Analisis Cluster Pencemaran Lingkungan di 34 Provinsi

Indonesia

Abstrak
Pencemran lingkungan yang terjadi 34 provindi Indonesia menjadi tantangan bagi pemerintah untuk
bagaimana mengatasi masalah tersebut. Untuk membatu pemerintah di lakukan analisis cluster untuk
dikelompokan kedalam provinsi dengan tingkat pencemran air, pencemran udra, dan pencemran tanah
berdasarkan statusnya. . Tujuan penglompokan agar dapat membantu pemerintah dalam memilih
provinsi mana yang mengalami pencemran lingkungan dengan status sangat parah dan harus segera
diatasi. Jadi, jika pemerintah ingin mengetahui daerah mana saja yang mengalami pencemaran
lingkungan dengan status sangat parah maka daerah pada cluster 2 adalah daerah yang mengalami
pencemaran lingkungan dengan status sangat parah. Oleh karena itu pemerintah dapat segera
mengtasi masalah lingkungan di provinsi yang ada pada cluster 2.

Kata Kunci: provinsi, pencemaran, cluster,

1. Pendahuluan
Pencemaran lingkungan menjadi tantangan bagi
pemerintah untuk bagaimana mengatasi masalah
tersebut. Pencemran diberbagai provinsi di
Indonesia berupa pencemran air, pencemran
udara, dan pencemran tanah. Beberpa daerah
menglami pencemran dengan status sangat parah,
parah, sedang, dan baik. Dari data pencemran
lingkunga yang ada di 34 provinsi di Indonesia
akan di lakukan analisis cluster untuk
dikelompokan kedalam provinsi dengan tingkat
pencemran air, pencemran udra, dan pencemran
tanah berdasarkan statusnya. Tujuan
penglompokan agar dapat membantu pemerintah
dalam memilih provinsi mana yang mengalami
pencemran lingkungan dengan status sangat
parah dan harus segera diatasi.
3. Metode
3.1 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan
adalah dengan pendekatan kunatitatif. Kuantitatif
yaitu data yang diukur dalam suatu skala
numerik (angka), dan biasanya menggunakan
sampel yang lebih banyak, serta menggunakan
pertanyaan atau observasi terstruktur (Kuncoro,
2003).
Data yang digunakan adalah data sekunder
yang diperoleh dari situs resmi Badan Pusat
Statistik Indoinesia (BPS). Data sekunder adalah
data yang diperoleh lewat pihak lain, tidak
langsung diperoleh dari peneliti dari subjek
penelitiannya. Data sekunder biasanya
berwujud data dokumentasi atau data laporan
yang telah tersedia (Azwar, 2001).

2. Tinjauan Pustaka 3.2 Metode Analisis Data

Menurut Amsyari (1997) apabila didalam Metode analisis data yang digunakan adalah
lingkungan manusia terjadi sesuatu yang analisis cluster dengan metode non-hierarki
mengancam ekosistem manusia yang k-means. Analisis cluster adalah teknik atau
disebabakan akibat perbuatanya, maka terjadilah metode di dalam analisis multuvariat yang
apa yang dinamakan pencemaran lingkungan mempunyai tujuan uatama uantuk
hidup. mengelompokkan objek-objek berdasarkan
kemiripan karakteristiknya. Karakteristik objek-
objek dalam satu cluster memiliki kamiripan
yang tinggi sedangkan diluar cluster memiliki
kemiripan yang rendah.
Metode Non-Hierarki metode yang dimulai
dengan menentukan terlebih dahulu jumlah
cluster yang diinginkan (2, 3, atau lainnya)
setelah jumlah cluster ditentukan, maka proses
cluster dilakukan dengan tanpa mengikuti proses
hierarki, metode ini bisa disebut “k-means
cluster”.
K-means mempunyai tujuan pengelompokan
menyelesaikan n bojek ke dalam k cluster,
dimana masing-masing observasi yang dalam
suatu kelompok terpilih karena nilai mean yang
terdekat (Nanda, 2010).

1
Rumus Umum Hasil z-scorre ini lah yang akan dilakukan
analisis cluster dengan jumlah cluster yang telah
ditentukan yaitu k = 3. Hasil dari analisis
= rata-rata sampel (variabel dalam cluster) didapatkan output sebgai berikut:
= rata-rata populasi
Initial Cluster Centers
= nilai standardisasi Cluster
= standar deviasi 1 2 3
Zscore 2,8058 2,825 -,88633
(Pencemaran_Air)
Asumsi yang harus dipenuhi:
 Sampel yang diambil benar-benar dapat Zscore 1,8712 3,309 -,68731
mewakili populasi yang ada (Pencemran_Udra)
(representativeness of the sample) Zscore ,89194 3,546 -,70534
(Pencemran_Tanah)
 Multikolinieritas
4. Hasil dan Pembahasan Tabel diatas merupakan tampilan awal proses
Analisis dilakukan dengan menggunakan
clustering sebelum dilaukan proses iterasi.
software statistika untuk melakukan anlisis
cluster menggunkan metode non-hierarki k- Iteration Historya
means : Iteratio Change in Cluster Centers
Standardisasi atau Transformasi n 1 2 3
karena data yang digunakan mempunyai variabel 1 ,852 1,076 ,729
satuan, maka perlu dilakukan langkah 2 ,000 ,000 ,000
standardisasi atau transformasi terhadap variabel a. Convergence achieved due to no or small change in
cluster centers. The maximum absolute coordinate
yang relevan ke bentuk z-scorre dan didaptkan change for any center is ,000. The current iteration is 2.
hasil sebagai berikut : The minimum distance between initial centers is 3,019.

