Lapprak Cluster Aida Ulfa Faza

19
LAPORAN PRAKTIKUM ANALISIS CLUSTER Pengelompokan Kecamatan Berdasarkan Jumlah Fasilitas Kesehatan, Ekonomi dan Pendidikan di Kabupaten Kendal Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan (TKP 342) Dosen Pengampu: Dr. Iwan Rudiarto, M.Sc Sri Rahayu, S. Si., M. Si Widjonarko, S. T., M. T Anang Wahyu Sejati, S. T., M. T Disusun Oleh: Aida Ulfa Faza 21040113120028

description

Laporan Praktikum Cluster

Transcript of Lapprak Cluster Aida Ulfa Faza

Page 1: Lapprak Cluster Aida Ulfa Faza

LAPORAN PRAKTIKUM ANALISIS CLUSTERPengelompokan Kecamatan Berdasarkan Jumlah Fasilitas Kesehatan, Ekonomi dan

Pendidikan di Kabupaten Kendal

Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan

(TKP 342)

Dosen Pengampu:Dr. Iwan Rudiarto, M.ScSri Rahayu, S. Si., M. SiWidjonarko, S. T., M. T

Anang Wahyu Sejati, S. T., M. T

Disusun Oleh:

Aida Ulfa Faza21040113120028

Jurusan Perencanaan Wilayah dan KotaFakultas Teknik Universitas Diponegoro

2015

Page 2: Lapprak Cluster Aida Ulfa Faza

1. PENDAHULUANStudi Perencanaan Wilayah dan Kota merupakan studi yang memiliki ruang lingkup

analisis statistik yang luas. Analisis-analisis statistik tersebut pada dasarnya merupakan instrumen yang memiliki fungsi untuk mempermudah proses perencanaan. Adapun salah satu analisis statistik yang digunakan oleh studi Perencanaan Wilayah dan Kota adalah analisis cluster. Analisis cluster merupakan salah satu metode analisis dalam proses perencanaan di mana kaitannya dengan Perencanaan Wilayah dan Kota analisis cluster memiliki keunggulan untuk mengelompokkan objek-objek penelitian dengan tujuan dapat mempermudah analisis dalam perencanaan sehingga pengambilan keputusan dapat dilakukan dengan lebih mudah dan ringkas.

Analisis cluster adalah teknik multivariat yang berfungsi untuk mengelompokkan objek-objek berdasarkan karakter yang dimilikinya. Dasar pengelompokkan objek-objek oleh analisis cluster adalah kesamaan sifat yang dimiliki oleh masing-masing objek. Objek-objek yang memiliki sifat yang mirip (paling dekat  kesamaannya) akan mengelompok ke dalam satu cluster (kelompok) yang sama. Adapun prinsip dari analisis cluster yang baik adalah cluster yang mempunyai h omogenitas  (kesamaan) yang tinggi antar anggota dalam satu cluster (within-cluster) dan heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan cluster yang lainnya(Rangkuti, 2011).

Analisis cluster merupakan metode analisis yang cukup sederhana, namun analisis cluster dapat memberikan pengelompokkan beragam objek-objek. Proses analisis cluster dilakukan dengan dua tahap, yakni: (1) Mengukur kesamaan antar objek (similarity).  Proses pertama adalah mengukur seberapa jauh ada kesamaan antar objek. Metode yang digunakan adalah mengukur korelasi antar sepasang objek pada beberapa variabel dan mengukur jarak (distance) antara dua objek. Pengukuran ada bermacam-macam, yang paling popular adalah metode Euclidian distance. (2)Membuat cluster. Metode dalam membuat cluster ada banyak sekali, seperti yang digambarkan dalam diagram di bawah ini: Hirarchial Methode dan Non-Hirarchial Methode(Anonim, 2014)

