PENGELOMPOKKAN KABUPATEN/KOTA DI SUMATERA SELATAN

BERDASARKAN PERSENTASE FASILITAS RUMAH TANGGA MENGGUNAKAN

METODE K-MEANS CLUSTERING

Dian Cahyawati Sukanda1), Oki Dwipurwani2), Des Alwine Zayanti3), Eka Susanti4),
Khadafie Adams5)

1) Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas

Sriwijaya, Sumatera Selatan 30862, Indonesia
2) Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Sriwijaya, Sumatera Selatan 30862, Indonesia
3) Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Sriwijaya, Sumatera Selatan 30862, Indonesia
4) Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Sriwijaya, Sumatera Selatan 30862, Indonesia
5) Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Sriwijaya, Sumatera Selatan 30862, Indonesia
*
Corresponding email : khadafieadams76@gmail.com

No. Hp (WA) : +6282180609670

Tgl. Naskah diusulkan : 22 Desember 2022

Abstrak
Penelitian ini bertujuan untuk mendapatkan hasil pengelompokkan Kabupaten/Kota di
Sumatera Selatan berdasarkan variabel persentase fasilitas rumah tangga menggunakan metode
analisis k-means clustering dengan menentukan nilai rata-rata antar cluster untuk mencari tingkat
kemiripan karakteristik antara masing-masing cluster. Data yang dianalisis dalam penelitian ini
adalah data dari website BPS Sumatera Selatan mengenai tingkat kesejahteraan Kabupaten/Kota
di Sumatera Selatan yang meliputi kabupaten Banyuasin, Musi Banyuasin, Musi Rawas, Musi
Rawas Utara, Ogan Ilir, Ogan Komering Ilir, Ogan Komering Ulu, Ogan Komering Ulu Selatan
Ogan Komering Ulu Timur, Muara Enim, Lahat, Empat Lawang, Penukal Abab Lematang Ilir,
Lubuk Linggau, Pagar Alam, Prabumulih, dan kota Palembang berdasarkan fasilitas rumah
tangga dengan tingkat kualitas dari variabelnya. Variabel yang digunakan untuk mengukur
tingkat kesejahteraan hidup layak yaitu sumber penerangan listrik, air minum leding dan
kemasan, air bersih, jamban sendiri dengan tangki septik, luas lahan perkapita kurang dari 10m2,
lantai bukan tanah, atap layak, dan dinding permanen. Hasil perhitungan yang diperoleh
menggunakan metode K-Means Clustering ialah 8 cluster. Cluster 2 yang terdiri dari Kota
Palembang memiliki nilai rata-rata tertinggi berdasarkan variabel persentase fasilitas rumah
tangga. Cluster 4 yang terdiri dari Kabupaten Ogan Komering Ulu, Muara Enim, Penukal Abab
Lematang Ilir, Prabumulih, dan Lubuk Linggau. Kemudian cluster 5 yang terdiri dari Musi
Banyuasin dan Ogan Ilir memiliki nilai rata-rata total yang cukup tinggi karena nilai yang berada

1
di bawah rata-rata total hanya variabel lantai bukan tanah dan atap layak. Selanjutnya cluster 1
yang terdiri dari Ogan Komering Ilir, Musi Rawas, dan Ogan Komering Ulu Timur. Cluster 3
yang terdiri dari Kabupaten Lahat, Musi Rawas Utara, dan Pagar Alam. Cluster 6 yang terdiri
Kabupaten Empat Lawang. Cluster 7 yang terdiri dari Banyuasin dan cluster 8 dengan anggota
Kabupaten Ogan Komering Ulu Selatan masing-masing memiliki nilai yang diperoleh
berdasarkan variabel yang diteliti, hampir seluruhnya berada di bawah nilai rata-rata total.