Zpencemaran Zpencemaran Zpencemran Tabel diatas dapat diketahui bahwa proses iterasi
Air Udara Tanah
dilakukan sebanyak 3 kali. Proses ini dilakukan
,46983 1,17232 -,14292
1,42758 1,67726 3,44533
untuk mendapatkan cluster yang tepat. Dapat
-,35514 -,31169 -,16542 diketahui bahwa jarak minimum antar atar pusat
-,08350 -,04075 -,36789 cluster yang terjadi dari hasil iterasi adalah
,23843 -,33324 -,39039 3,019.
,35715 ,13475 -,18792
-,42153 -,38558 -,64910 Cluster Membership
,15393 ,02699 -,42413 Case Perovinsi Cluster Distance
Number
-,67707 -,65344 -,19916
1 ACEH 3 1,737
-,88633 -,68731 -,70534
2 SUMATERA 2 1,076
-,74347 -,67500 -,61536 UTARA
2,80587 1,87123 ,89194 3 SUMATERA 3 ,183
2,82599 3,30906 3,54657 BARAT
-,79780 -,57339 -,51412 4 RIAU 3 ,406
2,30888 2,81028 1,34187 5 JAMBI 3 ,592
,03521 ,19940 -,15417 6 SUMATERA 3 ,871
-,73542 -,38558 -,59286 SELATAN
-,42958 -,50566 -,27790 7 BENGKULU 3 ,314
-,75152 -,35172 -,39039 8 LAMPUNG 3 ,633
9 KEP. 3 ,471
,84408 ,33487 ,80195
BANGKA
,57647 -,30861 ,50949 BELITUNG
,43964 -,26551 ,01456 10 KEP. RIAU 3 ,729
-,35715 -,42561 -,25541 11 DKI 3 ,579
-,71731 -,61650 -,44663 JAKARTA
-,33904 -,30245 -,03044 12 JAWA 1 ,852
-,38733 -,51797 -,43538 BARAT
-,19216 ,01159 -,15417 13 JAWA 2 1,076
TENGAH
-,54025 -,33324 -,37914
14 DI 3 ,528
-,77365 -,64421 -,62660 YOGYAKAR
-,76560 -,61034 -,60411 TA
-,78572 -,70578 -,50287 15 JAWA 1 1,228
-,56238 -,53029 -,37914 TIMUR
-,68512 -,69039 -,64910 16 BANTEN 3 ,695
-,49598 -,69347 -,31165 17 BALI 3 ,458

