Laporan Praktikum Analisis Cluster: Tipologi KinerjaSarana dan Prasarana Kecamatan Karangtengah, Kabupaten

DemakDisusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan

(TKP 342)

Dikerjakan Oleh :Sally Indah Nurdyawati

21040113130096Kelas B

Jurusan Perencanaan Wilayah dan KotaFakultas Teknik Universitas Diponegoro

Semarang2015

1

I. PENDAHULUANSarana dan Prasarana memiliki peran yang penting dalam menyokong pertumbuhan sebuah

kota. Prasarana adalah kelengkapan dasar fisik suatu lingkungan, kawasan, kota atau wilayah(spatial space) sehingga memungkinkan ruang tersebut berfungsi sebagaimana mestinya. Saranaadalah fasilitas penunjang yang berfungsi untuk penyelenggaraan dan pengembangan kehidupansosial, ekonomi dan budaya (UU No.11 tahun 2010 tentang Perumahan dan Permukiman).

Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untukmengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis clustermengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lainberada dalam cluster yang sama. Cluster-cluster yang terbentuk memiliki homogenitas internalyang tinggi dan heterogenitas eksternal yang tinggi. Dalam ilmu Perencanaan Wilayah dan Kota,analisis cluster dapat dilakukan untuk melihat distribusi sektor PDRB, fasilitas, sarana, danprasarana sehingga dapat membantu menentukan kebijakan yang akan diambil terkait denganpemerataan pembangunan.

II. STUDI KASUSPada laporan ini diambil studi kasus pada salah satu kecamatan yang ada di Kabupaten

Demak, yakni Kecamatan Karangtengah. Kabupaten Demak merupakan salah satu kabupaten diProvinsi Jawa Tengah yang letaknya berbatasan langsung dengan Ibukota Provinsi Jawa Tengah,yaitu Kota Semarang. Dalam perkembangannya, Kabupaten Demak dipengaruhi oleh prosesurbanisasi Kota Semarang. Hal tersebut juga terjadi di Kecamatan Karangtengah yang secaralokasi dilalui oleh jalur pantura. Oleh sebab itu perlu dilakukan kajian mengenai sarana danprasana yang dapat mendukung pertumbuhan dan perkembangan Kecamatan Karangtengah.Sarana dan prasarana yang dimaksud terdiri dari air bersih, sanitasi, drainase, persampahan, danjalan.

Data yang digunakan adalah data jumlah penduduk dan data kualitatif mengenai kondisieksisting sarana dan prasarana di Kecamatan Karangtengah yang dikuantifikasi menjadi skaladata ordinal dari 1-3 (lihat Tabel II.1). Metode yang digunakan adalah metode HierarchicalCluster, yakni memulai pengelompokan dengan dua atau lebih obyek yang mempunyai kesamaanpaling dekat. Kemudian diteruskan pada obyek yang lain dan seterusnya hingga cluster akanmembentuk semacam ‘pohon’ dimana terdapat tingkatan (hirarki) yang jelas antar obyek, dariyang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk memperjelas proseshirarki ini disebut “dendogram”.

2

Tabel II.1Klasifikasi Sarana dan Prasarana

Klasifikasi KarakteristikAir Bersih Sanitasi Drainase Persampahan Jalan

1Air bersihbersumber darisungai

Cakupanpenggunajamban <50%

Kondisidrainase buruk,sering terjadiluapan air yangmengakibatkanbanjir

Belum terdapatpengelolaansampah

Kondisi jalanburuk, belumterdapatpeneranganjalan

2Air bersihbersumber darisumur artetis

Cakupanpenggunajamban 51%-74%

Kondisidrainasesedang, jarangterjadi luapanair, terjadipencemaranoleh limbahindustri danlimbah padat

Sudah terdapatpengelolaansampah, tetapibelummaksimal

Kondisi jalanbaik, belumterdapatpeneranganjalan

3Air bersihbersuber dariPDAM

Cakupanpenggunajamban >75%

Kondisidrainasi baik,tidak pernahterjadi luapanair, tidakterdapatpencemaranoleh limbahindustri danlimbah padat

