BAB I

PENDAHULUAN

Pada bab ini akan dijelaskan hal-hal yang berkaitan dengan topik penelitian
secara umum, meliputi latar belakang penelitian, rumusan masalah, tujuan dan
sasaran yang ingin dicapai, ruang lingkup laporan penelitian berupa ruang lingkup
materi, ruang lingkup wilayah dan ruang lingkup waktu, serta metodologi
penelitian dan sistematika penulisan laporan.

1.1.

Latar Belakang
Kabupaten Tangerang lahir pada tanggal 27 Desember 1943
tercantum

dalam

dokumen

Tangerang

Nomor

18

Peraturan

Tahun

1984

Daerah

tingkat II Kabupaten

tertanggal

25

Oktober

1984.

Perkembangang perekonomian dan infrastruktur di Kabupaten Tangerang

sebagai daerah lintasan dan berdekatan dengan Ibukota Negara melesat
pesat. Apalagi setelah diterbitkannya Inpres Nomor 13 Tahun 1976 tentang
pengembangan

Jabodetabek,

dimana

Kabupaten

Tagerang

menjadi

penyanggah DKI Jakarta. namun pada tanggal 27 Februari 1993 Kabupaten

Tangerang mengalami pemekaran menjadi Kabupaten Tangerang dan Kota
Tangerang, dan Kota Tangerang Selatan mekar dari Kabupaten Tnagerang
pada 29 Oktober 2008.
Beberapa

wilayah

di

Kabupaten

Tnagerang

kini

memasuki

perkembangan sebuah kota. Hal ini dikarenakan urbanisasi dan tumbuhnya

sektor

industri

permukiman

manufaktur,

modern

dan

tumbuhnya
pertumbuhan

pusat

bisnis

infrastruktur

dan

kawasan

jalan

yang

memudahkan masyarakat melakukan aktivitasnya. Pertumbuhan penduduk

Kabupaten Tangerang sangat tinggi disebabkan faktor urbanisasi dan migrasi
para pekerja dari beberaoa wilayah seperti Lampung, Jawa Barat, DKI
Jakarta, Jawa Tengaj dan juga beberapa kabupaten di wilayah Banten

seperti Lebak, Pandeglang, Serang dan Cilegon. Perpindahan ini disebabkan

oleh tumbuhnya industri dan manufaktur di Kabupaten Tangerang yang
menjadi daya tarik bagi para urban dan migran. Menurut BPS Kabupaten
Tangerang Tahun 2013, jumlah penduduk Kabupaten Tangerang adalah
3.157.780 jiwa dengan kepadatan 3.121 jiwa per km2. Pertumbuhan
penduduk Kabupaten Tangerang tumbuh sebesar 3,34% setiap tahunnya.
Dalam misi Kabupaten Tangerang point keempat dan keenam
berbunyi. mewujudkan keserasian dan keseimbangan pembangunan
yang berwawasan lingkungan melalui sistem perencanaan dan pengendalian
tata ruang yang berstruktur (4) , meningkatkan

pembangunan

infrastruktur bagi percepatan aspek-aspek pembangunan (6). Dari dua

point

yang

disebutkan

dalam

misi

Kabupaten

Tangerang

tersebut,

Pemerintah Kabupaten Tangerang sangat memperhatikan perkembangan

infrastruktur
Pemerintah

untuk

menunjang

Kabupaten

pembangunannya.

Tangerang

mengharapkan

Bukan

hanya

pembangunan

itu,
yang

merata di daerahnya.
Untuk mewujudkan misi Kabupaten Tangerang tersebut, diperlukan
data infrastruktur di setiap kecamatan yang ada dan pengintegrasian
pembangunan guna mewujudkan pembangunan yang merata. Oleh karena
itu, dalam penulisan laporan ini akan dipaparkan mengenai infrastruktur
yang

ada

di

Kabupaten

Tangerang

beserta

clustering

kecamatan

berdasarkan kondisi infrastrukturnya untuk bisa ditetapkan peringkat

infrastrukturnya.
1.2.

Rumusan Masalah
Dari latar belakang diatas dapat dibuat beberapa rumusan masalah.
Adapun rumusan masalahnya adalah sebagai berikut
1. Berapa jumlah cluster dan anggota cluster berdasarkan kesamaann
antar objek infrastruktur di Kabupaten Tangerang?
2. Berapakah nilai factor score tiap cluster yang terbentuk di
Kabupaten Tangerang?

3. Bagaimanakah tingkatan/kedudukan cluster berdasarkan faktor yang

terbentuk di Kabupaten Tangerang?

1.3.

Tujuan dan Sasaran

Tujuan dari penelitian ini adalah untuk mengidentifikasikan cluster
yang terbentuk berdasarkan faktor infrastruktur di Kabupaten Tangerang
beserta nilai skor faktor dan kedudukan berdasarkan faktor yang
terbentuk.
Sasaran dari penelitian ini adalah
1. Menentukan jumlah cluster dan anggota cluster berdasarkan
kesamaan antar objek infrastruktur di Kabupaten Tangerang.
2. Mengetahui nilai factor score tiap cluster kecamatan berdasarkan
infrastruktur di Kabupaten Tangerang.
3. Mengetahui tingkatan atau kedudukan berdasarkan faktor yang
terbentuk di Kabupaten Tangerang.

1.4.

Ruang Lingkup Penelitian

Ruang lingkup dari penelitian ini terdiri atas ruang lingkup materi,
ruang lingkup wilayah, dan ruang lingkup waktu.

1.4.1 Ruang Lingkup Materi

Pada ruang lingkup materi variabel yang digunakan adalah
data

jumlah

masjid,

langgar/musholla,

gereja,

vihara/kuil,

pemakaman, tempat belanja, rumah makan, jumlah TK , jumlah SD

negeri, jumlah SD swasta , jumlah SLTP negeri, jumlah SLTPnegeri,
jumlah SLTP swasta, jumlah SMK swasta, jumlah polsek, jumlah
puskesma, jumlah klinik dan jumlah PKBRS di setiap kecamatan di
Kabupatan Tangerang

1.4.2 Ruang Lingkup Wilayah

Wilayah pengambilan data dibatasi pada kecamatan yang ada
di kabupaten Tangerang
Gambar 1.1 Peta Administratif Kabupaten Tangerang

Sumber: Tangerang dalam Angka, Tahun 2014

1.4.3

Ruang Lingkup Waktu

Waktu pengambilan data dilakukan pada tanggal 19 Februari 2016

dan pembuatan laporan dilakukan tanggal 19-23 Februari 2016

1.5.