Hirarchial Methode dimulai dengan pengelompokan dengan dengan dua atau lebih objek yang mempunyai kesamaan paling dekat. Kemudian proses diteruskan ke objek lain yang mempunyai kedekatan kedua. Demikian seterusnya sehingga cluster akan membentuk semacam “pohon”, di mana  ada hirarki (tingkatan) yang jelas antar objek, dari yang paling mirip sampai paling tidak mirip. Secara logika semua objek pada akhirnya akan membentuk sebuah cluster. Dendogram biasanya digunakan untuk membantu memperjelas proses hirarki tersebut.Non-Hirarchial Methode dimulai dengan terlebih dahulu jumlah cluster yang diinginkan (dua cluster, tiga cluster atau yang lain). Setelah jumlah cluster diketahui, baru proses cluster dilakukan tanpa mengikuti proses hirarki. Metode ini biasa disebut dengan K-Means Cluster. Kebalikan dari metode hirarki, metode nonhirarki tidak meliputi proses “treelike construction“. Justru menempatkan objek-objek ke dalam cluster sekaligus sehingga terbentuk sejumlah cluster tertentu. Adapun asumsi yang digunakan dalam analisis cluster adalah: (1) Sampel yang diambil benar-benar dapat mewakili populasi yang ada (2) Multikolinieritas. Dengan demikiananalisis cluster dalam bidang perencanaan wilayah dan kota dapat menjadi alat bantu dalam mengelompokkan data-data yang memiliki karakteristik sama..

Page 3: Lapprak Cluster Aida Ulfa Faza

2. STUDI KASUSKabupaten Kendal adalah adalah salah satu kabupaten di Jawa Tengah. Kabupaten Kendal

berbatasan dengan Kabupaten Temanggung di sebelah selatan, Laut Jawa di sebelah utara, Kota Semarang di sebelah timur dan Kabupaten Batang di sebelah barat. Kabupaten Kendal termasuk dalam PKN (Pusat Kegiatan Nasional) Kedungsepur yang merupakan PKN yang cukup berpengaruh setelah Jabodetabek, Gerbangkertosusila dan Bandung Raya. Sebagai salah satu anggota dari PKN bersama Kabupaten Demak, Kabupaten Ungaran (Kabupaten Semarang), Kota Salatiga, Kota Semarang, dan Purwodadi (Kabupaten Grobogan).

Peran Kabupaten Kendal terhadap perkembangan Kedungsepur tentunya merupakan hal yang utama. Adapun Salah satu bentuk pengembangan Kabupaten Kendal adalah dengan mengembangkan fasilitas-fasilitas di Kabupaten Kendal seperti fasilitas ekonomi, pendidikan dan fasilitas kesehatan. Fasilitas yang lengkap pada dasarnya dapat menunjang berbagai aktivitas masyarakat di dalamnya. Pemenuhan fasilitas sesuai kebutuhan menjadi tanggung jawab Pemerintah. Kebijakan untuk memenuhi fasilitas di Kabupaten Kendal tentunya harus disesuaikan dengan kebutuhan di masing-masing kecamatan. Agar mempermudah pengambilan keputusan, maka pengelompokkan kecamatan berdasarkan fasilitas yang sudah dimiliki merupakan hal yang diperlukan.

Maka dari itu, dalam penelitian ini akan dianalisis bagaimana pengelompokkan kecamatan-kecamatan di Kabupaten Kendal berdasarkan kelengkapan fasilitas yang ada, meliputi jumlah sarana pendidikan, jumlah sarana kesehatan dan jumlah sarana ekonomi. Kecamatan-kecamatan yang memiliki karakteristik kepemilikan jumlah fasilitas yang hampir sama dapat dikelompokkan menjadi beberapa kelompok sehingga dapat dirumuskan kebijakan berkaitan dengan kecamatan yang hampir sama tadi. Adapun dalam penelitian ini, jumlah sarana pendidikan yang dimaksud adalah jumlah SD/MI, SMP/MTs dan SMA/MA baik negeri maupun swasta. Jumlah kesehatan yang dimaksud adalah jumlah puskesmas utama di tiap kecamatan sedangkan jumlah sarana ekonomi yang dimaksud adalah jumlah pasar di tiap kecamatan. Analisis pengelompokkan kecamatan-kecamatan di Kabupaten Kendal berdasarkan jumlah sarana pendidikan, jumlah sarana kesehatan dan jumlah sarana ekonomi dilakukan dengan analisis cluster dengan ward’s method yang terdapat di software SPSS. Dalam analisis ini data yang digunakan juga tidak di skoring terlebih dahulu, semua data kuantitatif tidak mengalami perubahan sama sekali. Berikut ini adalah data yang digunakan untuk analisis.