Sudah terdapatpengelolaansampah yangbaik

Kondisi jalanbaik, terdapatpeneranganjalan

Sumber: Hasil Analisis, 2015

Tabel II.2Kondisi Eksisting Sarana dan Prasarana di Kecamatan Karangtengah

No Desa JumlahPenduduk Air Bersih Sanitasi Drainase Persampahan Jalan

1 Grogol 2263 2 2 3 1 32 Donorejo 4870 1 2 1 1 33 Pidodo 2054 2 2 2 1 14 Klitih 2186 2 1 1 1 35 Sampang 2094 2 2 2 1 36 Ploso 1868 2 2 3 1 27 Kedunguter 1845 2 2 2 1 28 Batu 2929 2 2 2 1 29 Rejosari 2069 2 2 2 1 310 Tambakbulusan 1597 2 3 1 2 111 Wonoagung 2599 2 2 2 1 212 Wonokerto 2263 2 2 2 1 313 Wonowoso 3839 2 2 3 1 314 Dukun 3220 2 2 2 1 315 Pulosari 2789 3 2 2 1 316 Karangsari 3764 3 2 2 1 2

3

No Desa JumlahPenduduk Air Bersih Sanitasi Drainase Persampahan Jalan

17 Karangtowo 2128 3 1 1 1 3Sumber: Hasil Analisis Prasarana Wilayah dan Kota Kecamatan Karangtengah, 2014

III. HASIL DAN PEMBAHASANBerdasarkan analisis yang telah dilakukan, maka didapatkan hasil sebagai berikut:

Case Processing Summarya

Cases

Valid Missing Total

N Percent N Percent N Percent

17 100.0 0 .0 17 100.0

a. Average Linkage (Between Groups)

Keterangan Output: Dari 17 data yang telah diproses, kevalidannya adalah 100% sehingga tidak ada data

yang hilang atau missing.

4

Proximity Matrix

Case

Squared Euclidean Distance

1:Grog

ol

2:Dono

rejo

3:Pidod

o 4:Klitih

5:Samp

ang 6:Ploso

7:Kedu

nguter 8:Batu

9:Rejos

ari

10:Tambak

bulusan

11:Wono

agung

12:Won

okerto

13:Won

owoso

14:Duk

un

15:Pulo

sari

16:Kara

ngsari

17:Karan

gtowo

1:Grogol .000 679645

4.000

43686.

000

5934.0

00

28562.

000

156026

.000

174726.

000

443558

.000

37637.

000

443566.00

0

112898.

000

1.000 248377

6.000

915850

.000

276678

.000

225300

4.000

18231.0

00

2:Donorejo 679645

4.000

.000 792986

2.000

720385

8.000

770617

8.000

901201

0.000

915062

8.000

376748

4.000

784560

3.000

1.071E7 5157444

.000

679645

1.000

106296

6.000

272250

2.000

433056

6.000

122324

2.000

7518569

.000

3:Pidodo 43686.

000

792986

2.000

.000 17430.

000

1604.0

00

34598.

000

43682.0

00

765626

.000

229.00

0

208852.00

0

297026.

000

43685.0

00

318623

0.000

135956

0.000

540230

.000

292410

2.000

5483.00

0

4:Klitih 5934.0

00

720385

8.000

17430.

000

.000 8466.0

00

101130

.000

116284.

000

552052

.000

13691.

000

346930.00

0

170572.

000

5931.00

0

273241

4.000

106915

8.000

363612

.000

249008

8.000

3365.00

0

5:Sampang 28562.

000

770617

8.000

1604.0

00

8466.0

00

.000 51078.

000

62002.0

00

697226

.000

625.00

0

247016.00

0

255026.

000

28561.0

00

304502

6.000

126787

6.000

483026

.000

278890

2.000

1159.00

0

6:Ploso 156026

.000

901201

0.000

34598.

000

101130

.000

51078.

000

.000 530.000 112572

2.000

40403.

000

73448.000 534362.

000

156027.

000

388484

2.000

182790

6.000

848244

.000

359481

8.000

67607.0

00

7:Kedungut

er

174726

.000

915062

8.000

43682.

000

116284

.000

62002.

000

530.00

0

.000 117505

6.000

50177.

000

61508.000 568516.

000

174725.

000

397603

8.000

189062

6.000

891138

.000

368256

2.000

80093.0

00

8:Batu 443558

.000

376748

4.000

765626

.000

552052

.000

697226

.000

112572

2.000

117505

6.000

.000 739601

.000

1774228.0

00

108900.

000

443557.

000

828102.

000

84682.

000

19602.

000

697226.

000

641605.

000

9:Rejosari 37637.

000

784560

3.000

229.00

0

13691.

000

625.00

0

40403.

000

50177.0

00

739601

.000

.000 222791.00

0

280901.

000

37636.0

00

313290

1.000

132480

1.000

518401

.000

287302

7.000

3484.00

0

10:Tambak

bulusan

443566

.000

1.071E

7

208852

.000

346930

.000

247016

.000

73448.

