Vol.16 No.2.

Agustus 2014 Jurnal Momentum ISSN : 1693-752X

METODE CLUSTER ANALYSIS

Oleh:

Hamdeni Medriosa
Dosen Jurusan Teknik Sipil
Fakultas Teknik Sipil dan Perencanaan
Institut Teknologi Padang

Abstrak

Masalah lalu lintas di Indonesia memang sangat komplek. Mulai dari semrawutnya masalah
transportasi sampai kepada kemacetan dan polusi udara. Dari hal tersebut diatas, dapat kita tinjau berbagai
macam penyebab potensi masalah lalulintas mulai dari besarnya jumlah penduduk, panjang jalan, banyaknya
jumlah kendaraan dan Produk Domestik Regional Bruto (PDRB). Dari ke empat hal diatas akan dapat kita
ketahui mengenai study potensi penyebab masalah lalu lintas yang ada di ibukota propinsi di seluruh wilayah
Indonesia, dari tahun 1984-2004. Dari keempat hal diatas dapat juga diketahui dilevel mana suatu daerah
dalam penyebab potensi masalah lalu lintas.
Dari hasil analisa metode ‘cluster analysis’ didapati dari dendogram bahwa daerah ibukota propinsi yang
berada di level I yaitu Jakarta dan dilevel II yaitu Surabaya dan Bandung. Sementara daerah lainnya hanya
berpotensi dilevel selanjutnya.

Kata Kunci : cluster analysis, dendogram

I. PENDAHULUAN
I.1. Latar Belakang
Pada zaman sekarang ini masalah
transportasi menjadi masalah yang sangat
penting, karena disamping mengindikasikan
kemajuan suatu daerah juga sebagai tanda
apakah daerah tersebut berkembang atau tidak.
Terlebih lagi bagi negara yang sedang
berkembang. Dengan adanya era globalisasi
tidak dipungkiri bahwa transportasi merupakan
sarana penunjang untuk meningkatkan taraf
hidup dan kesejahteraan rakyat.
Karena arus globalisasi tidak bisa
dibendung di Indonesia termasuk juga dengan
salah satu propinsinya seperti Sumatera Barat,
khususnya kota Padang, karena disamping
sebagai kota pendidikan kota Padang juga
merupakan sebagai kota budaya dan kota
pariwisata.
Karena keadaan diataslah maka,
Sumatera Barat umumnya khususnya kota
Padang harus bisa memberikan pelayanan yang
memadai, khususnya di bidang transportasi dan
sarana angkutan. Karena mustahil kemajuan
suatu daerah tanpa adanya perencanaan
transportasi yang matang / tertata dengan baik
dapat menunjang majunya suatu daerah. Untuk
itulah perlunya diadakan penelitian tentang
keadaan potensi penyebab masalah lalu lintas
di Sumatera Barat dan menganalisa pada
posisi / levelnya dibandingkan dengan daerah
lain yang ada di Indonesia.
1.2. Tujuan Dan Manfaat Penelitian
Tujuan dari penelitian ini untuk
menetapkan hirarki dari potensi masalah lalu
lintas di ibukota propinsi di Indonesia.
Manfaat dari penelitian ini yaitu
sebagai pedoman dalam menentukan
kebijaksanaan perencanaan lalu lintas dengan
diperolehnya hirarki potensi masalah lalu
lintas.
1.3. Batasan Masalah
Dalam penelitian ini ruang lingkup
penelitiannya dibatasi pada:
1. Data – data untuk penelitian berasal dari
Badan Pusat Statistik (BPS)
2. Data – data yang digunakan adalah dari
tahun 1984 – 2004
3. Data-data tersebut berasal dari ibukota-
ibukota propinsi di Indonesia.
4. Analisa data menggunakan software SPSS
II. Tinjauan Pustaka
2.1. Umum
Transportasi merupakan bagian
integral dari suatu fungsi masayarakat. Ia
menunjukkan hubungan yang sangat erat
dengan gaya hidup, jangkauan dan lokasi dari
kegiatan yang produktif, dan selingan serta
barang-barang dan pelayanan yang tersedia