Kata Kunci : Fasilitas Rumah Tangga, K-Means Clustering, Sumatera Selatan

Abstrack
This study aims to obtain the results of districts/cities grouping in South Sumatra based on the
variable percentage of household facilities using the k-means clustering analysis method by
determining the average value between clusters to find the degree of similarity in characteristics
between each cluster. The data analyzed in this study were taken from the website of the Central
Statistics Agency for South Sumatra regarding the level of welfare of districts/cities in South
Sumatra which included the districts of Banyuasin, Musi Banyuasin, Musi Rawas, North Musi
Rawas, Ogan Ilir, Ogan Komering Ilir, Ogan Komering Ulu, Ogan Komering Ulu Selatan Ogan
Komering Ulu Timur, Muara Enim, Lahat, Empat Lawang, Penukal Abab Lematang Ilir, Lubuk
Linggau, Pagar Alam, Prabumulih, and Palembang City based on household facilities with
variable quality levels. The variables used to measure the level of decent living welfare were
sources of electric lighting, tap and bottled drinking water, clean water, private latrines with
septic tanks, per capita land area of less than 10m2, non-soil floors, proper roofs, and
permanent walls. The calculation results obtained using the K-Means Clustering method were 8
clusters. Cluster 2 which consists of Palembang City has the highest average value based on the
variable percentage of household facilities. Cluster 4 consists of Ogan Komering Ulu, Muara
Enim, Penukal Abab Lematang Ilir, Prabumulih and Lubuk Linggau Regencies. Then cluster 5
which consists of Musi Banyuasin and Ogan Ilir has a fairly high total average value because
the value that is below the total average is only the floor variable, not the proper soil and roof.
Furthermore, cluster 1 consists of Ogan Komering Ilir, Musi Rawas, and East Ogan Komering
Ulu. Cluster 3 consists of Lahat, North Musi Rawas, and Pagar Alam Regencies. Cluster 6
consists of Empat Lawang Regency. Cluster 7 consists of Banyuasin, and cluster 8 with members
of South Ogan Komering Ulu Regency, based on the variables studied, almost all of them are
below the total average value.

Keywords: Household Facilities, K-Means Clustering, South Sumatera

PENDAHULUAN

Fasilitas rumah berfungsi sebagai layanan kehidupan yang disediakan baik dari pribadi,

masyarakat maupun dari pemerintah demi menunjang kehidupan[1]. Fasilitas rumah tangga di

Provinsi Sumatera Selatan untuk saat ini sedang menuju perkembangan, apalagi di Kota

2
Palembang yang kini fasilitas dan sarana prasarana nya dalam proses menuju modern. Namun

pemerintah Sumatera Selatan perlu memperhatikan lebih detail lagi daerah-daerah yang terpencil

terhadap kualitas dari fasilitas dan sarana prasarana rumah tangga yang kurang memadai untuk

layanan publik dan membagi wilayah mana fasilitasnya masih kurang pada tingkat kenyamanan.

Fasilitas rumah yang dapat dikatakan sebagai rumah layak huni dan menjadi topik

permasalahan di Sumatera Selatan antara lain sumber penerangan listrik, air minum leding dan

kemasan, air bersih, jamban sendiri dengan tangki septik, luas lahan perkapita kurang dari 10m 2,

lantai bukan tanah, atap layak, dan dinding permanen. Fasilitas tersebut dapat mempengaruhi

tingkat hidup layak, sehat dan sejahtera dalam suatu daerah yang di data oleh Badan Pusat

Statistika Sumatera Selatan.

Penelitian Sihombing (2021) dengan judul “Pengelompokkan Tingkat Kesejahteraan

Masyarakat di Sumatera Utara dengan Metode K-Means Clustering’’ memiliki variabel yaitu

Kepadatan Penduduk, Jumlah Pengangguran, PDRB Perkapita atas dasar harga yang berlaku,

Jumlah Persentase Penduduk Miskin, Angka Partisipasi Kasar tingkat SD, Persentase rumah

tangga yang tidak memiliki fasilitas Buang Air Besar (BAB) dan Angka Harapan Hidup. Hasil

penelitian tersebut menunjukkan bahwa Kota/Kabupaten yang memiliki tingkat kesejahteraan

paling bawah yaitu hasil pengklasteran ke Lima yang menghasilkan kesimpulan dan saran untuk

rujukan pemerintahan dalam mengambil keputusan. Sedangkan Provinsi Sumatera Selatan sangat

penting dilakukan pengelompokkan di tiap daerah berdasarkan variabel agar mendapatkan hasil

cluster yang dapat dijadikan referensi pemerintah dalan meningkatkan upaya kesejahteraan hidup

layak masyarakat[2].