Metodologi Penelitian
Metoda penelitian yang penulis digunakan dalam penelitian ini
mencakup dua hal, yaitu metoda pengumpulan data dan metoda analisis
data.

1.5.1 Metoda Pengumpulan Data

Metoda pengumpulan data yang dilakukan pada penelitian ini
adalah

dengan

data

sekunder

yaitu

dengan

literatur

yang

berhubungan dengan masalah yang dibahas baik dari internet, data

statistik BPS maupun buku cetak.

1.5.2 Metoda Analisis Data

Metoda analisis data yang digunakan pada penelitian ini
adalah metode analisis faktor dengan menggunakan aplikasi SPSS

1.6.

Sistematika Penulisan
Sistematika penulisan laporan praktikum ini adalah sebagai berikut :

Bab I Pendahuluan
Pada bagian pendahuluan, penulis menguraikan latar belakang pembuatan
laporan, rumusan masalah, tujuan dan sasaran yang ingin dicapai, ruang
lingkup laporan penelitian mencakup ruang lingkup materi, ruang lingkup
wilayah dan ruang lingkup waktu, serta metodologi penelitian dan
sistematika penulisan laporan.

Bab II Dasar Teori

Pada bab ini, penulis akan menjelaskan tentang dasar-dasar teori substansi
mengenai infrastruktur dan teori analisis cluster, multidimensional scaling,
dan saklogram beserta penggunaannya pada aplikasi SPSS.

Bab III Input dan Analisis Data

Pada bab ini, penulis akan menjelaskan lebih detail mengenai input data,
analisis output data, dan interpretasinya dalam bidang perencanaan
wilayah dan kota.

Bab IV Penutup
Pada bagian penutup, penulis menyimpulkan hasil penelitian dari analisisanalisis yang telah dipaparkan di bab sebelumnya, dan memberikan saran
terhadap studi dan praktikum.

BAB II
DASAR TEORI
Pada

bab

ini

akan

dijelaskan

mengenai

teori

substansi

mengenai

infrastruktur, teori analisis cluster, multidimensional scaling dan skalogram, serta

cara penggunaannya dengan SPSS dalam membantu penulis menganalisis data
berdasarkan metode analisis yang digunakan.
2.1

Teori tentang Infrastruktur

Teori tentang infrastruktur yang digunakan terdiri dari konsep dasar
dan pengertian infrastruktur dan komponen infrastruktur yang digunakan
untuk menentukan cluster kecamatan berdasarkan infrastruktur yang ada di
Kabupaten Tangerang.
2.1.1 Konsep Dasar dan Pengertian Infrastruktur
Menurut American Public Works Association (Stone, 1974
Dalam Kodoatie,R.J.,2005), infrastruktur adalah fasilitas-fasilitas
fisik yang dikembangkan atau dibutuhkan oleh agen-agen publik
untuk fungsi-fungsi pemerintahan dalam penyediaan air, tenaga
listrik, pembuangan limbah, transportasi dan pelayanan-pelayanan
similar untuk memfasilitasi tujuan-tujuan sosial dan ekonomi.
Sedangkan pengertian Infrastruktur, menurut Grigg (1988)
infrastruktur merupakan sistem fisik yang menyediakan transportasi,
pengairan, drainase, bangunan gedung dan fasilitas publik lainnya,
yang dibutuhkan untuk memenuhi kebutuhan dasar manusia baik
kebutuhan sosial maupun kebutuhan ekonomi. Pengertian ini
merujuk

pada

infrastruktur

sebagai

suatu

sistem.

Dimana

infrastruktur dalam sebuah sistem adalah bagian-bagian berupa

sarana dan prasarana (jaringan) yang tidak terpisahkan satu sama

lain. Infrastruktur sendiri dalam sebuah sistem menopang sistem

sosial dan sistem ekonomi sekaligus menjadi penghubung dengan
sistem lingkungan. Ketersediaan infrastruktur memberikan dampak
terhadap sistem sosial dan sistem ekonomi yang ada di masyarakat.
Oleh karenanya, infrastruktur perlu dipahami sebagai dasar-dasar
dalam mengambil kebijakan (Kodoatie, 2005).
Dalam perpres Nomor 38 Tahun 2015 disebutkan bahwa
Infrastruktur adalah fasilitas teknis, fisik, sistem, perangkat keras,
dan lunak yang diperlukan untuk melakukan pelayanan kepada
masyarakat dan mendukung jaringan struktur agar pertumbuhan
ekonomi dan sosial masyarakat dapat berjalan dengan baik.
2.1.2 Komponen Infrastruktur
Komponen-komponen di dalam infrastruktur menurut APWA
(American Public Works Association) adalah
1 Sistem penyediaan air : waduk, penampungan air, transmisi
dan distribusi, fasilitas pengolahan air (water treatment)
2 Sistem pengelolaan air limbah : pengumpul, pengolahan,
pembuangan, daur ulang
3 Fasilitas pengelolaan limbah padat
4 Fasilitas pengendalian banjir, drainase dan irigasi
5 Fasilitas lintas air dan navigasi
6 Fasilitas transportasi: jalan, rel, bandar udara (termasuk
tanda-tanda lalu lintas dan fasilitas pengontrol
7 Sistem transit publik
8 Sistem kelistrikan: produksi dan distribusi
9 Fasilitas gas alam
10 Gedung publik: sekolah, rumah sakit
11 Fasilitas perumahan publik
12 Taman kota sebagai daerah resapan, tempat bermain
termasuk stadion

13 Komunikasi
Sedangkan menurut P3KT, komponen-komponen infrastruktur antara
lain:
1

Perencanaan kota

Peremajaan kota

Pembangunan kota baru

Jalan kota

Air minum

Drainase

Air limbah

Persampahan

Pengendalian banjir

10 Perumahan
11 Perbaikan kampung
12 Perbaikan prasarana kawasan pasar
13 Rumah sewa
Dilihat dari input - output bagi penduduk, komponenkomponen tersebut dapat dikelompokkan menjadi tiga karakteristik,
yaitu:
1

Komponen yang memberi input kepada penduduk. Jenis

infrastruktur yang termasuk dalam kategori ini adalah prasarana
air minum dan listrik

Komponen yang mengambil output dari penduduk. Jenis

infrastruktur
prasarana

yang

termasuk

dalam

drainase/pengendalian

banjir,

kotor/sanitasi, dan pembuangan sampah.

