Dibuat Oleh :
GEMILAU MARSIKHA (22116042)
Dosen Pembimbing :
HELMIA ADITA FITRA, S.T., M.T.
ASIRIN, S.T.,M.T.
Dr. DEWI SAWITRI
HUSNA TIARA PUTRI, S.T.,M.T.
YUDHA RAHMAN, S.T,M.T.
MUHAMMAD ZAINAL IBAD, S.T.,M.T.
BAB III
Tabel 3. 1 Case Processing Summary .................................................. 20
Tabel 3. 2 Agglomeration Schedule .................................................... 20
Tabel 3. 3 Nilai Factor Scor Setiap Kecamatan ...................................... 24
Tabel 3. 4 Rata Rata Factor Score berdasarkan Cluster ............................ 26
Tabel 3. 5 Factor Score setiap Cluster ................................................ 27
Tabel 3. 6 Skor Komponen .............................................................. 28
Tabel 3. 7 Ketentuan Rentang Tiap Kelas ............................................ 28
Tabel 3. 8 Skalogram .................................................................... 29
Tabel 3. 9 Skalogram Berdasarkan Tingkatan Kelas ................................. 29
Tabel 3. 10 Literasi Skalogram 1 ....................................................... 30
Tabel 3. 11 Literasi Skalogram 2 ....................................................... 31
BAB I
Gambar 1. 1 Wilayah Studi (Kabupaten Bekasi) ...................................... 3
BAB II
Gambar 2. 1 Langkah 1 Analisis Cluster ............................................... 13
Gambar 2. 2 Hasil dari Langkah 1 ...................................................... 13
Gambar 2. 3 Langkah 2 Analisis Cluster ............................................... 14
Gambar 2. 4 Langkah 3 Analisis Cluster ............................................... 14
Gambar 2. 5 Langkah 4 Analisis Cluster .............................................. 14
Gambar 2. 6 Langkah 5 Analisis Cluster .............................................. 15
Gambar 2. 7 Langkah 6 Analisis Cluster ............................................... 15
Gambar 2. 8 Langkah 7 Analisis Cluster .............................................. 16
Gambar 2. 9 Langkah 1 Analisis Skalogram ........................................... 16
Gambar 2. 10 Langkah 2 Analisis Skalogram.......................................... 17
Gambar 2. 11 Langkah 3 Analisis Skalogram.......................................... 17
Gambar 2. 12 Langkah 5 Analisis Skalogram.......................................... 17
Gambar 2. 13 Langkah 6 Analisis Skalogram.......................................... 18
BAB III
Gambar 3. 1 Vertical Icicle ............................................................. 22
Gambar 3. 2 Dendogram ................................................................ 23
Untuk memperjelas masalah yang akan dibahas dan agar tidak terjadi
pembahasan yang meluas atau menyimpang pada penulisan penelitian ini,
penulis membatasi masalah berdasarkan wilayah yang akan menjadi tempat
penelitian, materi penelitian, dan juga wkatu yang dibutuhkan dalah
pengerjaan penelitian ini.
Materi yang digunakan pada penelitian ini terkait dengan jumlah atau
ketersedian Infrastruktur Sosial yang telah terbangun di Kabupaten Bekasi
berdarkan Kecamatan yang ada. Variabel yang digunakan dalam menganalisis
berjumlah 16 variabel dengan yang terdiri dari fasilitas pendidikan (jumlah SD,
SMP, SMA, dan SMK), fasilitas kesehatan (jumlah puskesmas, klinik kesehatan,
dan rumah sakit), fasilitas perdagangan (jumlah warung klontong, mini market,
dan pasar), fasilitas peribadahan (jumlah masjid, gereja, dan vihara), dan
fasilitas sarana akomodasi (jumlah hotel dan bank).
Sumber : http://peta-kota.blogspot.co.id/2011/08/peta-kabupaten-
bekasi.html
Waktu yang dibutuhkan dalam penelitian ini selama 1 minggu, dari tanggal 4
Mei 2018 sampai dengan 11 Mei 2018, dengan penjabaran pengerjaan sebagai
berikut :
Pada Bab II (Dasar Teori) akan disajikan penjelasan umum dan aspek-
aspek yang akan dikaji dengan menggunakan berbagai literature sebagai
sumbernya berupa teori analisis mengenai substansi penelitian (teori
kesejahteraan), teori analisis faktor yang digunakan mengenai metode analisis
Bab III (Input dan Analisis Data) akan menjabarkan dan menganalisis
masalah-masalah yang telah dirumuskan mengenai tabel input data yang berisi
variabel-variabel yang akan diuji. Setelah itu bagaimana analisis data tersebut,
analisis output data berupa penginterpretasian dan penganalisisan data setelah
data tersebut diolah menggunakan SPSS, dan interpretasi hasil analisis tersebut
terhadap bidang Perencanaan Wilayah dan Kota.