Data hasil survei Badan Pusat Statistika Sumatera Selatan mengenai persentase fasilitas

rumah tangga yang lebih dari dua variabel yaitu sumber penerangan listrik, air minum leding dan

3
kemasan, air bersih, jamban sendiri dengan tangki septik, luas lahan perkapita kurang dari 10m2,

lantai bukan tanah, atap layak, dan dinding permanen. Untuk menganalisis data penelitian

diperlukan suatu analisis statistik, salah satunya analisis multivariat. Hasil dari analisis data

tersebut dapat digunakan untuk mengetahui cluster daerah Kabupaten/Kota yang dapat dijadikan

rujukan dalam pengambilan kebijakan, misalnya perbaikan pada penerangan lisrik, perbaikan

gratis pada atap rumah bagi yang kurag mampu, dll. Dengan menggunakan analisis multivariat

dapat menganalisis pengaruh beberapa variabel dalam kurun waktu yang sama. Suatu analisis

multivariat yang tujuannya mengklasterkan atau mengelompokkan objek berdasarkan kesamaan

karakteristik variabel ialah metode Analisis Cluster[3]

Metode analisis cluster non hirarki digunakan pada penelitian dengan fungsi

mengelompokkan Kabupaten/Kota di Sumatera Selatan menurut persentase fasilitas rumah

tangga sehingga menghasilkan kelompok-kelompok berbeda yang dapat menunjukkan kelompok

objek tertentu[4]. Peneliti sangat tertarik untuk mengurai, menyusun, dan melakukan penelitian

ini berdasarkan data dari Badan Pusat Statistika Provinsi Sumatera Selatan tahun 2020 dengan

judul “Pengelompokkan Kabupaten/Kota di Sumatera berdasarkan Persentase Fasilitas Rumah

Tangga menggunakan metode K-Means Clustering”.

METODOLOGI PENELITIAN

Waktu yang dibutuhkan untuk menyelesaikan penelitian ini adalah satu semester yaitu

Semester Ganjil 2022/2023. Penelitian ini dilakukan di Jurusan Matematika, Fakultas

Matematika dan Ilmu pengetahuan Alam, Universitas Sriwijaya. alat bantu yang digunakan

dalam penelitian ini adalah aplikasi IBM SPSS Statistic 25 untuk mendapatkan cluster dari

masing-masing variabel. Sumber data penelitian ini adalah laman informai resmi Badan Pusat

Statistik Sumatera Selatan untuk kategori persentase rumah tangga Kabupaten/Kota di Sumatera

4
Selatan berdasarkan kualitas per-variabelnya. Variabel yang digunakan mencakup fasilitas rumah

yang meliputi :

Ӽ1 : Persentase Rumah Tangga yang memiliki sumber penerangan listrik.

Ӽ2 : Persentase Rumah Tangga yang memiliki air minum leding dan kemasan.

Ӽ3 : Persentase Rumah Tangga yang memiliki air bersih.

Ӽ4 : Persentase Rumah Tangga yang memiliki jamban sendiri dengan tangki septik.

Ӽ5 : Persentase Rumah Tangga yang memiliki luas lahan perkapita kurang dari 10m2.

Ӽ6 : Persentase Rumah Tangga yang memiliki lantai bukan tanah.

Ӽ7 : Persentase Rumah Tangga yang memiliki atap layak.

Ӽ8 : Persentase Rumah Tangga yang memiliki dinding permanen.

Terdapat 17 objek Kabupaten/Kota yaitu, Kabupaten Banyuasin, Kabupaten Musi

Banyuasin, Kabupaten Musi Rawas, Kabupaten Musi Rawas Utara, Kabupaten Ogan Ilir,

Kabupaten Ogan Komering Ilir, Kabupaten Ogan Komering Ulu, Kabupaten Ogan Komering

Ulu Selatan, Kabupaten Ogan Komering Ulu Timur, Kabupaten Muara Enim, Kabupaten Lahat,

Kabupaten Empat Lawang, Kabupaten Penukal Abab Lematang Ilir, Kota Lubuk Linggau, Kota

Pagar Alam, Kota Prabumulih, dan Kota Palembang. Langkah analisis dalam penelitian ini

adalah:

1. Mendeskripsikan data.

2. Melakukan entri pada aplikasi SPSS, buat data objek (17 Kabupaten/Kota) dalam bentuk

baris sedangkan data variabel (8 fasilitas rumah) dalam bentuk kolom.

