bee Colony Untuk Pengelompokkan Penyebaran Covid-19 Di Provinsi Indonesia

Abstract

Penyebaran covid-19 di Indonesia diawali oleh kasus impor yang kemudian berkembang menjadi transmisi local. Dampak wabah covid-19 yang terjadi dikehidupan masyarakat salah satunya yaitu aktivitas sosial ditunda sementara waktu, melemahnya prekonomian, pelayanan transportasi dikurangi dan diatur dengan ketat, pariwisata ditutup, pusat pembelanjaan sepi pengunjung dan ditutupnya sektor informal seperti ojek online, supir angkot, pedagang kaki lima, pedagang keliling, UMKM dan kuli pasar mengalami penurunan pendapatan. Pusat-pusat perdagangan seperti, mall, pasar yang biasanya ramai dikunjungi oleh masyarakat mendadak sepi, bekerja dan belajar pun dilakukan dirumah secara online. Pesatnya penyebaran virus dikarenakan protokol covid di daerah/provinsi masih kurang dijalankan, ketika penyebaran covid19 berkembang pesat maka akan meningkatkan angka perkembangan covid di daerah tersebut. Metode ABCKM merupakan gabungan  clustering K-means dengan optimasi Artificial Bee Colony. Dengan memadukan K-means dan metode Artificial Bee Colony maka akan dapat meningkatkan kemampuan KM dalam menetukan titik sampel data dan kemudian menemukan cluster pada area global yang optimal, dengan uji coba 2 sampai 10 klaster dan menghasilkan nilai davies bouldin index sebesar 0. 8637.

Kata Kunci: Covid19/Coronavirus, Clustering, Kmeans, Artificial Bee Colony, Davies Bouldin Index(DBI)