Tabel 1 Jumlah Sarana Pendidikan, Kesehatan dan Ekonomi Kabupaten Kendal

KecamatanJumlah Sarana

PendidikanJumlah Sarana

KesehatanJumlah Sarana

Ekonomi

Plantungan 45 1 2Sukorejo 69 2 2Pageruyung 43 1 0Patean 49 1 0Singorojo 50 2 0Limbangan 43 1 1Boja 65 2 1Kaliwungu 40 1 1Kaliwungu Selatan 31 1 0Brangsong 37 2 2Pegandon 30 1 0Ngampel 24 1 1Gemuh 38 2 1

Page 4: Lapprak Cluster Aida Ulfa Faza

Ringinarum 27 1 1Weleri 54 2 1Rowosari 48 2 4Kangkung 43 2 2Cepiring 36 1 1Patebon 55 2 1Kota Kendal 56 2 3

Sumber : BPS Kabupaten Kendal, 2014

3. HASIL DAN PEMBAHASANA. Case Processing

Case Processing Summarya

Cases

Valid Missing Total

N Percent N Percent N Percent

20 100,0 0 ,0 20 100,0

Analisis OutputPada Tabel x dapat diketahui bahwa jumlah data dari jumlah fasilitas pendidikan, fasilitas kesehatan dan fasilitas ekonomi mempunyai validitas sebesar 100% yaitu semua data valid dan 0% missing yang artinya semua data terolah sempurna. B. Proximity Matrix