Pada Bab ini akan menjelaskan dasar-dasar teori yang akan digunakan
untuk analisis penelitian ini, serta merupakan acuan dasar yang berupa litelatur
yang terkait dengan pembahasan yang akan di bahas.
2.1 Infarstruktur
Fasilitas Pendidikan
Fasilitas Kesehatan
Fasilitas Perdagangan
Fasilitas Peribadahan
Proses dari Analisis Cluster sendiri yaitu berasal dari data mentah yang
diubah ke Matrix Similarity kemudian dirumuskan formasi kelompok dengan
prinsip variasi dalam kelompok lebih kecil daripada variasi antar kelompok
seperti pada bagan berikut.
1. Metode Hierarki
Memulai pengelompokan dengan dua atau lebih obyek yang mempunyai
kesamaan paling dekat. Kemudian diteruskan pada obyek yang lain dan
seterusnya hingga cluster akan membentuk semacam ‘pohon’ dimana terdapat
tingkatan (hirarki) yang jelas antar obyek, dari yang paling mirip hingga yang
paling tidak mirip. Alat yang membantu untuk memperjelas proses hirarki ini
disebut “dendogram”. Metode hierarki terbagi menjadi dua bagian, yaitu :
A. Agglomerative (Pemusatan)
Dalam metode agglomerative, setiap obyek atau observasi dianggap
sebagai sebuah cluster tersendiri. Dalam tahap selanjutnya, dua cluster yang
mempunyai kemiripan digabungkan menjadi sebuah cluster baru demikian
seterusnya. Dalam agglomerative ada lima metode yang cukup terkenal, yaitu
Single Linkage, Complete Linkage, Average Linkage, Ward’s Method, Centroid
Method.
Single Linkage, prosedur ini didasarkan pada jarak terkecil. Jika dua
obyek terpisah oleh jarak yang pendek maka kedua obyek tersebut akan
digabung menjadi satu cluster daan demikian saterusnya.
Complete Linkage, berlawanan dengan Single Linkage prosedur ini
pengelompokkannya berdasarkan jarak terjauh.
Average Linkage, prosedure ini hampir sama dengan Single
Linkage maupun Complete Linkage, namun kriteria yang digunakan
adalah rata-rata jarak seluruh individu dalam suatu cluster dengan jarak
seluruh individu dalam cluster yang lain.
Ward’s Method, jarak antara dua cluster dalam metode ini berdasarkan
total sum of square dua cluster pada masing-masing variabel.
B. Divisive
Metode divisive berawal dari seluruh obyek berada dalam satu kelompok
yang sama. Selanjutnya, obyek atau observasi yang paling tinggi nilai
ketidakmiripannya di pisahkan demikian seterusnya. Kemudian masing-masing
obyek menjadi satu kelompok-kelompok yang saling terpisah .
2. Metode Non-Hierarki
Dimulai dengan menentukan terlebih dahulu jumlah cluster yang
diinginkan (dua, tiga, atau yang lain). Setelah jumlah cluster ditentukan, maka
proses cluster dilakukan dengan tanpa mengikuti proses hirarki. Metode ini
biasa disebut “K-Means Cluster”.Tahapan metode pengelompokan K-Means
antara lain:
Menentukan kelompok awal berdasarkan perkiraan
Membuat tabel karakteristik setiap kelompok berdasarkan rata-rata
setiap variabel pada setiap kelompok
Menghitung jarak antara individu dengan kelompok individu tersebut
berada
frekuensi − kesalahan
COR = x 100%
frekuensi
0 . . 0
0 . . 0
E ee' . . . . .
. . . . .
0 0 . .
Cove, f ' 0
Langkah 1 : Standardisasi/Transformasi
Langkah ini untuk menentukan factor score atau banyaknya faktor yang
terbentuk dengan langkah-langkah sebagai berikut :
Setelah seluruh data telah di input pada SPSS, maka selanjutnya klik
Analyze>Dimension Reduction>Factor >scores > ceklis Save as variables
> pada Method klik Regression >Continue >OK.