kelompok

ini

adalah

pembuangan

air

2.2

Teori Analisis Cluster, Multidimensional Scaling dan Skalogram

Dalam penulisan laporan, analisis yang digunakan adalah analisis
cluster, multidimensional scaling dan skalogram

2.2.1 Teori Analisis Cluster

Analisis

cluster

merupakan

mempunyai

tujuan

utam

berdasarkan

karakteristik

teknik

multivariat

amengelompokkan

yang

dimilikinya,

yang

objek-objek

Analisis

cluster

mengklasifikasikan objek sehingga setiap objek yang paling dekat

kesamaannya dengan objek yang lain berada pada cluster yang
sama. Prinsip pengelompokkan berdasarkan kesamaan antarobjek
(similarity). Kesamaan tersebut diperoleh dengan meminimalkan
jarak

antarobjek

dalam

kelompok

(withn

cluster)

dan

memaksimalkan jarak antar kelompok (between cluster). Dengan

kata lain, sebuah cluster akan dinilai baik apabila emenuhi dua
kriteria sebagai berikut

memiliki homogenitas(kesamaan) yang tinggi antaranggota dalam

satu cluster (within cluster)

memiliki heterogenitas (perbedaan) yang tinggi antarcluster yang

satu dengan cluster yang lainnya (between cluster)
Secara garis besar ada tiga hal yang harus terjawab dalam
proses kerja analisis cluster, yaitu

Bagaimana mengukur kesamaan?

Ada tiga ukuran untuk mengukur kesamaan antar objek yaitu
ukuran korelasi, ukurang jarak dan ukuran asosiasi

Bagaimana membentuk cluster?

Prosedur yang diterapkan harus dapat mengelompokkan
objek-objek yang memiliki kesamaan yang tinggi ke dalam
suatu cluster yang sama

Berapa banyak cluster/kelompok yang akan dibentuk?

10

Pada

prinsipnya

jika

jumlah

cluster

berkurang

maka

homogenitas dalam cluster secara otomatis akan menurun.

Berikut tahapan analisis cluster
mengukur

kesamaan

antar

obyek

dengan

menyusun

matriks similaritas. Similarity measures terbagi menjadi

dua, yaitu distance type measures ( digunakan yntuk data
kuantitatif interval rasio dan diukur dengan jarak euclidean )
dan matching type measure ( digunakan untuk data kualitatif
nominal )
melakukan proses standardisasi dengan mengubah jarak ke
z-score
membuat cluster yang dapat dilakukan dengan dua
metode, yaitu: metode hirarki dan metode non-hirarki.
Metode hirarki dilakukan dengan mengelompokan dua atau
lebih obyek yang memiliki kesamaan yang paling dekat
kemudian proses diteruskan ke obyek lain yang memiliki
kedekatan kedua dan seterusnya sehingga cluster akan
membentuk semacampohondimana ada hierarki/tingkatan
yang jelas antar obyek dari yang paling mirip sampai yang
paling tidak mirip dan biasanya digunakan dendogram untuk
memperjelas.
Metode non-hirarki dimulai dengan menentukan terlebih
dahulu jumlah cluster yang diingnkan. Setelah ditentukan
jumlah cluster, proses dilakuakn tanpa mengikuti proses
hirarki. Metode ini lazim disebut K-Means Cluster.
melakukan

intrepretasu

terhadap

cluster

yan

telah

terbentuk, yang pada intinya memberi nama spesifik untuk

menggambarkan isi cluster tersebut
melakukan validasi dan profiling cluster, yaitu dengan
menguji

cluster

yang

terbentuk

dan

menjelaskan

karakteristik setiap cluster berdasarkan profil tertentu

11

2.2.2 Teori Analisis Multidimensional Scaling

Teknik

analisis

multidimensional

scaling

merupakan

alat

matematis untuk menunjukkan kedekatan antarobjek secara ruang

dalam suatu peta. Tujuannya adalah untuk mengungkap struktur
tersembunyi (hidden structure) dari suatu kumpulan/himpunan data.
Sasarannya untuk memetakan objek dalam satu ruang multidimensional
dengan suatu cara sedemikian rupa sen=hingga menghasilkan posisi
relatif dalam runa mencerminkan derajat kedekatan/ kemiripan/
kesamaan antarobjek. Dalam multidimensional scaling, informasi jarak
dan kesamaan antarobjek tersebut diubah menjadi bentuk geometri
dalam satu peta dimensi tertentu.
2.2.3 Teori Analisis Skalogram
Teknik skalogram berusaha mengidentifikasika suatu skala
tunggal, speanjang ukuran efektif sikap dalam keadaan yang ada dan
dapat diperoleh. Tujuan dari teknik skalogram adalah untuk mengetahui
peringkat/ kedudukan masing-masing objek berdasarkan faktor yang
terbentuk. Input data dalam bentuk nominal atau ordinal. Tahapan
teknik skalogram sebagai berikut
membuat data matriks antara objek-pbjek dengan peringkat
faktor penilainya
matriks data diubah menjadi matriks antara objek terhadap
nilai kelas faktor
tukarkan objek-objek dan faktor-faktor sedemikian rupa
sehingga memenuhi prinsip konsistensi
berikan skor untuk tiap skala dari objek dengan melihat
dimana posisi kotak objek
hitung koefisien reproductability (R) untuk mengetahui
derajat error.

12

R = Noktah (dalam skalogram) x 100%

noktah total
2.3

Penggunaan Analisis Cluster, Multidimensional Scaling dan Skalogram

dengan Aplikasi SPSS dan Aplikasi Microsoft Excel
Langkah-langkah penggunaan analisis faktor dengan aplikasi SPSS
adalah sebagai berikut:
Langkah Analisis 1, digunakan untuk menentukan factor score

Klik Analyze. Pilih submenu Dimension Reduction, kemudian pilih Factor

Klik Scores. Kemudian pilih Save As Variable dan Regression.

Klik OK

Kembali ke Data View, lihat tabel baru yang terbentuk di daerah paling
kanan. Itulah Factor Scores yg diminta.

Kemudian menentukan rentang nilai dari faktor skor R,S,T.

.
Langkah Analisis 2

Klik Analyze. Pilih submenu Clasify, kemudian pilih hierarchical cluster.

