Penerapan Data Mining untuk clustering data Penduduk yang Terdampak Covid-19 menggunakan Algoritma K-means
DOI:
https://doi.org/10.31004/jpdk.v4i4.5918Abstract
Sejak desember 2019 penyebaran virus covid-19 mulai terjadi di berbagai belahan dunia, tak terkecuali di Indonesia khusunya di provinsi Sumatra selatan virus corona terus meningkat setiap harinya. Virus tersebut sangat berdampak pada perekonomian di Sumatra selatan, jumlah pengangguran yang terus meningkat setiap harinya dan pengurangan pekerja yang terus bertambah, penelitian ini bertujuan untuk mengetahui berapa banyak pekerja yang terdampak covid-19 dengan menggunakan data jenis pekerjaan dari tahun 2019 sampai dengan 2021 yang ada di Sumatra selatan, data tersebut ada di Badan Pusat Statistik (BPS), maka dari itu penulis menggunakan metode clusstering algoritma K-Means, teknik pengolahan data menggunakan tahapan KDD Knowlage Discovery in Database, hasil yang di dapatkan dalam penelitian ini adalah pada tahun 2019 jumlah pekerja masih normal, pada tahun 2020 mengalami sediki pengurangan di tahun 2021 mengalami penurunan sebanyak 3% dari 3 tahun terakhir.Downloads
Published
2022-08-09
How to Cite
Rizal, . S. ., & Khotimah, R. qusnul . (2022). Penerapan Data Mining untuk clustering data Penduduk yang Terdampak Covid-19 menggunakan Algoritma K-means. Jurnal Pendidikan Dan Konseling (JPDK), 4(4), 2781–2792. https://doi.org/10.31004/jpdk.v4i4.5918
Issue
Section
Articles
License
Copyright (c) 2022 Syahril Rizal, Rindi Qusnul Khotimah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgement of the works authorship and initial publication in this journal. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journals published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).