17
Vol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : 1693-752X

untuk di konsumsi. kasus ini berdasarkan jarak, observasi yang

Indonesia merupakan daerah yang mirip seharusnya berada dalam kelompok yang
mempunyai masalah lalu lintas yang sangat sama, dan data observasi yang jauh seharusnya
komplek. Dimana didalam pengelolaannya berada dalam kelompok yang berbeda.
selalu saja menimbulkan berbagai Pembentukan kelompok ini akan di ikuti
permasalahan, sehingga kita harus dapat dengan terjadinya pengelempokan yang
megelompokkan masalah lalu lintas Indonesia menunjukan kedekatan kesamaan antar
ini kedalam suatu organisir tertentu, yang kasus.(Ariyanto ; 2005)
diamati berdasarkan data ke dalam struktur Agar hasil analisis dapat ideal
yang penuh arti. Terutama sekali untuk sebaiknya di lakukan beberapa kali analisis
wilayah Indonesia khususnya untuk kota cluster dengan menggunakan beberapa metode
Padang. jarak cluster.(Luca Garibaldi; 2003).
Beberapa hal yang harus di perhatikan dalam
melakukan analisis cluster adalah :
2.2. Teknologi Transportasi 1. Lakukan beberapa kali analisis cluster
Walaupun terdapat banyak 2. Pastikan data yang di dapatkan adalah
keanekaragaman dari sistim transportasi dan data yang valid, baik secara validitas
alat-alat transport yang diporoduksi maupun validitas konten.
mempunyai sejumlah komponen fungsional 3. Berikan justifikasi logika pada output
yang umum, sehingga alasan itulah yang analisis cluster yang telah di keluarkan
menyebabkan adanya suatu bidang teknik SPSS, jika output yang di hasilkan
transportasi sebagai tambahan terhadap jauh dari logika, kemungkinan terjadi
berbagai bidang tertentu yang lebih khusus dan berbagai kesalahan baik pengukuran
berhubungan dengan salah satu jenis maupun sample.(Nursalim AA ; 2006).
transportasi. Beberapa komponen dasar sistim
transportasi dan cara komponennya agar terakit 2.3.2. Analisis cluster mempunyai beberapa
dan berfungsinya sistim transportasi.( Edward istilah penting, antara lain :
K Morlok ) Agglomeration schedule, ialah jadwal
yang memberikan informasi tentang objek atau
2.3. Cluster Analysis kasus yang akan di kelompokan pada setiap
2.3.1. Tujuan Umum tahap pada suatu proses analisis cluster yang
Istilah analisis gugus ( pertama yang hierarkis. Cluster Centroid, ialah titik awal di
digunakan oleh Tryon, 1939) meliputi mulainya pengelompokan di dalam cluster
sejumlah metoda berbeda untuk nonhierarki, cluster di bentuk / di bangun di
menggolongkan object sesama serupa ke sekitar titik titik atau Seeds. Cluster
dalam kategori masing-masing. Suatu Membership, ialah keanggotaan yang
pertanyaan umum yang menghadapi penelitian menunjukan cluster, untuk setiap objek/ kasus
di dalam area pemeriksaan bagaimana cara yang menjadi anggotanya.
mengorganisir diamati data ke dalam struktur Dendogram adalah output SPSS yang
penuh arti. memvisualisasikan hasil analisis cluster yang
Analisis Cluster termasuk dalam di di lakukan peneliti. Garis vertical (Y)
analisis statistik multivariate metode menunjukan cluster yang di gabung bersama,
interdependen, sebagai alat analisis posisi garis pada skala (X) menunjukan jarak
interdependen maka tujuan analisis cluster (Distance), dimana cluster di gabung,
tidak untuk menghubungkan ataupun dendogram harus di baca mulai dari kiri ke
membedakan dengan sample ataupun variable kanan.
yang lain. Analisis cluster merupakan salah Analisis cluster dilakukan dengan dua
satu alat analisis yang berguna dalam cara, yaitu Hierarki Cluster dan K Means
meringkas data atau sejumlah variabel untuk Cluster, Hierarki Cluster digunakan untuk
menjadi lebih sedikit. Dalam melakukan proses analisis data dengan sample kecil sedangkan K
meringkas data ini dapat di lakukan dengan Means Cluster di gunakan untuk analisis data
jalan mengelompokan objek- objek dengan sample yang relatif besar (>100).
berdasarkan kesamaan karakteristik tertentu di Dalam penelitian ini hanya digunakan hierarki
antara objek- objek yang hendak di teliti. cluster karena sampel yang kecil.
Pembentukan kelompok-kelompok observasi /