2
18 NUSA 3 ,191  Cluster 2
TENGGARA Pencemaran Air : diatas rata-rata
BARAT
19 NUSA 3 ,402
Pencemaran Udara : diatas rata-rata
TENGGARA Pencemaran Tanah : diatas rata-rata
TIMUR Dalam cluster 2 ini berisi provinsi dengna
20 KALIMANT 1 1,771 pencemran air dan pencemran udara dengan
AN BARAT tingkat pencemaran parah. Sedangkan untuk
21 KALIMANT 3 1,263
AN TENGAH
pencemran tanah dengan tingkat pencemaran
22 KALIMANT 3 ,874 yang sangat parah.
AN  Cluster 3
SELATAN Pencemaran Air : dibawah rata-rata
23 KALIMANT 3 ,121 Pencemaran Udara : dibawah rata-rata
AN TIMUR
24 KALIMANT 3 ,466
Pencemaran Tanah : diatas rata-rata
AN UTARA Dalam cluster 3 ini berisi provinsi dengna
25 SULAWESI 3 ,318 pencemran air, pencemran udara, dan pencemran
UTARA tanah dengan tingkat pencemaran yang sama
26 SULAWESI 3 ,198
TENGAH
yaitu baik.
27 SULAWESI 3 ,435
SELATAN Uji statistik
28 SULAWESI 3 ,191 Tabel ANOVA
TENGGARA
29 GORONTAL 3 ,588
O ANOVA
30 SULAWESI 3 ,555
Cluster Error F Sig
BARAT
Mean df Mean df .
31 MALUKU 3 ,586
32 MALUKU 3 ,282 Square Square
UTARA
Zscore 12,239 2 ,275 31 44,52 ,000
33 PAPUA 3 ,568 (Pence
BARAT maran
34 PAPUA 3 ,379 Air)
Zscore 12,135 2 ,282 31 43,09 ,000
Tabel diatas adalah pengumpulan provinsi (Pence
mran
berdasarkan clusternya. Udra)
Zscore 15,491 2 ,065 31 238,0 ,000
Final Cluster Centers (Pence
Cluster mran
1 2 3 Tanah)
Zscore 1,9862 2,1267 -,35215
(Pencemaran_Air) Semakin besar nilai F dan (sig < 0,05), maka
Zscore 1,6721 2,4931 -,34492 semakin besar perbedaan variabel pada cluster
(Pencemran_Udra)
yang terbentuk.
Zscore 1,0119 3,4959 -,34578
(Pencemran_Tanah)
Number of Cases in each Cluster
Tabel final cluster centers adalah hasil akhir dari Cluster 1 3,000
proses analisis dan dari hasil tersebut dapat kita
klasifikasikan sebagai berikut: 2 2,000
 Cluster 1 3 29,000
Pencemaran Air : diatas rata-rata
Valid 34,000
Pencemaran Udara : diatas rata-rata
Pencemaran Tanah : diatas rata-rata Missing ,000
Dalam cluster 1 ini berisi provinsi dengna
pencemran air, pencemran udara, dan pencemran Tabel diatas mengetahui jumlah anggota masig-
tanah dengan tingkat pencemaran yang sama masing cluster yang terbentuk.
yaitu sedang.

4.1 Tabel
Tabel 1: Data pencemaran lingkungan di provinsi Indonesia
Provinsi Pencemaran Udara Pencemaran Air Pencemaran Udara
ACEH 729 642 52
SUMATERA UTARA 1205 806 371
SUMATERA BARAT 319 160 50

3
 RIAU 454 248 32
JAMBI 614 153 30
SUMATERA SELATAN 673 305 48
BENGKULU 286 136 7
LAMPUNG 572 270 27
KEP. BANGKA BELITUNG 159 49 47
KEP. RIAU 55 38 2
DKI JAKARTA 126 42 10
JAWA BARAT 1890 869 144
JAWA TENGAH 1900 1336 380
DI YOGYAKARTA 99 75 19
JAWA TIMUR 1643 1174 184
BANTEN 513 326 51
BALI 130 136 12
NUSA TENGGARA BARAT 282 97 40
NUSA TENGGARA TIMUR 122 147 30
KALIMANTAN BARAT 915 370 136
KALIMANTAN TENGAH 782 161 110
KALIMANTAN SELATAN 714 175 66
KALIMANTAN TIMUR 318 123 42
KALIMANTAN UTARA 139 61 25
SULAWESI UTARA 327 163 62
SULAWESI TENGAH 303 93 26
SULAWESI SELATAN 400 265 51
SULAWESI TENGGARA 227 153 31
GORONTALO 111 52 9
SULAWESI BARAT 115 63 11
MALUKU 105 32 20
MALUKU UTARA 216 89 31
PAPUA BARAT 155 37 7
PAPUA 249 36 37
Sumber: Badan Pusat Statistik, 2018.
2. Orang tua kami yang selalu memberi
5. Kesimpulan dukungan dan doa dalam pembuatan artikel
Maka berdasarkan tabel yang kita dapatkan ini.
bahwa untuk variabel pencemaran tanah adalah 3. Pihak-pihak yang terlibat dalam pembuatan
variabel yang paling menunjukkan adanya artikel ini.
perbedaan diantara variabel lain yang ada pada
ketiga cluster yang terbentuk. Hal ini dengan Daftar Pustaka
ditunjukkan nilai F pada tabel ANOVA yaitu F Amsyari, Fuad. 1997. Prinsip-prinsip Masalah
= 238,048 dan Sig = 0,000. Jadi, jika Lingkungan, Ghalia: Indonesia.
pemerintah ingin mengetahui daerah mana saja
yang mengalami pencemaran lingkungan dengan
status sangat parah maka daerah pada cluster 2
adalah daerah yang mengalami pencemaran
lingkungan dengan status sangat parah. Oleh
karena itu pemerintah dapat segera mengtasi
masalah lingkungan di provinsi yang ada pada
cluster 2.

Ucapan Terima Kasih

Dalam menyelesaikan artikel ini, penulis
banyak mendapat bantuan, doa, serta dukungan
dari berbagai pihak. Sebagai bentuk rasa syukur
kepada Allah SWT, penulis ingin mengucapkan
terimakasih kepada:
1. Bapa Oni Soesanto, S.Si., M.Si. sebagai
dosen pengampu mata kuliah Analisis
Multivariat.