ANALISA PENGARUH JUMLAH PENDUDUK, LUAS WILAYAH DAN CUACA TERHADAP PENYEBARAN KASUS VIRUS CORONA PADA BEBERAPA NEGARA TERPAPAR DI DUNIA

2020 ◽  
Vol 12 (2) ◽  
pp. 82-97
Author(s):  
Eko Nur Wahyudi ◽  
Yunus Anis ◽  
Arief Jananto
Keyword(s):  

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.

2020 ◽  
Author(s):  
Mohammed J. Zaki ◽  
Wagner Meira, Jr
Keyword(s):  

2010 ◽  
Vol 24 (2) ◽  
pp. 112-119 ◽  
Author(s):  
F. Riganello ◽  
A. Candelieri ◽  
M. Quintieri ◽  
G. Dolce

The purpose of the study was to identify significant changes in heart rate variability (an emerging descriptor of emotional conditions; HRV) concomitant to complex auditory stimuli with emotional value (music). In healthy controls, traumatic brain injured (TBI) patients, and subjects in the vegetative state (VS) the heart beat was continuously recorded while the subjects were passively listening to each of four music samples of different authorship. The heart rate (parametric and nonparametric) frequency spectra were computed and the spectra descriptors were processed by data-mining procedures. Data-mining sorted the nu_lf (normalized parameter unit of the spectrum low frequency range) as the significant descriptor by which the healthy controls, TBI patients, and VS subjects’ HRV responses to music could be clustered in classes matching those defined by the controls and TBI patients’ subjective reports. These findings promote the potential for HRV to reflect complex emotional stimuli and suggest that residual emotional reactions continue to occur in VS. HRV descriptors and data-mining appear applicable in brain function research in the absence of consciousness.


PsycCRITIQUES ◽  
2016 ◽  
Vol 61 (51) ◽  
Author(s):  
Daniel Keyes

Author(s):  
Kiran Kumar S V N Madupu

Big Data has terrific influence on scientific discoveries and also value development. This paper presents approaches in data mining and modern technologies in Big Data. Difficulties of data mining as well as data mining with big data are discussed. Some technology development of data mining as well as data mining with big data are additionally presented.


2020 ◽  
Vol 3 (3) ◽  
pp. 187-201
Author(s):  
Sufajar Butsianto ◽  
Nindi Tya Mayangwulan

Penggunaan mobil di Indonesia setiap tahunnya selalu meningkat dan membuat perusahaan otomotif berlomba-lomba dalam peningkatan penjualannya. Tujuan dari penelitian ini untuk mengelompokan data penjualan kedalam sebuah cluster dengan metode Data Mining Algoritma K-Means Clustering. Data Penjualan nantinya akan dikelompokan berdasarkan kemiripan data tersebut sehingga data dengan karakteristik yang sama akan berada dalam satu cluster. Atribut yang digunakan adalah brand dan penjualan. Cluster yang terbentuk setelah dilakukan proses K-Means Clustering terbagi menjadi tiga cluster yaitu Cluster 0 jumlah anggota 235 dengan presentase 26% dikategorikan Laris, Cluster 1 jumlah anggota 604 dengan presentase 67% dikategorikan Kurang Laris, dan Cluster 2 jumlah angota 61 dengan presentase 7% dikategorikan Paling Laris, dari proses clustering diatas dapat diperoleh validasi DBI (Davies Bouldin Index) dengan nilai 0,341


Sign in / Sign up

Export Citation Format

Share Document