18
Vol.16 No.2. Agustus 2014 Jurnal Momentum
Analisis cluster juga adalah sebuah
alat untuk penelusuran (eksploring), analisis
cluster menampakan hubungan dan susunan
menurut data dengan tidak memerhatikan
alasan mengapa itu terjadi , analisis cluster
akan menunjukan hasil yang penting bagi
pengambilan keputusan. Hasil analisis cluster
dapat berguna bagi klasifikasi secara umum,
seperti hubungan / taksonomi hewan, serangga,
tumbuhan, atau makhluk lainnya, dapat juga
untuk mengindikasikan alasan untuk menandai
kasus / observasi dan mendiagnosis tujuan,
menemukan contoh / jenis untuk
mempresentasikan kelas.
Sebagai contoh, masalah kemacetan di
Indonesia kalau kita telusuri dapat disebabkan
oleh beberapa komponen seperti banyaknya
jumlah penduduk, panjang jalan, banyaknya
jumlah kendaraan dan Produk Domestik
Regional Bruto. Hal ini dijadikan landasan
dalam faktor-faktor yang mempengaruhi
masalah kemacetan,disamping lusanya suatu
daerah. Dari faktor-faktor yang komplek itulah
dijadikan analisa penyebab masalah kemacetan
yang akan kita analisa dengan menggunakan
metoda cluster analysis dengan menggunakan
software SPSS.(Nursalim AA ; 2006).
2.3.3. Area Aplikasi
Cluster analysis telah diberlakukan
bagi suatu permasalahan riset yang luas
(Hartigan 1975) menyediakan suatu ringkasan
yang sempurna banyak studi diterbitkan yang
melaporkan hasil analisa seikat. Sebagai
contoh, dalam bidang kedokteran, suatu
penyakit, cara perawatan untuk penyakit, atau
gejala penyakit dapat mendorong kearah yang
sangat bermanfaat. Dan di bidang transportasi
seperti menganalisa masalah kemacetan dan
masalah transportsai lainnya.
III. Metodologi Penelitian
Penelitian diawali dengan
mengumpulkan bahan-bahan literature berupa
teori yang dapat dijadikan landasan penelitian
dan data-data lain yang berkaitan dengan
penelitian, setelah itu barulah berusaha untuk
memahami metoda survei yang akan
digunakan selama pelaksanaan penelitian.
Dalam pengumpulan data sekunder ini
dikelompokkan dahulu kedalam sub bidang
masing-masing. Sub bidang masing-masingnya
yaitu jumlah penduduk, panjang jalan, jumlah
kendaraan dan PDRB. kemudian
19
ISSN : 1693-752X
dikelompokkan berdasarkan tahun dan
daerahnya.
Rencana kerja pada penelitian ini secara umum
ditunjukkan pada bagan alir berikut :
Parameter Pengumpulan Data
Pengolahan Data
Sekunder
Analisis Data
Pembuatan Laporan
IV. Prosedur Dan Hasil Kerja
Prosedur kerja
Pada bagian ini diuraikan mengenai
prosedur kerja dari survai yang akan dilakukan
Dimana survai yang dilakukan ini adalah
langsung mencari data sekunder yand terdapat
di BPS. Survai yang dilakukan antara lain,
survai jumlah penduduk, survai panjang jalan,
survai jumlah kendaraan dan survai PDRB.
4.1.1. Data Jumlah Penduduk
Dari pengumpulan data ini dilakukan
pencaraian jumlah penduduk di ibukota-
ibukota propinsi di Indonesiandari tahun 1984-
2004.
4.1.2. Data Panjang Jalan
Dari pengumpulan data ini dilakukan
pencarian panjang jalan yang ada di ibukota-
ibukota propinsi di Indonesia. Panjang jalan
ini didapat dari penjumlahan dari panjang jalan
negara ditambah jalan propinsi ditambah lagi
dengan jalan kabupaten dari tahun1984-2004.
4.1.3. Data Jumlah Kendaraan
Dari pengumpulan data ini dilakukan
pencarian jumlah total banyaknya kendaraan
bermotor yang ada di ibukota-ibukota propinsi
di Indonesia dari tahun 1984-2004. Dimana
jumlah kendaraan terdiri dari jumlah
kendaraan roda dua dan kendaraan mobil
penumpang,bis dan truck.
4.1.4. Data PDRB
Vol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : 1693-752X

Dari pengumpulan data ini dilakukan Wilayah studi penelitian ini meliputi
pencarian jumlah PDRB ibukota-ibukota semua daerah-daerah ibukota propinsi
propinsi di Indonesia dari tahun1984-2004. diseluruh Indonesia, yaitu:

4.2. Hasil Pengumpulan Data No. Propinsi Ibukota

4.2.1. Hasil Pengumpulan Data Ibukota- 1 Nanggroe Aceh Banda Aceh
Ibukota Propinsi Di Indonesia Darussalam
4.2.1.1. Data Jumlah Penduduk 2 Sumatera Utara Medan
Dari pengumpulan data ini diketahui 3 Sematera Barat Padang
total jumlah penduduk ibukota-ibukota 4 Riau Pekanbaru
propinsi di Indonesia dari tahun 1984-2004 5 Jambi Jambi
dapat dilihat pada lampiran. Total jumlah 6 Sumatera Selatan Palembang
penduduk ibukota – ibukota propinsi di 7 Bengkulu Bengkulu
Indonesia pada tahun 1984 yaitu berjumlah 8 Lampung Bandar Lampung
18.381.425 juta jiwa dan total jumlah 9 DKI Jakarta Jakarta
penduduk tahun 2004 yaitu sebesar 29.712.987
10 Jawa Barat Bandung
juta jiwa.
11 Jawa Tengah Semarang
12 DI Yogyakarta Yogyakarta
4.2.1.2. Data Panjang Jalan
13 Jawa Timur Surabaya
Dari pengumpulan data ini diketahui
panjang jalan ibukota-ibukota propinsi di 14 Bali Denpasar
Indonesia dari tahun 1984-2004 dapat dilihat 15 Nusa Tenggara Mataram
pada lampiran. Total jumlah panjang jalan Barat
ibukota – ibukota propinsi di Indonesia pada 16 Nusa Tenggara Kupang
tahun 1984 yaitu berjumlah 20.203 km dan Timur
total jumlah panjang jalan tahun 2004 yaitu 17 Kalimantan Barat Pontianak
44.704 km. 18 Kalimantan Palangkaraya
Tengah
4.2.1.3. Data Jumlah Kendaraan 19 Kalimantan Banjarmasin
Dari pengumpulan data ini diketahui Selatan
total jumlah kendaraan ibukota-ibukota 20 Kalimantan Samarinda
propinsi di Indonesia dari tahun 1984-2004 Timur
dapat dilihat pada lampiran. Total jumlah 21 Sulawesi Utara Manado
kendaraan ibukota – ibukota propinsi di 22 Sulawesi Tengah Palu
Indoesia pada tahun 1984 yaitu berjumlah 23 Sulawesi Selatan Makasar
2.832.752 juta dan total jumlah kendaraan 24 Sulawesi Kendari
tahun 2004 yaitu sebesar 15.183.494 juta. Tenggara
25 Maluku Ambon
4.2.1.4. Data PDRB 26 Papua Jayapura
Dari pengumpulan data ini diketahui Total Jumlah Penduduk

total PDRB ibukota-ibukota propinsi di 10.000.000,00 Aceh

Medan
Indonesia dari tahun 1984-2004 dapat dilihat 9.000.000,00
Padang
Pekanbaru

pada lampiran. Total jumlah PDRB ibukota – 8.000.000,00

Jambi
Palembang

ibukota propinsi di Indonesia pada tahun 1984 7.000.000,00

Bengkulu
B.Lampung

yaitu berjumlah Rp 105.614.321.000,- dan 6.000.000,00

Jakarta
Bandung
jumlah penduduk

total jumlah penduduk tahun 2004 yaitu 5.000.000,00

Semarang
Yogyakarta

sebesar Rp 1.252.252.000.000,-. Surabaya

Denpasar
4.000.000,00 Mataram
Kupang
3.000.000,00 Pontianak

ANALISA DAN PEMBAHASAN Palangkaraya

Banjarmasin
2.000.000,00
5.1. Gambaran Umum Samarinda
Manado
1.000.000,00
5.1.1. Gambaran umum tentang jumlah Palu
Makasar

penduduk di ibukota-ibukota propinsi di 0,00

1984 1988 1992 1996 2000 2004
Kendari
Ambon
tahun Jayapura
Indonesia dari tahun 1984-2004.
Grafik 5.1. Jumlah total penduduk Indonesia
dari tahun1984-2004