Proximity Matrix

Case Squared Euclidean Distance

1:Plantungan 2:Sukorejo 3:Pageruyung 4:Patean 5:Singorojo

1:Plantungan ,000 577,000 8,000 20,000 30,000

2:Sukorejo 577,000 ,000 681,000 405,000 365,000

3:Pageruyung 8,000 681,000 ,000 36,000 50,000

4:Patean 20,000 405,000 36,000 ,000 2,000

5:Singorojo 30,000 365,000 50,000 2,000 ,000

6:Limbangan 5,000 678,000 1,000 37,000 51,000

7:Boja 402,000 17,000 486,000 258,000 226,000

8:Kaliwungu 26,000 843,000 10,000 82,000 102,000

9:Kaliwungu

Selatan

200,000 1449,000 144,000 324,000 362,000

10:Brangsong 65,000 1024,000 41,000 149,000 173,000

11:Pegandon 229,000 1526,000 169,000 361,000 401,000

12:Ngampel 442,000 2027,000 362,000 626,000 678,000

13:Gemuh 51,000 962,000 27,000 123,000 145,000

14:Ringinarum 325,000 1766,000 257,000 485,000 531,000

15:Weleri 83,000 226,000 123,000 27,000 17,000

16:Rowosari 14,000 445,000 42,000 18,000 20,000

17:Kangkung 5,000 676,000 5,000 41,000 53,000

Page 5: Lapprak Cluster Aida Ulfa Faza

18:Cepiring 82,000 1091,000 50,000 170,000 198,000

19:Patebon 102,000 197,000 146,000 38,000 26,000

20:Kota Kendal 123,000 170,000 179,000 59,000 45,000Proximity Matrix

Case Squared Euclidean Distance

6:Limbangan 7:Boja 8:Kaliwungu 9:Kaliwungu

Selatan

10:Brangsong

1:Plantungan 5,000 402,000 26,000 200,000 65,000

2:Sukorejo 678,000 17,000 843,000 1449,000 1024,000

3:Pageruyung 1,000 486,000 10,000 144,000 41,000

4:Patean 37,000 258,000 82,000 324,000 149,000

5:Singorojo 51,000 226,000 102,000 362,000 173,000

6:Limbangan ,000 485,000 9,000 145,000 38,000

7:Boja 485,000 ,000 626,000 1158,000 785,000

8:Kaliwungu 9,000 626,000 ,000 82,000 11,000

9:Kaliwungu Selatan 145,000 1158,000 82,000 ,000 41,000

10:Brangsong 38,000 785,000 11,000 41,000 ,000

11:Pegandon 170,000 1227,000 101,000 1,000 54,000

12:Ngampel 361,000 1682,000 256,000 50,000 171,000

13:Gemuh 26,000 729,000 5,000 51,000 2,000

14:Ringinarum 256,000 1445,000 169,000 17,000 102,000

15:Weleri 122,000 121,000 197,000 531,000 290,000

16:Rowosari 35,000 298,000 74,000 306,000 125,000

17:Kangkung 2,000 485,000 11,000 149,000 36,000

18:Cepiring 49,000 842,000 16,000 26,000 3,000

19:Patebon 145,000 100,000 226,000 578,000 325,000

20:Kota Kendal 174,000 85,000 261,000 635,000 362,000Proximity Matrix

Case Squared Euclidean Distance

11:Pegandon 12:Ngampel 13:Gemuh 14:Ringinarum 15:Weleri

1:Plantungan 229,000 442,000 51,000 325,000 83,000

2:Sukorejo 1526,000 2027,000 962,000 1766,000 226,000

3:Pageruyung 169,000 362,000 27,000 257,000 123,000

4:Patean 361,000 626,000 123,000 485,000 27,000

5:Singorojo 401,000 678,000 145,000 531,000 17,000

6:Limbangan 170,000 361,000 26,000 256,000 122,000

7:Boja 1227,000 1682,000 729,000 1445,000 121,000

8:Kaliwungu 101,000 256,000 5,000 169,000 197,000

9:Kaliwungu Selatan 1,000 50,000 51,000 17,000 531,000

10:Brangsong 54,000 171,000 2,000 102,000 290,000

11:Pegandon ,000 37,000 66,000 10,000 578,000

Page 6: Lapprak Cluster Aida Ulfa Faza

12:Ngampel 37,000 ,000 197,000 9,000 901,000

13:Gemuh 66,000 197,000 ,000 122,000 256,000

14:Ringinarum 10,000 9,000 122,000 ,000 730,000

15:Weleri 578,000 901,000 256,000 730,000 ,000

16:Rowosari 341,000 586,000 109,000 451,000 45,000

17:Kangkung 174,000 363,000 26,000 258,000 122,000

18:Cepiring 37,000 144,000 5,000 81,000 325,000

19:Patebon 627,000 962,000 289,000 785,000 1,000

20:Kota Kendal 686,000 1029,000 328,000 846,000 8,000

Proximity Matrix

Case Squared Euclidean Distance

16:Rowosari 17:Kangkung 18:Cepiring 19:Patebon 20:Kota Kendal

1:Plantungan 14,000 5,000 82,000 102,000 123,000

2:Sukorejo 445,000 676,000 1091,000 197,000 170,000

3:Pageruyung 42,000 5,000 50,000 146,000 179,000

4:Patean 18,000 41,000 170,000 38,000 59,000