3. Menentukan standarisasi data agar satuan variabelnya menjadi sama.

5
4. Mengolah data sekunder menggunakan metode K-Means clustering dan diperoleh data dari 8

cluster sesuai dengan variabel yang ditentukan:

a) Jarak Antar Cluster menggunakan persamaan 2.1

( ) √∑ ( ̅ ̅) (Persamaan 2.1)

Keterangan:

( ) : Euclidean Distance

̅i : nilai tengah pada cluster ke - i

̅j : nilai tengah pada cluster ke – j

: variabel data

p : dimensi data variabel

b) Pengujian Non-Multikoleniaritas menggunakan Persamaan 2.2

VIF = dan Tol = (1 - ) (Persamaan 2.2)

( )

Keterangan :

VIF : Variance Inflation Factor

Tol : Tolerance Variabel Bebas

R : Koefisien korelasi variabel bebas

c) Melakukan uji KMO & Bartless Test menggunakan Persamaan 2.3

∑ ∑
KMO = (Persamaan 2.3)
∑ ∑ ∑ ∑

i = 1,2,…p

j = 1,2,…p

d) Penentuan K-Means Clustering.

6
 e) Interprestasi hasil dari K-Means Cluster.

5. Membuat kesimpulan dan saran dari hasil interprestasi.

HASIL DAN PEMBAHASAN

Deskripsi Data

Data yang digunakan pada penelitian ini merupakan data sekunder tahun 2020 mengenai

persentase fasilitas rumah tangga dari 17 Kabupaten/Kota (sebagai objek) dan 8 fasilitas rumah

tangga (sebagai variabel). Data tersebut berasal dari Kantor Badan Pusat Statistika Sumatera

Selatan dengan link https://sumsel.bps.go.id. Data Kabupaten/Kota berdasarkan persentase

fasilitas rumah tangga ditampilkan pada Tabel 4.1 dan diagram 4.1.

Tabel 4. 1 Data Kabupaten/Kota di Sumatera Selatan menurut Fasilitas Rumah tahun 2020
Jamban
Air Luas
Sumber Sendiri Lantai
No Minum Air Lahan Atap Dinding
Kab/Kota Peneran dengan bukan
. Leding Bersih Perkapita Layak Permanen
gListrik Tangki Tanah
Kemasan < 10m
Septik

Ogan
1 Komering 98,66 35,03 75,20 74,26 27,30 96,31 94,70 99,72
Ulu
Ogan
2 99,03 22,64 65,28 60,40 22,07 95,41 88,87 99,12
Komering Ilir

3 Muara Enim 99,65 23,75 63,26 80,88 29,75 99,3 91,84 99,68

4 Lahat 99,95 13,88 43,46 61,59 28,79 99,2 99,59 98,39

5 Musi Rawas 98,16 8,21 53,55 64,87 14,60 97,4 97,79 100,0
Musi
6 98,55 36,96 67,93 65,20 30,70 94,9 93,79 99,70
Banyuasin
7 Banyuasin 99,47 41,84 51,95 66,25 30,82 92,8 80,88 96,98
Ogan
8 Komering 94,23 17,11 50,20 45,90 32,34 96,0 96,30 95,51
Ulu Selatan
Ogan
9 Komering 99,82 6,93 56,03 74,14 13,12 95,0 97,69 99,58
Ulu Timur

10 Ogan Ilir 98,85 35,91 57,16 68,71 35,69 99,5 85,56 98,79

Empat
11 95,77 6,34 19,80 28,23 29,94 99,6 98,77 99,07
Lawang

7
 12 Pali 99,69 31,46 56,67 88,38 33,82 98,4 96,85 99,59

Musi Rawas
13 96,45 15,43 50,63 53,23 25,97 99,3 99,53 100,00
Utara
14 Palembang 100,00 94,29 97,13 86,30 37,45 99,5 88,05 99,19
15 Prabumulih 99,85 28,70 65,79 83,94 30,96 98,9 92,26 99,87
16 Pagar Alam 99,95 7,46 56,81 37,20 26,57 99,3 98,91 98,65
Lubuk
17 99,36 31,85 68,09 83,19 24,65 100,0 99,50 99,79
Linggau