Kemudian pada kolom variables(s) masukkan hasil dari factor scores tadi
> pada Labels Cases by masukkan data Nama Kecamatan > kemudian klik
Statistics
Gambar 2. 4 Langkah 3 Analisis Cluster
Kembali ke menu utama analisis Cluster lalu klik “ OK”, SPSS akan
mengelola data yang telah diinput dengan methode yang dipilih
2. Tentukan apakah nilai tersebut masuk kedalam skala tinggi, sedang atau
rendah
Gambar 2. 12 Langkah 5 Analisis Skalogram
Pada Bab ini akan menjabarkan tentang data yang di input di SPSS dan
Microsoft Excel, data Output yang berasal dari SPSS dan juga hasil analisis
dengan menggunakan Microsoft Excel, serta hasil dari analisis output akan
menjadi bahan untuk interpretasi terhadap bidang Perencanaan Wilayah dan
Kota.
Data yang akan dinput ialah data sekunder yang diproleh dari data
Publikasi BPS Kabupaten Bekasi. Data yang akan digunakan dalam penelitian ini
berupa variable variable yang berkaitan dengan ketersedian infrastruktur sosial
yang ada di Kabupaten Bekasi guna meningkatkan kegiataan ekonomi dan
sosial. Variable yang digunakan sebanyak 16 variable dengan 23 obyek
(Kecamatan). (Data Terlampir)
Setelah data di input di SPSS dan dikelola dengan analisis Cluster Hirarki
maka diperoleh output yang digunkaan sebagai bahan untuk di analisis dalam
menentukan pengelompokan Kecamtan yang memiliki karakteristik yang hampir
sama. Setelah mengetahui berapa cluster yang terbentuk akan ditentukan
hirarki setiap cluster dengan menggunakan analisis Skalogram, berikut hasil
Output dari analisis cluster dan Skalogram:
Uji ini dilakukan dengan teknik analisis cluster yang bertujuan untuk
mengelompokkan obyek berdasarkan kesamaan karakteristik di antara obyek-
obyek tersebut juga untuk mengetahui adakah data yang hilang saat proses
analisis dimulai.
Tabel diatas menunjukan terdapat 23 data yang diproses oleh SPSS dalam
pengelolaan analisis ini dengan validitas analisis ini sebesar 100%, serta tidak
terdapat data yang hilang.
A. Korelasi Variable
Pada bagian ini akan ditampilkan tabel Proximity Matrix (data terlampir )
yaitu untuk matriks jarak antara variabel satu dengan variabel yang lain.
Semakin kecil jarak euclidean, maka semakin mirip kedua variabel tersebut
sehingga akan membentuk kelompok (cluster).
B. Clustering
Agglomeration Schedule
Cluster Combined Stage Cluster First Appears
Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 18 20 ,008 0 0 4
2 17 23 ,008 0 0 3
3 17 22 ,030 2 0 4
4 17 18 ,041 3 1 8
5 2 19 ,044 0 0 7
6 10 16 ,072 0 0 11
7 2 7 ,083 5 0 13
8 6 17 ,123 0 4 13
9 1 5 ,127 0 0 12
10 3 8 ,225 0 0 15
11 10 14 ,270 6 0 16
C. Dendogram
Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan
ditentukan berapa cluster yang bisa terbentuk dibentuk. Terbentuknya jumlah
cluster ditentukan dengan jarak karakteristik obyek dalam satu cluster.
Semakin kecil jarak maka karakteristik antar obyek hampir sama dalam satu
cluster, sedangkan jika jarak semakin jauh makan karakteristik antara obyek
dalam satu cluster tidak terlalu memiliki karakteristik yang sama tetapi masih
terdapat bebrapa karakteristik yang sama .
Gambar 3. 2 Dendogram
Analisis ini lanjutan dari analisis Cluster dan Factor, analisis yang berguna
untuk menentukan hirarki cluster yang telah terbentuk sehingga mempermudah
memberikan tingkatan pada suatua wilayah. Pertama, adalah dengan cara
membuat Tabel sebagai berikut :
Tabel 3.5 merupakan nilai factor score rata rata dari setiap tipe kecamatan,
data diatas digunakan untuk menentukan nilai maximum, nila minumum,
rentang, jarak antar batas, batas atas , dan batas bawah.