Masukkan semua REGR factor scores 1 sampai 3 ke dakam kotak variables

dan masukkan nama kecamatan ke label cases by

Pada pilihan Clusters pilih Cases dan pada pilihan Display pilih Statistics
Kemudian aktifkan Agglomeration Schedule dan Proximity matrix, lalu klik
continue

Pilih Plots, aktifkan Dendogram, klik continue

Pilih Method, kemudian pada Cluster Method pilih Furthest Neighbor. Pada
Transfer Values pilih Z Scores by Variable. Klik Continue

Klik OK

13

Langkah Analisis 3

Pindahkan semua data dari output SPSS ke dalam Microsoft Excel

Data yang dipindahkan adalah data kecamatan dan skor setiap faktor
Tabel 2.1 Data Kecamatan dan Skor Faktornya
No. Nama Kecamatan FAKTOR 1 FAKTOR 2 FAKTOR 3

Balaraja -0.29006

0.07481

2.20972

Jayanti 0.21914

-1.64804

0.36427

Tigaraksa -0.14702
0.84871

3.16511

Jambe -0.37231
-1.84161

-0.09286

Cisoka -0.21143

0.26698

0.37304

Kresek -0.3301

0.4333

-0.91822

Kronjo -0.76057

0.73078

-0.90386

Mauk -0.73005

0.19458

0.09661

Kemiri -0.42228

-1.78837

0.48858

10

Sukadiri -0.14221
-0.76291

-0.47548

11

Rajeg -0.07645

2.47966

-0.46421

12

Pasar Kemis 1.62556

0.33763

1.50112

13

Teluknaga -0.23028
1.15638

0.29311

14

Kosambi 0.34533
-0.9336

0.15558

15

Paku Haji -0.66589

1.40312

-0.74587

16

Sepatan -0.1059
-0.08725

0.34137

17

Curug 0.48261

0.36644

0.44104

18

Cikupa 1.02365

1.57831

-0.21351

19

Panongan 0.17419
-0.26106

-0.20699

20

Legok -0.42518

0.43181

0.00147

21

Pagedangan -0.81803
0.77688

-0.20151

22

Cisauk -0.51417

14

-0.62335

0.06623

No. Nama Kecamatan FAKTOR 1 FAKTOR 2 FAKTOR 3

23

Sukamulya -0.46116
-0.10526

-1.79031

24

Kelapa Dua 4.43929

-0.23127

-1.04559

25

Sindang Jaya -0.24729

-0.42119

-0.8653

26

Sepatan Timur -0.41772

-0.89577

-0.2798

27

Solear -0.14545

-0.79246

0.1144

28

Gunung Kaler -0.2406

-0.74786

-0.00596

29

Mekar Baru -0.55562

0.06062

-1.40217

Sumber : Hasil Pengolahan Ms. Excel, 2016

Hitunglah rata-rata

Hitunglah score factor pada tiap cluster

Tabel 2.2 Cluster dan Rata-Rata Faktornya

Cluster
1

No.
24

Kecamatan

FS 1

Kelapa Dua
Rata-rata

12

Pasir Kemis
Rata-rata

4.43929

-0.23127

-1.04559

4.43929

-0.23127

-1.04559

1.62556

0.33763

1.50112

1.62556

0.33763

1.50112

Balaraja

-0.29006

0.07481

2.20972

Tigaraksa

-0.14702

0.84871

3.16511

-0.14702

0.84871

2.687415

14

Kosambi

0.34533

-0.9336

0.15558

Jayanti

0.21914

-1.64804

0.36427

Kemiri

-0.42228

-1.78837

0.48858

Jambe

-0.37231

-1.84161

-0.09286

-0.05753

-1.55291

0.228893

Rata-rata
5

FS 3

Rata-rata
4

FS 2

18

Cikupa

1.02365

1.57831

-0.21351

11

Rajeg

-0.07645

2.47966

-0.46421

15

Cluster

No.

Kecamatan

FS 1

Rata-rata
6

0.4736

2.028985

-0.33886

Sukamulya

-0.46116

-0.10526

-1.79031

29

Mekar Baru

-0.55562

0.06062

-1.40217

-0.50839

-0.02232

-1.59624

13

Teluknaga

-0.23028

1.15638

0.29311

21

Pagedangan

-0.81803

0.77688

-0.20151

20

Legok

-0.42518

0.43181

0.00147

Mauk

-0.73005

0.19458

0.09661

Paku Haji

-0.66589

1.40312

-0.74587

Kronjo

-0.76057

0.73078

-0.90386

Kresek

-0.3301

0.4333

-0.91822

-0.56573

0.732407

-0.33975

-0.21143

0.26698

0.37304

15

Rata-rata
8

FS 3

23

Rata-rata
7

FS 2

Cisoka

16

Sepatan

-0.1059

-0.08725

0.34137

17

Curug

0.48261

0.36644

0.44104

25

Sindang Jaya

-0.24729

-0.42119

-0.8653

26

Sepatan
Timur

-0.41772

-0.89577

-0.2798

10

Sukadoro

-0.14221

-0.76291

-0.47548

22

Cisauk

-0.51417

-0.62335

0.06623

28

Gunung Kaler

-0.2406

-0.74786

-0.00596

27

Soler

-0.14545

-0.79246

0.1144

-0.17135

-0.41082

-0.03227

Rata-rata

Sumber : Hasil Pengolan Ms. Excel, 2016

16

Lalu buat tabel cluster beserta rata-rata score factor

Tabel 2.3 Penyederhanaan Tabel Cluster dan Rata-Rata skor Faktor

FAKTOR
Cluster

4.43929

-0.23127

-1.04559

1.62556

0.33763

1.50112

-0.14702

0.84871

2.687415

-0.05753

-1.55291

0.228893

0.4736

2.028985

-0.33886

-0.50839

-0.02232

-1.59624

-0.56573

0.732407

-0.33975

-0.17135

-0.41082

-0.03227

Sumber : Hasil pengolahan Ms. Excel, 2016

Pada setiap faktor, tentukan nilai maksimal, nilai minimal, skala rentang

dengan rumus (nilai max-nilai min)/3 , batas atas dan batas bawah
Tabel 2.4 Penentuan Nilai Max, Min, Rentang, Batas Atas dan Batas Bawah
Faktor 1

nilai max (x)

4.43929

nilai min (y)

-0.56573

(nilai max -nilai min)/3 (a)

1.66834

batas atas (z)

2.77095

batas bawah (q)

1.10261

Faktor 2

nilai max (x)

2.028985

nilai min (y)

-1.55291

(nilai max -nilai min)/3 (a)

1.193965

17

batas atas (z)

0.83502

batas bawah (q)

-0.358945

Faktor 3

nilai max (x)

2.687415

nilai min (y)

-1.59624

(nilai max-nilai min)/3 (a)

1.427885

batas atas (z)

1.25953

batas bawah (q)