Gambar 4. 1 Diagram Persentase Fasilitas Rumah Tangga

Pada Gambar 4.1, merupakan diagram persentase fasilitas rumah tangga yang terbentuk

dari 17 Kabupaten yang dijadikan sebagai objek penelitian dan 8 persentase fasilitas rumah

tangga yang dijadikan sebagai variabel penelitian. Nilai Vertical Value (axis) tertinggi ialah Kota

Palembang, sedangkan nilai Vertical Value (axis) terendah ialah Kabupaten Empat Lawang.

Diagram tersebut menunjukkan warna berbeda sesuai besar nilai persentasenya.

Analisis Cluster

1. Pengujian Multikolinearitas

Jika nilai VIF < 10,00 dan Tolerence > 0,1 maka dinyatakan tidak terjadi

multikolinearitas. Berdasarkan hasil perhitungan menggunakan aplikasi IBM SPSS Statistic 25

nilai VIF masing-masing variabel menunjukkan nilai < 10,00 dan nilai Tolerence > 0,1 maka

8
dapat dinyataakan bahwa variabel yang diujikan dalam penelitian ini tidak terdapat gejala

multikolinearitas.

2. Pengujian KMO & Bartless Test

Kaiser Meyer Olkin Measure of Sampling (KMO) merupakan uji indeks yang digunakan

untuk menentukan kelayakan jarak antar koefisien korelasi dari analisis faktor. KMO memiliki

skala yang berkisaran antara 0 sampai dengan 1. Bartlett Test harus dilakukan agar variabel nya

dapat ber korelasi karena signifikansi di bawah (5%).

Gambar 4.2 Uji KMO dan Bartlett’s Test

Signifikansi uji KMO dan Bartless Test menunjukkan nilai 0,000. Hal ini membuktikan

bahwa data yang digunakan penelitian dapat diteliti lebih lanjut.

3. Jarak antar cluster

Distance between atau centroid distance adalah jarak antar centroid dari satu cluster ke

cluster lainnya. Hasil clustering dapat dikatakan baik apabila memiliki nilai distance between

yang relatif tinggi. Semakin besar nilainya berarti jarak antara cluster satu dengan yang lainnya

semakin renggang. Hal ini berarti antara cluster satu dengan cluster lainnya semakin terlihat jelas

perbedaannya. Hasil perhitungan jarak antar cluster dalm penelitian ini dapat dilihat pada tabel

4.2 berikut.

9
 Tabel 4. 2 Jarak Antar Cluster
Jarak Antar Cluster

Cluster 1 2 3 4 5 6 7 8
1 6.109 2.636 2.661 3.017 4.730 4.463 5.251
2 6.109 5.959 4.120 3.983 8.017 5.601 7.413
3 2.636 5.959 2.520 2.763 2.997 5.096 4.427
4 2.661 4.120 2.520 1.713 5.034 4.553 5.475
5 3.017 3.983 2.763 1.713 4.649 3.325 4.680
6 4.730 8.017 2.997 5.034 4.649 6.313 4.243
7 4.463 5.601 5.096 4.553 3.325 6.313 4.905
8 5.251 7.413 4.427 5.475 4.680 4.243 4.905

4. Penentuan K-Means Clustering

a. Jumlah anggota cluster

Jumlah anggota masing-masing cluster disajikan pada tabel 4.3 berikut.