Nilai maximum adalah nilai factor score yang terbesar pada masing
masing Factor Score setiap Tipe Kecamatan
Nilai Minumum adalah nilai factor score yang terkecil pada masing
masing masing Factor Score setiap Tipe Kecamatan
Rentang adalah jarak antar nilai maximum dan minimum, dengan rumus:
𝑅𝑒𝑛𝑡𝑎𝑛𝑔 = 𝑀𝑎𝑥𝑖𝑚𝑢𝑚 − 𝑀𝑖𝑛𝑢𝑚𝑢𝑚
Jarak antar batas adalah nilai tertentu untuk menetapkan batasan antar
kelompok yang membagi menjadi tiga tingkatan yaitu Tingkatan tinggi,
tingkat sedang, dan tingkat rendah, dengan rumus:
𝑁𝑖𝑙𝑎𝑖 𝑅𝑒𝑛𝑡𝑎𝑛𝑔
𝐽𝑎𝑟𝑎𝑘 𝐴𝑛𝑡𝑎𝑟 𝐵𝑎𝑡𝑠 =
3
Batas atas adalah nilai yang menjadi pembatas antara nilai Maximum
dengan jarak antar batas, dengan rumus :
𝐵𝑎𝑡𝑎𝑠 𝐴𝑡𝑎𝑠 = 𝑁𝑖𝑙𝑎𝑖 𝑀𝑎𝑥𝑖𝑚𝑢𝑚 − 𝐽𝑎𝑟𝑎𝑘 𝐴𝑛𝑡𝑎𝑟 𝐵𝑎𝑡𝑎𝑠
Batas bawah adalah nilai yang menjadi pembatas antara nilai Minimum
dengan jarak antar batas, dengan rumus :
𝐵𝑎𝑡𝑎𝑠 𝐵𝑎𝑤𝑎ℎ = 𝑁𝑖𝑙𝑎𝑖 𝑀𝑖𝑛𝑖𝑚𝑢𝑚 + 𝐽𝑎𝑟𝑎𝑘 𝐴𝑛𝑡𝑎𝑟 𝐵𝑎𝑡𝑎𝑠
Pada sklogram ditas terdapat tingkatan kelompok setiap cluster sesuai dengan
tiap factornyanya, tingkat T berarti Tinggi dan memiliki nilai 4, tingkat S
berarti sedang dan memiliki nilai 3, dan tingkatan R berarti dia rendah memiliki
nilai 2. Penilaian setiap tingkatan digunakan untuk menentukan skala setiap
tipe kecamatan agar mengetahui hirarki pada tiap tipe kecamatan atau
clusternya.
Pada Literasi pertama ini diperoleh Standar Eror sebesar 0,37 atau 37%. Dengan
menggunakan rumus:
Dengan standar eror sebesar 37%, maka keakuratan dari penentuan hirarki
diatas hanya sebesar 63 %, sehingga penentuan hirarki setiap cluster masih
belum dikatakan akurat dikarenakan standar eror masih diatas 0,3, sehingga
dilakukan literasi skalogram lagi.
Pada literasi kedua ini tingkatan kelas dan urutan cluster tidak berurutan.
Hal tersebut dilakukan untuk mengoptimalkan titik agar berada di dalam arsiran
sehingga SE akan semakin kecil, sehingga penentuan hirarki akan lebih akurat
dan dapat di percaya. Pada literasi kedua ini Standar eror yang diproleh sebesar
0,23 atau 23% dengan keakuratan sebesar 77%, karena SE telah dibawah 0,3
sehingga penentuan tingkatan hirari tiap kluster dapat digunakan.
Pada bab ini berisi tentang kesimpulan akhir yang diproleh dari analiis
yang telah dilakukan, serta menjawab tujuan serta sasaran yang ingin dicapai.
Selain itu juga terdapat saran atau rekomendasi yang di ajukan untuk
membantu persoalan yang dibahas.
4.1 Kesimpulan
4.2 Saran
Badan Pusat Statistika Kabupaten Bekasi. 2017. Kabupaten Bekasi Dalam Angka
2017. Kabupaten Bekasi : Badan Pusat Statistika
Rumus statistik. 2015, Maret. Analisis Cluster. Diperoleh 21 Maret 2018, dari
https://www.rumusstatistik.com/2015/03/analisis-klaster-cluster-
atau-analisis.html
Supriharjo, Rimadewi. ____, Mata Kuliah Prasarana Wilayah Dan Kota Sosial
Infrastruktur, [pdf], (dari http://share.its.ac.id/pluginfile.php/565/
mod_resource/content/1/05_Fasilitas_Pendidikan_Kesehatan_Perdaga
ngan_dan_Peribadatan.pdf diaskes tanggal 8 mei 2018, pukul 13.45
WIB)