-0.168355

Sumber : Hasil Pegolahan Ms. Excel, 2016

Tentukan peringkat cluster berdasarkan nilai dari setiap faktor dengan

mempertimbangkan skala rentang T, S, R atau dengan kata lain mengubah
data intervalrasio ke dalam nominal, Untuk menentukan peringkatnya,
maka digukan ukuran:
Tinggi

: faktor score batas tinggi

Sedang : batas rendah < faktor score < batas tinggi

Rendah : faktor score batas rendah
Tabel 2.5 Kedudukan Cluster
Cluster

Faktor
1

Sumber : Hasil Pegolahan Ms. Excel, 2016

18

Untuk memudahkan penentuan infrastruktur berdasarkan hirarkinya maka

tabel disederhanakan menjadi seperti di bawah ini
Tabel 2.6 Penentuan Cluster berdasarkan Hirarkinya
Tinggi

Cluster

Sedang

Rendah

Sumber : Hasil Pegolahan Ms. Excel, 2016

Urutan faktor serta cluster ini kemudian diubah sedemikian rupa sehingga
pada saat membuat skalogram diperoleh nilai error terkecil, lalu hitung
skor cluster dengan aturan tinggi 3 point, sedang 2 point dan rendah 1
point.

19

Tabel 2.7 Pengurutan Cluster

Bobot
Cluster

Tinggi

Sedang

Rendah

Sumber : Hasil Pengolahan Ms. Excel, 2016

Hitung standar error dengan rumus

R = Noktah (dalam skalogram) x 100%

noktah total

Score

20

BAB III
INPUT DAN ANALISIS DATA

Pada bab ini akan dijelaskan mengenai variabel-variabel yang diuji, analisis
output data dan interpretasinya terhadap bidang perencanaan wilayah dan kota.

3.1. Input Data

Data-data penelitian diperoleh dari data sekunder yang bersumber
dari Kabupaten Tangerang Dalam Angka Tahun 2013 yang telah dianalisis
menggunakan metoda analisis faktor sehingga didapat factor score dari tiap
objek. Data tersebut ditampilkan dalam bentuk tabel input berisi variabelvariabel yang dianalisis menggunakan aplikasi SPSS. Data tabel input yang
akan dianalisis yaitu:

Tabel 3.1 Factor Score

No.

Nama

FAKTOR

FAKTOR

FAKTOR

Kecamatan

Balaraja -0.29006
0.07481

2.20972

Jayanti 0.21914
-1.64804

0.36427

Tigaraksa -0.14702
0.84871

3.16511

Jambe -0.37231
-1.84161

-0.09286

Cisoka -0.21143
0.26698

0.37304

Kresek -0.3301
0.4333

-0.91822

Kronjo -0.76057
0.73078

-0.90386

21

No.

Nama

FAKTOR

FAKTOR

FAKTOR

Kecamatan

Mauk -0.73005
0.19458

0.09661

Kemiri -0.42228
-1.78837

0.48858

10

Sukadiri -0.14221
-0.76291

-0.47548

11

Rajeg -0.07645
2.47966

-0.46421

12

Pasar Kemis 1.62556

0.33763

1.50112

13

Teluknaga -0.23028
1.15638

0.29311

14

Kosambi 0.34533
-0.9336

0.15558

15

Paku Haji -0.66589

1.40312

-0.74587

16

Sepatan -0.1059
-0.08725

0.34137

17

Curug 0.48261
0.36644

0.44104

18

Cikupa 1.02365
1.57831

-0.21351

19

Panongan 0.17419
-0.26106

-0.20699

20

Legok -0.42518
0.43181

0.00147

21

Pagedangan -0.81803
0.77688

-0.20151

22

Cisauk -0.51417
-0.62335

0.06623

23

Sukamulya -0.46116
-0.10526

-1.79031

24

Kelapa Dua 4.43929

-0.23127

-1.04559

25

Sindang Jaya -0.24729

-0.42119

-0.8653

26

Sepatan Timur -0.41772

-0.89577

-0.2798

22

Nama

FAKTOR

FAKTOR

FAKTOR

Kecamatan

No.

27

Solear -0.14545
-0.79246

0.1144

28

Gunung Kaler -0.2406

-0.74786

-0.00596

29

Mekar Baru -0.55562

0.06062

-1.40217

Sumber : Hasil Pengolahan SPSS,2016

3.2. Ouput Data
Pada bagian ini akan dijelaskan output data menggunakan analisis
cluster, multidimensional scaling dan skalogram pada aplikasi SPSS dan
microsoft Excel
3.2.1 Analisis Cluster
Tabel 3.2 Case Processing Summarya
Case Processing Summarya
Cases
Valid
N

Missing

Percent
29

100%

Total

Percent
0

.0%

Percent
0

100.0%

Sumber : Hasil Pengolahan SPSS,2016

Tabel diatas menunjukkan mengenai validasi data dan berapa
banyak data yang hilang. Dari analisis ini data 100% valid dengan
jumlah data sebanyak 29 dan tidak ada data yang hilang.

23

Tabel 3.3 Proximities Matrix

Sumber : Hasil Pengolahan SPSS,2016

Tabel di atas menjelaskan mengenai kesamaan antara tiap objek.
Kesamaan tiap objek ditunjukkan melalui jarak antar objek yang berupa
angka-angka. Jarak antar objek ini diukur berdasarkan ukuran jarak
Squared Euclidean. Semakin kecil angka yang ditunjukan,maka kedua
objek tersebut semakin mirip.

Tabel 3.4 Agglomeration Schedule

Agglomeration Schedule
Stage

Cluster Combined

Stage Cluster First Appears

Cluster 1 Cluster 2 Coefficients

dimension0

Cluster 1

Cluster 2

Next Stage

27

28

.026

10

26

.132

10

16

.138

11

24

Agglomeration Schedule
4

20

.158

22

27

.167

10

23

29

.187

23

.274

14

.343

17

21

.436

16

10

10

22

.451

15

11

17

.562

21

12

14

.570

17

13

19

25

.637

15

14

15

1.083

20

15

10

19

1.108

10

13

21

16

13

1.213

20

17

1.431

12

26

18

1.532

24

19

11

18

2.085

25

20

2.174

14

16

22

21

10

2.923

11

15

22

22

5.831

21

20

23

23

23

6.092

22

25

24

12

6.172

18

26

25

11

11.544

23

19

27

26

17.903

24

17

27

27

25.565

26

25

28

28

24

39.931

27

Sumber : Hasil Pengolahan SPSS,2016

Tabel Agglomeration Schedule di atas menunjukan jumlah cluster yang
optimal untuk dibentuk. Hal ini dapat diketahui dengan melihat baris pertama di
kolom stage. Berdasarkan baris pertama kolom stage yang kemudian dilanjutkan ke