000

61508.0

00

177422

8.000

222791

.000

.000 1004008

.000

443563.

000

502657

4.000

263413

6.000

142087

2.000

469589

4.000

281971.

000

5

11:Wonoag

ung

112898

.000

515744

4.000

297026

.000

170572

.000

255026

.000

534362

.000

568516.

000

108900

.000

280901

.000

1004008.0

00

.000 112897.

000

153760

2.000

385642

.000

36102.

000

135722

6.000

221845.

000

12:Wonoke

rto

1.000 679645

1.000

43685.

000

5931.0

00

28561.

000

156027

.000

174725.

000

443557

.000

37636.

000

443563.00

0

112897.

000

.000 248377

7.000

915849

.000

276677

.000

225300

3.000

18228.0

00

13:Wonow

oso

248377

6.000

106296

6.000

318623

0.000

273241

4.000

304502

6.000

388484

2.000

397603

8.000

828102

.000

313290

1.000

5026574.0

00

1537602

.000

248377

7.000

.000 383162

.000

110250

2.000

5628.00

0

2927527

.000

14:Dukun 915850

.000

272250

2.000

135956

0.000

106915

8.000

126787

6.000

182790

6.000

189062

6.000

84682.

000

132480

1.000

2634136.0

00

385642.

000

915849.

000

383162.

000

.000 185762

.000

295938.

000

1192467

.000

15:Pulosari 276678

.000

433056

6.000

540230

.000

363612

.000

483026

.000

848244

.000

891138.

000

19602.

000

518401

.000

1420872.0

00

36102.0

00

276677.

000

110250

2.000

185762

.000

.000 950626.

000

436923.

000

16:Karangs

ari

225300

4.000

122324

2.000

292410

2.000

249008

8.000

278890

2.000

359481

8.000

368256

2.000

697226

.000

287302

7.000

4695894.0

00

1357226

.000

225300

3.000

5628.00

0

295938

.000

950626

.000

.000 2676499

.000

17:Karangt

owo

18231.

000

751856

9.000

5483.0

00

3365.0

00

1159.0

00

67607.

000

80093.0

00

641605

.000

3484.0

00

281971.00

0

221845.

000

18228.0

00

292752

7.000

119246

7.000

436923

.000

267649

9.000

.000

This is a dissimilarity matrix

Keterangan Output:Tabel diatas menujukkan matrik jarak antara variabel satu dengan variabel yang lain. Semakin kecil jarak euclidean, maka semakin mirip kedua variabeltersebut sehingga akan membentuk kelompok (cluster). Sebagai contoh, jarak euclidean antara Desa Grogol dengan Pidodo adalah sebesar 43686.000

6

Agglomeration Schedule

Stage

Cluster Combined

Coefficients

Stage Cluster First Appears

Next StageCluster 1 Cluster 2 Cluster 1 Cluster 2

1 1 12 1.000 0 0 9

2 3 9 229.000 0 0 4

3 6 7 530.000 0 0 10

4 3 5 1114.500 2 0 7

5 4 17 3365.000 0 0 7

6 13 16 5628.000 0 0 15

7 3 4 8285.500 4 5 9

8 8 15 19602.000 0 0 11

9 1 3 26809.100 1 7 12

10 6 10 67478.000 3 0 12

11 8 11 72501.000 8 0 13

12 1 6 166821.286 9 10 14

13 8 14 218695.333 11 0 14

14 1 8 809257.800 12 13 16

15 2 13 1143104.000 0 6 16

16 1 2 3974131.738 14 15 0

Keterangan Output:Tabel di atas merupakan hasil proses clustering dengan metode Between GroupLinkage. Setelah jarak antar variabel diukur dengan jarak euclidean, maka dilakukanpengelompokan yang dilakukan secara bertingkat (stage). Stage 1 : terbentuk 1 cluster yang beranggotakan obyek ke-1 (Desa Grogol) dan

obyek ke-12 (Desa Wonokerto) dengan jarak 1,000 (pada kolom Coefficients).Selanjutnya lihat kolom terakhir (Next Stage), terlihat angka 9. Hal ini berarticlustering selanjutnya dilakukan dengan melihat stage 9.

Baris ke-9 (stage 9) terlihat obyek ke-1 (Desa Grogol) membentuk cluster denganobyek ke-3 (Desa Pidodo) dengan jarak 26809.100. Dengan demikian, sekarangcluster terdiri dari 3 obyek, Desa Grogol, Wonokerto, dan Pidodo. Selanjutnyalihat kolom Next Stage, terlihat angka 12, maka clustering berikutnya dilakukanpada stage 12.