5:Singorojo 20,000 53,000 198,000 26,000 45,000

6:Limbangan 35,000 2,000 49,000 145,000 174,000

7:Boja 298,000 485,000 842,000 100,000 85,000

8:Kaliwungu 74,000 11,000 16,000 226,000 261,000

9:Kaliwungu Selatan 306,000 149,000 26,000 578,000 635,000

10:Brangsong 125,000 36,000 3,000 325,000 362,000

11:Pegandon 341,000 174,000 37,000 627,000 686,000

12:Ngampel 586,000 363,000 144,000 962,000 1029,000

13:Gemuh 109,000 26,000 5,000 289,000 328,000

14:Ringinarum 451,000 258,000 81,000 785,000 846,000

15:Weleri 45,000 122,000 325,000 1,000 8,000

16:Rowosari ,000 29,000 154,000 58,000 65,000

17:Kangkung 29,000 ,000 51,000 145,000 170,000

18:Cepiring 154,000 51,000 ,000 362,000 405,000

19:Patebon 58,000 145,000 362,000 ,000 5,000

20:Kota Kendal 65,000 170,000 405,000 5,000 ,000

Analisis OutputTabel Proximity Max menjelaskan ketidaksamaan sifat yang ada antar kecamatan. Semakin besar angka (jarak) antar kecamatan menunjukkan bahwa semakin banyak pula perbedaan sifat antara kecamatan-kecamatan tersebut. Adapun semakin kecil angka (jarak) antar kecamatan, menunjukkan semakin sedikit perbedaan sifat antara kecamatan-kecamatan tersebut. Berdasarkan tabel di atas, jarak terkecil antar kecamatan di Kabupaten Kendal adalah jarak antara Kecamatan Limbangan dan Kecamatan Pageruyung, Kecamatan Kaliwungu Selatan dengan Pegandon yakni berjarak dan Kecamatan Weleri dengan Patebon yang berjarak 1. Hal tersebut berarti bahwa Kecamatan Limbangan dan Kecamatan Pageruyung, Kecamatan Kaliwungu Selatan denga Pegandon dan Kecamatan Weleri dengan

Page 7: Lapprak Cluster Aida Ulfa Faza

Patebon memiliki sifat yang hampir sama. Sedangkan jarak terbesar antar kecamatan di Kabupaten Kendal adalah jarak antara Kecamatan Sukorejo dan Ngampel , yakni berjarak 2027. Hal tersebut berarti bahwa Kecamatan Sukorejo dan Kecamatan Ngampel memiliki sifat yang sangat berbeda.

C. Agglomeration ScheduleAgglomeration Schedule

Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage

Cluster 1 Cluster 2 Cluster 1 Cluster 2

1 15 19 ,500 0 0 9

2 9 11 1,000 0 0 14

3 3 6 1,500 0 0 6

4 10 13 2,500 0 0 7

5 4 5 3,500 0 0 13

6 3 17 5,667 3 0 8

7 10 18 8,000 4 0 11

8 1 3 11,833 0 6 15

9 15 20 16,000 1 0 17

10 12 14 20,500 0 0 14

11 8 10 27,667 0 7 16

12 2 7 36,167 0 0 17

13 4 16 48,500 5 0 15

14 9 12 74,500 2 10 18

15 1 4 126,667 8 13 16

16 1 8 293,985 15 11 18

17 2 15 466,818 12 9 19

18 1 9 1121,200 16 14 19

19 1 2 2756,750 18 17 0

Analisis OutputTabel di atas merupakan hasil analisis proses clustering dengan metode “Ward’s Method”. Setelah jarak antar variabel diukur dengan metode Ward Linkage, maka dilakukan pengelompokan, yang dilakukan secara bertahap (stages tertentu). Baris ke-1 (Stage 1): terbentuk 1 cluster yang beranggotakan obyek ke-15 (Kecamatan Weleri) dan obyek ke-19 (KecamatanPatebon) dengan jarak 0.5 (perhatikan kolom coefficients yang sejajar). Karena proses aglomerasi dimulai dari 2 obyek yang terdekat, maka jarak (coefficients) yang dimaksud adalah yang terdekat dari sekian kombinasi 20 obyek (kecamatan) yang ada. Selanjutnya lihat kolom Next Stage. Kolom Next Stage menunjukkan angka 9. Hal ini berarti clustering selanjutnya dilakukan dengan melihat stage 9. Baris ke-9 (Stage 9): Pada stage 9 terdapat obyek ke-15 (Kecamatan Weleri) dan obyek ke-20 (Kecamatan Kota Kendal) masuk pada kelompok pertama yang sudah terbentuk yaitu obyek ke-15 (Kecamatan Weleri) dan obyek ke-19 (Kecamatan Patebon). Dengan demikian ada 3 anggota yang sudah diketahui clusternya yaitu Kecamatan Weleri, Kecamatan Patebon dan Kecamatan Kota Kendal. Sedangkan jarak sebesar 16 merupakan jarak rata-rata obyek

Page 8: Lapprak Cluster Aida Ulfa Faza

terakhir yang bergabung dengan 2 obyek sebelumnya, seperti tampak dalam Proximity Matrix.