25

kolom stage selanjutnya hingga nilai di kolom stage bernilai 0, didapat bahwa
jumlah cluster optimal untuk dibentuk sebanyak 10 cluster.
Tabel 3.5 Vertical Icicle

Sumber : Hasil Pengolahan SPSS,2016

Dari tabel ini dapat digunakan untuk membuat cluster dari objek
yang ada. Caranya tergantung pada berapa banyak cluster yang diinginkan.
Batas dari cluster diketahui bila ada bagian yang hilang atau terpisah.
Misalnya contoh di atas ingin membuat 5 cluster dari objek yang ada.
Berdasarkan garis yang telah dibentangkan, maka di dapat jumlah
clusternya, yaitu :

Cluster 1 : Kelapa Dua

Cluster 2 : Cikupa dan Rajeg

26

Cluster 3 : Mekar Baru, Sukamulya, Teluknaga, Pagedangan,

Legok, Mauk, Paku Haji, Kronjo, Kresek, Sindang Jaya, Panongan,
Gunung Kaler, Solera, Cisauk, Sepatan Timur, Sukadiri, Curug,
Sepatan, dan Cisoka

Cluster 4 : Kemiri, Jambe, Kosambi, dan Jayanti

Cluster 5 : Pasar Kemis, Tigaraksa, dan Balaraja.

Gambar 3.1 Dendogram

Sumber : Hasil Pengolahan SPSS,2016

27

Diagram Dendogram ini digunakan untuk membuat cluster dari objek

yang ada. Caranya tergantung pada berapa banyak cluster yang diinginkan
dengan cara memotong garis sesuai jumlah garis cluster yang ada.
Contohnya membuat 8 cluster, yaitu :
Cluster 1 : Kelapa Dua
Cluster 2 : Pasir Kemis
Cluster 3 : Balaraja, dan Tigaraksa
Cluster 4 : Kosambi, Jayanti, Kemiri, dan Jambe
Cluster 5 : Cikupa,dan Rajeg
Cluster 6 : Mekar Baru, dan Sukamulya
Cluster 7 : Teluknaga, Pagedangan, Legok, Mauk,Paku Haji, Kronjo , dan
Kresek
Cluster 8 : Cisoka, Sepatan, Curug, Sindang jaya, Sepatan Timur,
sukadoro, Cisauk, Gunung Kaler, dan Solear.
3.2.2 Analisis Skalogram
Dalam analisis skalogram ini, ditentukan bahwa cluster dibentuk
menjadi 8 cluster berdasarkan hasil output grafik dendogram dari hasil
analisis cluster.
Tabel 3.6 Cluster Objek
Cluster
1

No.
24

Kecamatan

FS 1

Kelapa Dua
Rata-rata

12

Pasir Kemis
Rata-rata

FS 2

FS 3

4.43929

-0.23127

-1.04559

4.43929

-0.23127

-1.04559

1.62556

0.33763

1.50112

1.62556

0.33763

1.50112

Balaraja

-0.29006

0.07481

2.20972

Tigaraksa

-0.14702

0.84871

3.16511

28

Cluster

No.

Kecamatan

FS 1

Rata-rata
4

0.15558

Jayanti

0.21914

-1.64804

0.36427

Kemiri

-0.42228

-1.78837

0.48858

Jambe

-0.37231

-1.84161

-0.09286

-0.05753

-1.55291

0.228893

18

Cikupa

1.02365

1.57831

-0.21351

11

Rajeg

-0.07645

2.47966

-0.46421

0.4736

2.028985

-0.33886

23

Sukamulya

-0.46116

-0.10526

-1.79031

29

Mekar Baru

-0.55562

0.06062

-1.40217

-0.50839

-0.02232

-1.59624

13

Teluknaga

-0.23028

1.15638

0.29311

21

Pagedangan

-0.81803

0.77688

-0.20151

20

Legok

-0.42518

0.43181

0.00147

Mauk

-0.73005

0.19458

0.09661

Paku Haji

-0.66589

1.40312

-0.74587

Kronjo

-0.76057

0.73078

-0.90386

Kresek

-0.3301

0.4333

-0.91822

-0.56573

0.732407

-0.33975

-0.21143

0.26698

0.37304

Rata-rata

2.687415

-0.9336

15

0.84871

0.34533

Rata-rata
7

-0.14702

Kosambi

Rata-rata
6

FS 3

14

Rata-rata
5

FS 2

Cisoka

29

Cluster

No.

Kecamatan

FS 1

FS 2

FS 3

16

Sepatan

-0.1059

-0.08725

0.34137

17

Curug

0.48261

0.36644

0.44104

25

Sindang Jaya

-0.24729

-0.42119

-0.8653

26

Sepatan

-0.41772

-0.89577

-0.2798

Timur
10

Sukadoro

-0.14221

-0.76291

-0.47548

22

Cisauk

-0.51417

-0.62335

0.06623

28

Gunung Kaler

-0.2406

-0.74786

-0.00596

27

Soler

-0.14545

-0.79246

0.1144

-0.17135

-0.41082

-0.03227

Rata-rata

Sumber : Hasil Pengolahan Ms. Excel,2016

Tabel di atas memperlihatkan kelompok objek beserta nilai tiap
faktor yang masuk kedalam tiap cluster. Dari hasil ouput analisis cluster
ditentukan 8 cluster yang akan di analisis. Tiap kelompok cluster dihitung
rata-rata nilai factor score tiap faktornya.

Tabel 3.7 Rata-Rata Tiap Cluster

FAKTOR
Cluster
1

4.43929

-0.23127

-1.04559

1.62556

0.33763

1.50112

-0.14702

0.84871

2.687415

30

FAKTOR
Cluster
1

-0.05753

-1.55291

0.228893

0.4736

2.028985

-0.33886

-0.50839

-0.02232

-1.59624

-0.56573

0.732407

-0.33975

-0.17135

-0.41082

-0.03227

Sumber : Hasil Pengolahan Ms. Excel,2016

Setelah didapat hasil rata-rata factor score tiap cluster, kemudian

dimasukan kedalam tabel seperti diatas agar mudah dianalis lebih lanjut sesuai
dengan kelompok tiap faktornya.

