ANALISA PENGARUH JUMLAH PENDUDUK, LUAS WILAYAH DAN CUACA TERHADAP PENYEBARAN KASUS VIRUS CORONA PADA BEBERAPA NEGARA TERPAPAR DI DUNIA
Abstract
Pandemi virus corona (covid-19) melanda dunia. Terhitung mulai Desember 2019 hingga sekarang telah melanda ratusan negara dengan banyak korban mencapai jutaan jiwa. Tak sedikit pula korban yang terkena dampak dari berbagai kebijakan yang ditetapkan oleh masing-masing negara dalam rangka menanggulangi wabah penyakit tersebut. Hingga saat ini masih menjadi perdebatan asal muasal virus tersebut, ada yang menyebut berasal dari Wuhan China, tapi ada pula yang menyatakan berasal dari Amerika yang kemudian dibawa ke China. Sampai sekarang belum ada satupun negara yang memproklamirkan telah menemukan vaksin corona. Hingga kapan wabah ini akan berakhir dan berapa lagi korban jiwa yang akan direnggut, semuanya masih dalam upaya semua pihak yang berkepentingan khususnya para peneliti di bidang virologi, kedokteran, kesehatan dan farmasi. Mereka seakan berlomba untuk menjadi penemu dan pemenang dalam perang melawan virus corona.
Penyebaran virus yang sangat cepat menjadi sebuah perhatian khusus, bahkan beberapa negara melejit jumlah kasus dan korbannya jauh melebihi negara asal virus corona muncul yaitu China. Negara Amerika, Italia, Spanyol dan Inggris contohnya, kasus dan korban di negara tersebut sangatlah tinggi dalam rekapan jumlah setiap harinya. Banyak yang menghubungkan penyebab tersebut dengan kondisi yang berbeda di setiap negara, baik dari sisi jumlah penduduk, iklim yang ada, kebijakan pemerintahannya, dan masih ada beberapa yang lainnya menjadi pertimbangan penilaian terhadap mewabahnya virus tersebut.
Penelitian ini mencoba menganalisa faktor-faktor yang diduga menjadi beberapa penyebab penyebaran virus corona yang begitu cepat dengan metode analisis matematika, statistik dan data mining sederhana menggunakan K-Means. Penelitian ini menghasilkan informasi mengenai pengaruh jumlah penduduk, luas wilayah dan cuaca di suatu negara terhadap perkembangan virus covid-19. Dengan demikian diharapkan bahwa informasi tersebut dapat dijadikan salah satu dasar pengambilan kebijakan terhadap langkah-langkah penanganan terhadap kasus covid-19.
References
[2] Chong Ho Yu, Samuel Digangi, Angel Kay Jannasch-Pennell & Charles Kaprolet(2008). Profiling Students Who Take Online Courses Using Data Mining Methods, Arizona State University
[3] Han, J., Kamber, M. (2000). Data mining: Concepts and Techniques. New York: Morgan-Kaufman
[4] Intan Andriani, Nina Widowati (2017), Pengembangan Industri Kecil Dan Menengah Di Kota Semarang (Studi Kasus Pada Dinas Perindustrian Dan Perdagangan Kota Semarang Di Bidang Perindustrian), Journal of Public Policy and Management Review, Universitas Diponegoro
[5] James Otto, Douglas Sanford& William Wagner (2005). Analisys Of Online Student Ratings Of University Faculty, Towson University & Villanova University
[6] Qasem A. Al-Radaideh, Emad M. Al- Shawakfa dan Mustafa I. Al-Najjar(2006). Mining Student Data Using Decision Trees, Yarmouk University
[7] Sarita Novie Damayanti, Rimadewi Suprihardjo (2016), Pembentukan Cluster Objek Daya Tarik Wisata (ODTW) di Kota Yogyakarta, Jurnal Teknik ITS, Institut Teknologi Surabaya
[8] Senol Zafer Erdogan &Mehpare Timor (2005). A Data Mining Application In A Student Database, Maltepe University & Istambul University.
[9] Witten, I. H., & Frank, E. (2000). Data Mining. New York: Morgan-Kaufmann.