20
Vol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : 1693-752X

Jumlah Penduduk Ibukota Propinsi Ta npa DKI Jakarta Total Jumlah Kendaraan Ibukota Propinsi
Aceh
Medan
A ceh
3.500.000,00 8.000.000,00 Padang
Medan
Pekanbaru
Padang
Jambi
Pekanbaru 7.000.000,00
3.000.000,00
Palembang
Jambi
Bengkulu
Palembang
6.000.000,00 B.Lampung
Bengkulu
2.500.000,00
Jakarta
B.Lampung
Bandung
Bandung 5.000.000,00

jumlah kendaraan
Semarang
jumlah penduduk

Semarang
2.000.000,00
Yogyakarta
Y ogyakarta
4.000.000,00 Surabaya
Surabaya
Denpasar
Denpasar
1.500.000,00
Mataram
Mataram
3.000.000,00
Kupang
Kupang
Pontianak
Pontianak
1.000.000,00
2.000.000,00 Palangkaraya
Palangkaraya
Banjarmasin
Banjarmasin
Samarinda
Samarinda
500.000,00 1.000.000,00 Manado
Manado
Palu
Palu
Makasar
Makasar 0,00
0,00
Kendari 1984 1988 1992 1996 2000 2004 Kendari
1984 1988 1992 1996 2000 2004
Ambon
A mbon tahun
tahun
Jayapura Jayapura

Grafik 5.2. Total jumlah penduduk Indonesia Grafik 5.5. Total jumlah kendaraan bermotor
tahun 1984-2004 tanpa DKI Jakarta ibukota propinsi di Indonesia dari tahun 1984-
Total Panjang Jalan di Ibukota Propinsi 2004
Aceh
7.000,00 Total Jumla h KendaraanTanpa DKI Jakarta
Medan
Aceh Padang
Medan 1.200.000,00 Pekanbaru
6.000,00 Padang
Jambi
Pekanbaru
Jambi Palembang
Palembang 1.000.000,00 Bengkulu
5.000,00
Bengkulu B.Lampung
B.Lampung
Bandung
Jakarta
800.000,00 Semarang
panjang jalan (km)

4.000,00 Bandung
Semarang jumlah kendaraan Yogyakarta
Yogyakarta Surabaya
Surabaya
3.000,00 600.000,00 Denpasar
Denpasar
Mataram
Mataram
Kupang Kupang
Pontianak Pontianak
2.000,00 400.000,00
Palangkaraya
Palangkaraya
Banjarmas in
Samarinda
Banjarmasin
1.000,00 Manado 200.000,00 Samarinda
Palu Manado
Makasar
Palu
Kendari
0,00 Makasar
1984 1988 1992 1996 2000 2004 Ambon 0,00
Jayapura 1984 1988 1992 1996 2000 2004 Kendari
tahun
tahun Ambon
Jayapura
Grafik 5.3. Total penjang jalan ibukota
propinsi di Indonesia dari tahun 1984-2004 Grafik 5.6. Total jumlah kendaraan di ibukota
propinsi di Indonesia tanpa DKI Jakarta
Total PDRB Ibukota Propinsi
Tota l Pa njang Jalan Ibukota Propinsi Tanpa DKI Ja karta

400.000.000.000,00 Aceh
4.000,00 Aceh Medan
Medan Padang
Padang 350.000.000.000,00 Pekanbaru
3.500,00 Pekanbaru Jambi
Jambi Palembang
Palembang 300.000.000.000,00 Bengkulu
3.000,00
Bengkulu B.Lampung
B.Lampung Jakarta
250.000.000.000,00
Bandung Bandung
2.500,00
panjang jalan (km)

Semarang Semarang
PDRB

Yogyakarta Yogyakarta
200.000.000.000,00
Surabaya Surabaya
2.000,00
Denpasar Denpasar
Mataram
Mataram 150.000.000.000,00
1.500,00 Kupang
Kupang
Pontianak
Pontianak
100.000.000.000,00 Palangkaraya
Palangkaraya
1.000,00 Banjarmasin
Banjarmasin
Samarinda
Samarinda
50.000.000.000,00 Manado
Manado
500,00 Palu
Palu
Makasar
Makasar
0,00 Kendari
0,00 Kendari 1984 1988 1992 1996 2000 2004 Ambon
1984 1988 1992 1996 2000 2004 Ambon
tahun Jayapura
tahun Jay apura

Grafik 5.4. Total panjang jalan ibukota Grafik 5.7. Total PDRB ibukota propinsi di
propinsi di Indonesia tanpa DKI Jakarta 1984- Indonesia dari tahun 1984-2004
2004

21
Vol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : 1693-752X

Total PDRB Ibukota Propinsi Tanpa DKI Jakarta Dari dendogram diatas terbagi dua
140.000.000.000,00
cluster, dimana dalam cluster tersebut terdapat
120.000.000.000,00
Aceh
Medan
Padang
beberapa sub cluster yang membentuk level.
Pekanbaru
Jambi
Level I nomor 9 (Jakarta), level II nomor 10
100.000.000.000,00
Palembang
Bengkulu
B.Lampung
dan 13, level III nomor 6-11 dan level IV
Bandung
Semarang
nomor 7-17.
80.000.000.000,00 Yogy akarta
Surabaya
PDRB