Faktor 1
Nilai Max (x)

4.43929

Nilai Min (y)

-0.56573

(Nilai Max -Nilai Min)/3 (a)

1.66834

Batas atas (z)

2.77095

Batas bawah (q)

1.10261

Kriteria :

Tinggi : 2,77095

4,43929

Sedang : 1,10261

2,36749

Rendah :

1,10261

31

Faktor 2

Nilai
Max (x)

2.028985

Nilai Min (y)

-1.55291

(Nilai Max -Nilai Min)/3 (a)

1.193965

Batas atas (z)

0.83502

Batas bawah (q)

-0.35895

Kriteria :

Tinggi : 0,83502

2,028985

Sedang : -0,35895

0,83502

Rendah :

-0,35895

Faktor 3
Nilai Max (x)

2.687415

Nilai Min (y)

-1.59624

(Nilai Max-Nilai Min)/3 (a)

1.427885

Batas atas (z)

1.25953

Batas bawah (q)

-0.16836

Kriteria :

Tinggi : 1,25953

Sedang : -0,16836

Rendah :

2,687415
1,25953

-0,16836

32

Tabel 3.8 Tingkatan Nilai Cluster Tiap Faktor

Faktor
Cluster
1

Sumber : Hasil Pengolahan Ms. Excel,2016

Berdasarkan hasil analisis nilai factor score tiap cluster, didapat
tingkatan nilai masing-masing faktor mulai dari Rendah, Sedang, dan Tinggi. Hal
tersebut dapat dilihat dari tabel diatas, dimana tiap faktor dalam cluster telah
memiliki tingkatan nilai.

33

Tabel 3.9 Matriks Cluster Dengan Peringkat Faktor

Tinggi

Sedang

Rendah

Cluster
1

Sumber : Hasil Pengolahan Ms. Excel,2016

Untuk memudahkan dalam penentuan pusat pelayanan berdasarkan
hirarkinya maka tabel 3.8 disederhanakan lagi menjadi tabel di atas ini.
Yaitu dengan cara membuat data matriks antara objek-objek dengan
peringkat faktor penilainya.

34

Tabel 3.10 Skalogram

Bobot

Sedang

Rendah

Tinggi

Cluster

Score

Sumber : Hasil Pengolahan Ms. Excel,2016

Tabel ini menunjukan urutan skalogram dengan nilai error terkecil dari
urutan skalogram yang mungkin ada. Penukaran tiap objek-objek dan faktorfaktor yang sedemikan rupa sehingga membentuk tangga telah memenuhi
prinsip konsistensi. Untuk mengetahui standar error , maka dapat dihitung
dengan rumus :
R = Noktah (dalam skalogram) x 100%
noktah total
R = 17 x 100% = 70,83%
24
Error = 100% - 70,83%
= 29,17 %

35

Kemudian tiap cluster diberikan skor masing-masing sesuai dengan posisi

kotak objek dimana kolom tersebut digunakan untuk menentukan daerah
pusat pelayanan berdasarkan hirarkinya.

3.3 Interpretasi Terhadap Bidang Perencanaan Wilayah dan Kota

Pembangunan

infrastruktur

merupakan

suatu

strategi

dalam

penyedian sarana yang utama dan katalis bagi pembangunan. Ketersediaan

infrastruktur dapat meningkatkan akses masyarakat terhadap sumberdaya
sehingga dapat meningkatkan produktifitas dan efisien yang pada akhirnya
dapat meningkatkan pertumbuhan ekonomi. Hampir dalam semua aktifitas
masyarakat dan pemerintah, keberadaan infrastruktur merupakan satu
kesatuan yang tidak dapat dipisahkan dan sudah menjadi kebutuhan dasar. Hal
ini pun dirasakan diseluruh daerah seperti di Kabupaten Tangerang.
Kabupaten Tangerang memiliki berbagai infrastruktur yang mendukung
berbagai

kegiatan

dan

aspek

didaerahnya.

Namun

seiring

dengan

bertambahnya populasi penduduk di daerah tersebut mengakibatkan tidak

tercukupinya infrastruktur yang ada untuk menunjang kehidupan masyarakat
yang

pada

akhirnya

berimbas

pada

ketidakmerataan

pembangunan

infrastruktur. Bukan hanya Kabupaten Tangerang, bahkan setiap daerah di

Indonesia memiliki permasalahan yang sama mengenai ketidakmerataan
pembangunan infrastruktur. Padahal infrastruktur merupakan hal yang penting
dan mendasar demi tercapainya tujuan-tujuan daerah yaitu mensejahterakan
masyarakat dan daerahnya. Untuk dapat mengindentifikasi suatu wilayah
digunakanlah perhitungan metode analisis cluster yang berfungsi untuk
memudahkan melihat bagaimana kemiripan dan persamaan antardaerah dan
pembentukan cluster dari tiap daerah. Berdasarkan hasil analisis didapat 8
cluster daerah berdasarkan kemiripan dan persamaan dari segi infrastruktur
yang ada di daerah tersebut. Adapun cluster yang telah terbentuk, yaitu
cluster 1 : Kelapa Dua, cluster 2 : Pasir Kemis, cluster 3 : Balaraja, dan
Tigaraksa, cluster 4 :
Cikupa,dan

Kosambi, Jayanti, Kemiri, dan

Jambe, cluster 5 :

Rajeg, cluster 6 : Mekar Baru, dan Sukamulya, cluster 7 :

36

Teluknaga, Pagedangan, Legok, Mauk,Paku Haji, Kronjo , dan Kresek, dan

cluster 8 : Cisoka, Sepatan, Curug, Sindang jaya, Sepatan Timur, Sukadoro,
Cisauk, Gunung Kaler, dan Solear. Adanya cluster ini memudahkan pemerintah
atau pengambil kebijakan dalam mengambil keputusan dan membuat
program-program pemerintah yang bersifat lebih solutif kedepannya. Sebagai
contoh