Stage 2 : terjadi pembentukan cluster onyek ke-3 (Desa Pidodo) dan obyek ke-9(Desa Rejosari) dengan jarak 229.000, yang kemudian berlanjut ke stage 4.

Demikian seterusnya dari stage 3 dilanjutkan ke stage 10, sampai ke stageterakhir. Proses pengklasteran bertingkat tersebut akan berhenti hingga kolomNext Stage menujukkan angka 0 (nol).

7

Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters

1:Grogol 1 1 1

2:Donorejo 2 2 2

3:Pidodo 1 1 1

4:Klitih 1 1 1

5:Sampang 1 1 1

6:Ploso 1 1 1

7:Kedunguter 1 1 1

8:Batu 3 1 1

9:Rejosari 1 1 1

10:Tambakbulusan 1 1 1

11:Wonoagung 3 1 1

12:Wonokerto 1 1 1

13:Wonowoso 4 3 2

14:Dukun 3 1 1

15:Pulosari 3 1 1

16:Karangsari 4 3 2

17:Karangtowo 1 1 1

Keterangan Output:Pada tabel Cluster Membership, 17 obyek yang dianalisis dikelompokkan ke dalambeberapa kluster, sebegai berikut: Apabila dibentuk 4 cluster, maka : Anggota cluster 1 adalah Desa Grogol, Pidodo, Klitih, Sampang, Ploso,

Kedunguter, Rejosari, Tambakbulusan, Wonokerto, dan Karangtowo. Anggota cluster 2 adalah Desa Donorejo Anggota cluster 3 adalah Desa Batu, Wonoagung, Dukun, dan Pulosari. Anggota cluster 4 adalah Desa Wonowoso dan Karangsari.

Apabila dibentuk dibentuk 3 cluster, maka : Anggota cluster 1 adalah Desa Grogol, Pidodo, Klitih, Sampang, Ploso,

Kedunguter, Batu, Rejosari, Tambakbulusan, Wonoagung, Wonokerto,Dukun, Pulosari, dan Karangtowo.

Anggota cluster 2 adalah Desa Donorejo. Anggota cluster 3 adalah Desa Wonowoso dan Karangsari.

Apabila dibentuk dibentuk 2 cluster, maka : Anggota cluster 1 adalah Desa Grogol, Pidodo, Klitih, Sampang, Ploso,

Kedunguter, Batu, Rejosari, Tambakbulusan, Wonoagung, Wonokerto,Dukun, Pulosari, dan Karangtowo.

Anggota cluster 2 adalah Desa Donorejo, Wonowoso, dan Karangsari.

8

* * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * ** * * * * * * * * * *

Dendrogram using Average Linkage (Between Groups)

Rescaled Distance Cluster Combine

C A S E 0 5 10 15 20 25Label Num +---------+---------+---------+---------+---------+

Grogol 1 -+Wonokerto 12 -+Pidodo 3 -+-+Rejosari 9 -+ |Sampang 5 -+ |Klitih 4 -+ +-------+Karangtowo 17 -+ | |Ploso 6 -+ | |Kedunguter 7 -+-+ +-------------------------------------+Tambakbulusan 10 -+ | |Batu 8 -+ | |Pulosari 15 -+-+ | |Wonoagung 11 -+ +-------+ |Dukun 14 ---+ |Wonowoso 13 -+-------------+ |Karangsari 16 -+ +---------------------------------+Donorejo 2 ---------------+

Keterangan Output:Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan ditentukan berapa cluster yang seharusnya dibentuk. Dendogram di atasmemiliki skala 0-25. Semakin mendekati angka nol, maka semakin banyak persamaan sehingga memungkinkan untuk bergabung dalam satu cluster. Berdasarkan dendogram di atas, apabila dibentuk 2 cluster, maka anggota cluster 1 terdiri dari 14 Desa, yakni Desa Grogol – Desa Dukun, sedangkan

anggota cluster 2 terdiri dari 3 Desa, yakni Desa Wonowoso – Desa Donorejo. Hal tersebut diperlihatkan dengan adanya kesamaan garis vertikal(ditandai dengan pada output dendogram).

Apabila dibentuk 2 cluster: Anggota Cluster 1: Desa Grogol –

Desa Dukun Anggota Cluster 2: Desa Wonowoso

– Desa Donorejo

IV. KESIMPULANPada analisis cluster, maka didapatkan pembentukan 4 cluster, 3 cluster, dan 2 cluster yangmasing-masing anggota dan karakteristiknya adalah sebagai berikut:

Tabel IV.1Rekap Data Cluster

PembentukanCluster Cluster Anggota Karakteristik

IV

1

Desa Grogol, Pidodo, Klitih,Sampang, Ploso,Kedunguter, Rejosari,Tambakbulusan, Wonokerto,dan Karangtowo.