Tabel 4. 3 Jumlah Anggota Cluster

Cluster Jumlah Anggota
1 3
2 1
3 3
4 5
5 2
6 1
7 1
8 1
Berdasarkan Tabel 4.3 dari 17 Kabupaten/Kota di Sumatera Selatan, dibentuk 8 buah

cluster dimana cluster ke 4 merupakan cluster dengan jumlah terbanyak yaitu 5 Kabupaten/Kota,

cluster 1 dan cluster 3 dengan 3 Kabupaten/Kota, cluster 5 dengan 2 Kabupaten/Kota, cluster 2,

cluster 6, cluster 7 dan cluster 8 masing-masing dengan 1 Kabupaten/Kota. Hal ini menunjukkan

bahwa sebagian besar Kabupaten/Kota di Provinsi Sumatera Selatan memiliki karakteristik

sebagaimana karakteristik cluster 4. Rincian anggota cluster dapat dilihat pada tabel 4.4 sebagai

berikut.

10
 Tabel 4. 4 Keanggotaan Cluster
Pengelompokkan
Anggota Cluster Jarak centroid

Cluster 1
Ogan Komering Ilir 1,607
Musi Rawas 1,171
Ogan Komering ulu Timur 1,128
Cluster 2
Palembang 0,000
Cluster 3
Lahat 1,196
Musi Rawas Utara 1,654
Pagar Alam 1,195
Cluster 4
Ogan Komering Ulu 1,426
Muara Enim 0,762
Penukal Abab Lematang Ilir 1,045
Prabumulih 0,654
Lubuk Linggau 1,260
Cluster 5
Musi Banyuasin 1,443
Ogan Ilir 1,443
Cluster 6
Empat Lawang 0,000
Cluster 7
Banyuasin 0,000
Cluster 8
Ogan Komering Ulu Selatan 0,000

b. Interpretasi K-Means Cluster

Karakteristik cluster pada penelitian ini dapat dinilai melalui nilai rata-rata total pada

cluster yang disebut final cluter centers. Pada hasil output di tabel Final Cluster Centers dapat

diperhatikan data terkait dengan proses standarisasi yang mengacu pada z-score dapat dilihat

pada tabel 4.5 dan diagram 4.3 sebagai berikut.

11
 Final Cluster Centers
Cluster
Variabel 1 2 3 4 5 6 7 8
Sumber Penerangan .19841 .79694 .06629 .46184 .01625 -1.74330 .47866 -2.66812
Listrik
Air Minum Leding -.68364 3.21238 -.69970 .15400 .45334 -.98186 .71110 -.46825
dan Kemasan
Air Bersih -.02998 2.42396 -.53454 .44481 .23904 -2.46139 -.43030 -.54086

Jamban Sendiri .02494 1.17349 -.89000 .93197 .05303 -2.18992 .01220 -1.16647
dengan Tangki
Septik
Luas Lahan -1.72779 1.45580 -.12276 .21097 .80621 .30928 .44363 .67568
Perkapita Kurang 10
m2
Lantai Bukan Tanah -.81637 .83692 .72296 .40020 -.21386 .87339 -2.21741 -.78597

Atap Layak .11058 -1.10224 .93194 .15501 -.80954 .82867 -2.39371 .38377

Dinding Permanen .44792 .12935 -.02007 .58607 .17587 .02786 -1.73979 -2.98307

Dengan ketentuan sebagai berikut:

1) Nilai negatif (-) berarti data berada di bawah rata-rata total.

2) Nilai positif (+) berarti data berada di atas rata-rata total

Gambar 4. 3 Diagram Clustering Kab/Kota Berdasarkan Fasilitas Rumah Tangga

12
 Gambar 4.3, dapat dijelaskan menurut variabel dari kiri ke kanan, sehingga interpretasi

yang didapat ialah:

a) Sumber Penerangan Listrik, Pada variabel persentase rumah tangga dengan sumber

penerangan listrik cluster 2 memiliki rata-rata tertinggi, sedangkan cluster 6 dan cluster 8

memiliki rata-rata terendah dan di bawah rata-rata total karena bernilai negatif.

b) Air Minum Leding dan Kemasan, Pada variabel persentase rumah tangga dengan air

minum leding dan kemasan cluster 2 memiliki rata-rata tertinggi, sedangkan cluster 1,

cluster 3, cluster 6, dan cluster 8 memiliki rata-rata terendah dan berada di bawah rata-

rata total karena bernilai negatif.

c) Air Bersih, Pada variabel persentase rumah tangga dengan air bersih cluster 2 memiliki

rata-rata tertinggi, sedangkan cluster 1, cluster 3, cluster 6, cluster 7, dan cluster 8

memiliki rata-rata terendah dan berada di bawah rata-rata total karena bernilai negatif.

