Repositori

Coronavirus Disease atau COVID-19 hingga saat ini masih menjadi perhatian diseluruh dunia. COVID-19 merupakan penyakit baru yang disebabkan oleh strain baru dari coronavirus, Severe Acute Respiratory Syndrome-Coronavirus 2 (SARS-CoV2). Untuk mengendalikan penyebaran COVID-19, diperlukan suatu upaya yaitu vaksinasi. Vaksinasi adalah pemberian Vaksin dalam rangka menimbulkan atau meningkatkan kekebalan seseorang secara aktif terhadap suatu penyakit. Adapun dalam melakukan pencatatan capaian vaksinasi, pemerintah kabupaten Labuhanbatu Utara mengambil data vaksinasi dari fasilitas kesehatan yang melaksanakan program vaksinasi. Data vaksinasi kemudian dihimpun untuk diserahkan ke pemerintah provinsi Sumatera Utara untuk diproses menjadi informasi dan dirilis ke publik. Tidak adanya klasifikasi data capaian vaksinasi pada tingkat kecamatan dinilai kurang maksimal karena tiap kecamatan sulit untuk menentukan apakah kecamatan tersebut memenuhi capaian target vaksinasi atau tidak. Oleh karena itu, digunakan algoritma yang bernama K-Means Clustering. K-Means Clustering digunakan untuk mengelompokkan data berdasarkan kemiripan data tersebut sehingga nantinya dapat digunakan untuk mengklasifikasikan data capaian target vaksinasi pada tiap kecamatan di kabupaten Labuhanbatu Utara. Hasil dari pengklasifikasian data capaian target vaksinasi tersebut divisualisasikan dalam bentuk pemetaan. Pemetaan tersebut diwujudkan melalui Sistem Informasi Geografis (SIG) berbasis web (webgis). Berdasarkan hasil penelitian, Sistem Informasi Geografis Pemetaan Capaian Target Vaksinasi COVID-19 kabupaten Labuhanbatu Utara berbasis Webgis mampu melakukan klasifikasi data capaian target vaksinasi COVID-19 di kabupaten Labuhanbatu Utara dengan menggunakan algoritma K-Means Clustering dimana berdasarkan hasil perhitungan iterasi K-Means, lima dari delapan kecamatan di kabupaten Labuhanbatu Utara telah memenuhi capaian target vaksinasi. Kata Kunci : covid-19, vaksinasi, k-means, SIG, webgis

URI :
https://prosiding.snastikom.com/index.php/SNASTIKOM2020/article/view/14

Collections :
Skripsi [1121]