Air bersih relatif bersumber dari sumur artetis.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase relatif masih tercemar oleh limbah industridan limbah padat.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

2 Desa Donorejo

Air bersih relatif bersumber dari sungai.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase masih tercemar oleh limbah industri danlimbah padat dan sering terdapat luapan air.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

3 Desa Batu, Wonoagung,Dukun, dan Pulosari.

Air bersih relatif bersumber dari sumur artetis.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase masih tercemar oleh limbah industri danlimbah padat dan sering terdapat luapan air.Belum adanya pengelolaan sampah.Kondisi jalan baik, tetapi belum ada penerangan jalan.

4 Desa Wonowoso danKarangsari.

Air bersih relatif bersumber dari PDAMCakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase relatif baik.Belum adanya pengelolaan sampah.Kondisi jalan baik, terdapat penerangan jalan.

III

1

Desa Grogol, Pidodo,Klitih, Sampang, Ploso,Kedunguter, Batu,Rejosari, Tambakbulusan,Wonoagung, Wonokerto,Dukun, Pulosari, danKarangtowo.

Air bersih relatif bersumber dari sumur artetis.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase sedang, relatif masih tercemar oleh limbahindustri dan limbah padat.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

2 Desa Donorejo.

Air bersih relatif bersumber dari sungai.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase masih tercemar oleh limbah industri danlimbah padat dan sering terdapat luapan air.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

3 Desa Wonowoso danKarangsari.

Air bersih relatif bersumber dari PDAMCakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase relatif baik.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

II 1

Desa Grogol, Pidodo,Klitih, Sampang, Ploso,Kedunguter, Batu,Rejosari, Tambakbulusan,Wonoagung, Wonokerto,

Air bersih relatif bersumber dari sumur artetis.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase sedang, relatif masih tercemar olehlimbah industri dan limbah padat.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

10

PembentukanCluster Cluster Anggota Karakteristik

Dukun, Pulosari, danKarangtowo.

2Desa Donorejo,Wonowoso, danKarangsari.

Air bersih relatif bersumber dari sumber yang bervariasi.Cakupan pengguna jamban berkisar antara 51% - 74%.Kondisi drainase relatif bervariasi.Belum adanya pengelolaan sampah.Kondisi jalan baik dan terdapat penerangan jalan.

Sumber: Hasil Analisis, 2015*Keterangan: kalimat yang dicetak tebal menujukkan ciri pembeda antar cluster

Berdasarkan Tabel IV.1, kondisi yang menjadi pembeda antar cluster mayoritas terletakpada keberagaman sumber air bersih yan terdapat di setiap desa. Desa Donorejo membentukcluster sendiri karena terdapat perbedaan yang signifikan dari aspek air bersih, yakni masihmenggunakan sungai sebagai sumber air bersih sehari-hari. Pengklasifikasian tersebutnantinya diharapkan dapat membantu para stakeholder dalam menentukan kebijakan terkaitdengan pembangunan sarana dan prasarana di Kecamatan Karangtengah.

V. DAFTAR PUSTAKAUlwan, M Nashihun. 2014. “Cara Analisis Cluster Metode Hirarkis dengan SPSS” dalam

portal-statistik.com Diunduh pada 10 April 2015

11

LAMPIRAN LANGKAH KERJA

Buka Program SPSS Pada variable view isikan data Desa, AirBersih, Sanitasi, Drainase, Persampahan, dan Jalan.

Gunakan skala data ordinal untuk air bersih, sanitasi, drainase, persampahan, dan jalan. Isikan Values sesuai dengan klasifikasi data yang telah ditentukan sebelumnya

Input Data yang telah ada di bagian Data View.

Untuk melakukan analisis cluster, pada menu bar pilih Analyze ClassifyHierarchicalCluster

12

Pindahkan variabel Desa ke dalam Label Cases by, dan variabel lainnya ke dalamVariables(s) seperti gambar.

Klik button Statistics Pilih opsi sesuai gambar, pada Cluster Membership isikan RangeSolution Minimum 2 dan Maximum 4 karena cluster yang akan dibentuk adalah 2-4 Continue.

Klik button Plots Pilih opsi sesuai gambar Continue.

Klik button Method Pilih Cluster Method “Between-groups linkage” Continue.Lalu klik OK.