d) Jamban Sendiri dengan Tangki Septik, Pada variabel persentase rumah tangga jamban

sendiri dengan tangki septik cluster 2 memiliki rata-rata tertinggi, sedangkan cluster 3,

cluster 6, dan cluster 8 memiliki rata-rata terendah dan berada di bawah rata-rata total

karena bernilai negatif.

e) Luas Lahan Perkapita kurang dari 10 m2, Pada variabel persentase rumah tangga

dengan luas lahan perkapita kurang dari 10 m2 cluster 2 memiliki rata-rata tertinggi,

sedangkan cluster 1 dan cluster 3 memiliki rata-rata terendah dan berada di bawah rata-

rata total karena bernilai negatif.

f) Lantai bukan Tanah, Pada variabel persentase rumah tangga dengan lantai bukan tanah

cluster 6 memiliki rata-rata tertinggi, sedangkan cluster 1, cluster 5, cluster 7, dan cluster

8 memiliki rata-rata terendah dan berada di bawah rata-rata total karena bernilai negatif.

13
 g) Atap Layak, Pada variabel persentase rumah tangga dengan atap layak cluster 3

memiliki rata-rata tertinggi, sedangkan cluster 2, cluster 5, dan cluster 7 memiliki rata-

rata terendah dan berada di bawah rata-rata total karena bernilai negatif.

h) Dinding Permanen, Pada variabel persentase rumah tangga dengan dinding permanen

cluster 4 memiliki rata-rata tertinggi, sedangkan cluster 3, cluster 7, dan cluster 8

memiliki rata-rata terendah dan berada di bawah rata-rata total karena bernilai negatif.

KESIMPULAN

Kesimpulan yang didapat dari penelitian persentase fasilitas rumah tanga ialah terdapat

delapan hasil cluster. Cluster 1 terdiri dari Ogan Komering ilir, Musi Rawas, dan Ogan

Komering Ilir Timur. Cluster 2 terdiri dari Palembang. Cluster 3 terdiri dari Lahat, Musi Rawas

Utara, dan Pagar Alam. Cluster 4 terdiri dari Ogan Komering Ulu, Muara Enim, Penukal Abab

Lematang Ilir, Prabumulih dan Lubuk Linggau. Cluster 5 terdiri dari Musi Banyuasin dan Ogan

Ilir. Cluster 6 terdiri dari Empat Lawang. Cluster 7 terdii dari Banyuasin. Cluster 8 terdiri dari

Ogan Komering Ulu Selatan.

SARAN

Hasil dari penelitian Kabupaten Lahat, Musi Rawas Utara, Pagar Alam, Ogan Komering

Ulu Selatan, Empat Lawang, Ogan Komering Ilir, Musi Rawas, Ogan Komering Ulu Timur, dan

Banyuasin memiliki tingkat kesejahteraan hidup layak terendah. Berdasarkan hasil final

clustering, perlu ditambahkan lebih banyak lagi variabel persentase fasilitas rumah tangga agar

menjadi tambahan tolak ukur dalam pengambilan hasil penelitian.

REFERENSI`

[1] Rumah.com. (2021). 11 Fasilitas Yang Wajib Ada di Hunian Rumah dan Apartement.
Retrived September 2022, from https://www.rumah.com/panduan-properti/fasilitas
umum

14
[2] Sihombing, Sagita Charolina. (2021). Pengelompokan Tingkat Kesejahteraan
Masyarakat di Sumatera Utara dengan Metode K-Means Clustering. Jurnal Matematika
Integratif, 1-10.
[3] Ginting, Ria Putri. (2017). Pengelompokan Kabupaten/ Kota Di Sumatera Utara
BerdasarkanKarakteristik Iklim Dengan Analisis Cluster. Medan: Universitas Sumatera
Utara
[4] Windasari, Renta. (2020). Analisis Cluster Hirarki Metode Average Linkage
Berdasarkan Jumlah Kriminalitas di Indonesia Tahun 2019. Malang: Universitas
Islam Negeri Maulana Malik Ibrahim

15