Denpasar

60.000.000.000,00
Mataram
Kupang PENUTUP
Pontianak
Palangkaraya
Banjarmasin
6.1 Kesimpulan
40.000.000.000,00 Samarinda
Manado
Setelah dilakukan analisa dan
Palu

20.000.000.000,00
Makasar
Kendari
pembahasan dapat diambil kesimpulan sebagai
Ambon
Jaya pura berikut :
0,00
1984 1988 1992 1996 2000 2004
a. Untuk ibukota propinsi
tahun
1. Pada umumnya terdapat 4 level dalam
Grafik 5.8. total PDRB ibukota propinsi di dendogram dan yang mempunyai
Indonesia tanpa DKI Jakarta dari tahun 1984- potensi masalah lalu lintas berada pada
2004. level satu ( I ) dan dua ( II ).
Tahun 2004 ibukota propinsi di Indonesia 2. Dari 26 ibukota propinsi kota yang
paling berpotensi dalam mengalami
masalah lalu lintas adalah Jakarta,
Dendrogram Bandung, Surabaya. masing-masing
* **** *H IER ARCH IC AL CLU STER A berada pada level I dan II.
NALYSIS******
Dendrogram using Average Linkage (Between Groups)
3. Kota Medan, Pekanbaru, Semarang,
Yogyakarta, Denpasar, Samarinda dan
Rescaled Distance Cluster Combine Ujung Pandang merupakan ibukota
propinsi yang mengalami perkembangan
CASE 0 5 10 15 20 25
yang sangat cepat dari tahun ke tahun
Label Num +---------+---------+---------+---------+-------
--+ dalam penyebab potensi masalah lalu
lintas.
7 4. Selain ibukota-ibukota propinsi yang
24 tersebut diatas, maka ibukota-ibukota
25
5
tersebut tidak terlalu berpotensi dalam
15 penyebab potensi masalah lalu lintas
19
16 6.2 Saran
18 Untuk penelitian yang sama akan
21
22 dilakukan kedepan disarankan :
14 1. Faktor-faktor yang mempengaruhi potensi
26 masalah lalu lintas ditambah satu lagi yaitu
12 luas daerah.
1
3
2. Agar dalam pengambilan data berpatokan
8 kepada data BPS yang lebih spesifik
17 seperti Sumatera Barat dalam angka atau
6 Padang dalam angka bukan berdasarkan
23 statistik Indonesia.
2
4 3. Dalam menggunakan program SPSS
diharapkan menggunakan program seri
yang terbaru agar output yang dihasilkan
20 lebih komplek sehingga mudah
11
10
dimengerti.
13 4. Dalam pengambilan data sekunder,
9 surveyor harus paham mengenai hal-hal
yang akan dilakukan, sehingga dalam
penyusunan data tidak mengalami banyak
kesulitan.

22
Vol.16 No.2. Agustus 2014 Jurnal Momentum ISSN : 1693-752X

5. Referensi yang banyak sangat membantu Ecosystems”, Food And Agriculture

dalam pengumpulan tinjauan pustaka. Organization Of The United Nations, Rome.
Hartigan, (1975),”Cluster Analysis”,Google.
DAFTAR PUSTAKA

Cahyono, T, 2006, ”Analisa Dampak Lalu

Lintas Di Beberapa Kota Besar Di
Indonesia”,Google.

Aldenderfer, T,(1984),”Cluster
Analysis”Google.

Mujiharto,.( 1993 ),” Faktor Yang

Mempengaruhi Masalah Lalu Lintas Pada
Daerah-Daerah Di Kota Besar”,Google.

Ariyanto, (2005), “Pengembangan Analisis

Multivariate SPSS 12”,Penerbit Salemba
Infotek,Jakarta.

Nursalim, A,A, 2006,”Analisis Cluster dan

Penjabaran Dendogram”,Google.

Morlok,E.K,(1997), ”Pengantar Teknik Dan

Perencanaan Transportasi”, Erlangga, Jakarta.

BPS Sumatera Barat,(2005),”PDRB Sumatera

Barat Menurut Kabupaten/Kota 2001-2005”,
BPS, Sumbar.

Garibaldi L, (2003), “Trends In Oceanic

Captures And Clustering Of Large Marine

23