jika

pemerintah

ingin

mengadakan

perbaikan

infrasruktur

di

Kecamatan Kosambi maka ketiga kecamatan seperti Jayanti, Kemiri, dan

Jambe harus perlu dilakukan perbaikan infrastruktur, sebab keempat daerah
tersebut memiliki kemiripan atau kesamaan data dari segi infrastruktur. Jadi
jika salah satu infrastruktur di Kecamatan Jayanti rusak, maka ketiga
kecamatan tersebut juga memiliki kerusakan yang sama pada infrastruktur
tersebut. Hal itu berlaku juga untuk semua objek-objek yang berada dalam
satu cluster yang lain.
Setelah didapat cluster tiap masing-masing objek, analisis lebih lanjut
melakukan analisis skalogram yang tujuannya untuk menentukan peringkat
suatu objek tertentu. Dari hasil analisis tersebut didapat informasi bahwa
dalam tiap faktor yang terdapat dalam tiap cluster memiliki tingkatan nilai
yang berbeda dan bervariasi, seperti cluster 1 : F1=Tinggi, F2=Sedang, dan
F3=Rendah ; cluster 2 : F1=Sedang, F2=Sedang dan F3=Tinggi, cluster 3 :
F1=Rendah, F2=Tinggi dan F3=Tinggi ; cluster 4 : F1=Rendah, F2=Rendah dan
F3=Sedang ; cluster 5 : F1=Rendah, F2=Tinggi dan F3=Rendah ; cluster 6 :
F1=Rendah, F2=Sedang dan F3=Rendah ; cluster 7 : F1=Rendah, F2=Sedang
dan F3=Rendah ; dan cluster 8 : F1=Rendah, F2=Rendah dan F3=Sedang. Dari
adanya data tingkatan nilai faktor dari tiap cluster, didapat informasi
mengenai keadaan suatu daerah. Misalnya daerah cluster 2:Pasir Kemis
memiliki tingkatan nilai sedang di faktor 1 dan 2, dan nilai tinggi di faktor 3.
Hal ini menandakan bahwa di Kecamatan Pasir Kemis infrastruktur yang
membangun daerahnya telah tersedia dengan baik. Jika pemerintah ingin
memajukan Kecamatan Pasir Kemis yang dapat dilakukan adalah memperbaiki
infastruktur di faktor 1 dan faktor 2

atau dapat juga dengan memelihara

infrastruktur agar tetap baik di faktor 3. Hal ini juga berlaku untuk semua
cluster sesuai dengan tingkatan nilainya.

37

Dalam analisis ini juga didapat gambar skalogram yang berfungsi untuk
menentukan daerah pusat pelayanan berdasarkan hirarkinya. Dari hasil analisis
didapat bahwa urutan pusat pelayanannya yaitu, (1) cluster 1 dengan score 9,
(2) cluster 5 dengan score 8, (3) cluster 3 dengan score 8, (4) cluster 2
dengan score 7, (5) cluster 6 dengan score 5, (6) cluster 7 dengan score 5, (7)
cluster 4 dengan score 4,(8) cluster 8 dengan score 4. Adanya urutan dari tiap
cluster ini memudahkan untuk mengidentifikasi daerah pusat pelayanan dari
tiap cluster artinya cluster yang memiliki skor tertinggi merupakan daerah
pusat pelayanan dari keseluruhan cluster yang dalam hal ini adalah cluster 1 :
Kelapa Dua dengan nilai error skalogram sebesar 29,17% artinya hanya 70,83%
data yang dapat dijelaskan dari skalogram.

Jadi dengan adanya analisis cluster dan analisis skalogram ini

memudahkan pengambil kebijakan atau pemerintah dalam melakukan analisis
kondisi suatu daerah sehingga penanganan baik dan benar dapat dilakukan
agar dapat mensejahterakan daerah tersebut yang tepat sasaran, efektif dan
efisien.

38

BAB IV
KESIMPULAN DAN SARAN
Pada bab ini akan dijelaskan mengenai kesimpulan dan saran dari hasil
penelitian yang dilakukan.
4.1 KESIMPULAN
Berdasarkan hasil analisis dari data-data yang diperoleh,
didapatkan 2 simpulan yaitu :

Adapun

jumlah

cluster

yang

terbentuk

berdasarkan

grafik

dendogram adalah 8 cluster yang anggota tiap cluster terdiri dari

cluster 1 : Kelapa Dua, cluster 2 : Pasir Kemis, cluster 3 :

Balaraja, dan Tigaraksa, cluster 4 : Kosambi, Jayanti, Kemiri,
dan Jambe, cluster 5 : Cikupa,dan Rajeg, cluster 6 : Mekar
Baru, dan Sukamulya, cluster 7 : Teluknaga, Pagedangan,
Legok, Mauk,Paku Haji, Kronjo , dan Kresek, dan cluster 8 :
Cisoka,

Sepatan,

Curug,

Sindang

jaya,

Sepatan

Timur,

Sukadoro, Cisauk, Gunung Kaler, dan Solear.

Adapun nilai factor score dari 8 cluster yang terbentuk adalah

cluster 1 dengan score 9, cluster 2 dengan score 7, cluster 3

dengan score 8, cluster 4 dengan score 4, cluster 5 dengan
score 8, cluster 6 dengan score 5, cluster 7 dengan score 5,
cluster 8 dengan score 4.

Berdasarkan analisis skalogram diketahui tingkatan/kedudukan

cluster berdasarkan faktor yang terbentuk di Kabupaten

Tangerang adalah (1) cluster 1 dengan score 9, (2) cluster 5
dengan score 8, (3) cluster 3 dengan score 8, (4) cluster 2
dengan score 7, (5) cluster 6 dengan score 5, (6) cluster 7

39

dengan score 5, (7) cluster 4 dengan score 4,(8) cluster 8

dengan score 4.
4.2 SARAN
4.2.1 SARAN STUDI
Dengan dilakukan pengelompokan tiap objek yang
memiliki kemiripan/kesamaan maka hal ini akan sangat
mempermudah dalam melakukan analisis situasi dan kondisi
suatu daerah apakah memiliki keterkaitan atau kesamaan tiap
daerah. Selain itu adanya metode analisis skalogram dapat
memberikan informasi penting mengenai tingkatan penilaian
infrastruktur tiap cluster yaitu rendah, sedang, tinggi. Hal ini
tentunya

memberikan

gambaran

yang

jelas

mengenai

pemerintah dalam mengambil kebijakan demi terciptanya

kesejahteraan yang hal ini mengenai infrastruktur tiap daerah.
Jika pemerintah ingin memperbaiki infrastruktur suatu daerah
dapat dimulai dengan daerah yang memiliki infrastruktur
dengan tingkat pelayanan rendah. Namun jika pemerintah
ingin mengembangkan infrastruktur agar lebih baik dapat
dicapai dengan daerah yang memiliki pelayanan infastruktur
tinggi.
4.2.2 SARAN PRAKTIKUM
Sebaiknya

asisten

dapat

memberikan

contoh

pembuatan laporan praktikum karena mengingat praktikum ini

cukup panjang dan berhubungan dengan metode analisis faktor
sehingga

membingungkan

peserta

menganalisis metode yang digunakan.

40

praktikum

dalam