Jarak Kecamatan Kota Kendal dengan Weleri (Pada Proximity Matrix) = 8 Jarak Kecamatan Kota Kendal dengan Kecamatan Patebon = 5 Jadi, jarak rata-rata = (8+5)/2 = 6,5

Baris ke-17 (stage 17): terjadi pembentukan cluster obyek ke-2 (Kecamatan Sukorejo) dan ke-15 (Kecamatan Weleri) yang berjarak 466,818 yang kemudian berlanjut ke stage 19. Demikian seterusnya. Jika stagenya kembali lagi ke stage yang sudah dilalui, berarti proses pengklusteran dimulai dari awal, yaitu setelah stage 1 berarti stage 2. Dalam pengklusteran kali ini, stagenya akan berakhir sampai stage yang dijumpai stage 19, karena next stagenya 0.

D. Cluster Membership

Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters

1:Plantungan 1 1 1

2:Sukorejo 2 2 2

3:Pageruyung 1 1 1

4:Patean 1 1 1

5:Singorojo 1 1 1

6:Limbangan 1 1 1

7:Boja 2 2 2

8:Kaliwungu 1 1 1

9:Kaliwungu Selatan 3 3 1

10:Brangsong 1 1 1

11:Pegandon 3 3 1

12:Ngampel 3 3 1

13:Gemuh 1 1 1

14:Ringinarum 3 3 1

15:Weleri 4 2 2

16:Rowosari 1 1 1

17:Kangkung 1 1 1

18:Cepiring 1 1 1

19:Patebon 4 2 2

20:Kota Kendal 4 2 2

Analisis Ouput:Dari tabel diatas dapat diketahui bahwa : Apabila diinginkan dibentuk 4 cluster, maka :Anggota cluster 1 adalah Kecamatan Plantungan, Pageruyung, Patean, Singorojo, Limbangan, Kaliwungu, Brangsong, Gemuh, Rowosari, Kangkung dan Cepiring.Anggota cluster 2 adalah Kecamatan Sukorejo dan BojaAnggota cluster 3 adalah Kecamatan Kaliwungu Selatan, Pegandon dan NgampelAnggota cluster 4 adalah Kecamatan Weleri, Patebon dan Kota Kendal.

Page 9: Lapprak Cluster Aida Ulfa Faza

Apabila diinginkan dibentuk 3 cluster, maka :Anggota cluster 1 adalah Kecamatan Plantungan, Pageruyung, Patean, Singorojo, Limbangan, Kaliwungu, Brangsong. Gemuh, Rowosari, Kangkung dan Cepiring.Anggota cluster 2 adalah Kecamatan Sukorejo, Boja,Weleri, Patebon dan Kota Kendal. Anggota cluster 3 adalah Kecamatan Kaliwungu Selatan, Pegandon, Ngampel da Ringinarum. Apabila diinginkan dibentuk 2 cluster, maka :Anggota cluster 1 adalah Kecamatan Plantungan, Pageruyung, Patean, Singorojo, Limbangan, Kaliwungu, Kaliwungu Selatan, Brangsong, Pegandon, Ngampel, Gemuh, Ringinarum, Rowosari, Kangkung dan Cepiring.Anggota cluster 2 adalah Kecamatan Sukorejo, Boja, Weleri, Patebon dan Kota Kendal.

E. Dendogram

Page 10: Lapprak Cluster Aida Ulfa Faza

Analisis Ouput:Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan ditentukan

berapa cluster yang seharusnyadibentuk. Sebagai contoh yang terlihat dalam dendogram, Apabila akan dibentuk 2 cluster, maka:

Cluster 1 terdiri dari Kecamatan Kaliwungu Selatan, Pegandon, Ngampel, Ringinarum, Brangsong, Gemuh, Cepiring, Kaliwungu, Pageruyung, Limbangan, Kangkung, Plantungan, Patean,Singorojo, dan Rowosari.

Cluster 2 terdiri dari Kecamatan Weleri, Patebon, Kota Kendal, Sukorejo, dan Boja. Apabila akan dibentuk 3 cluster, maka:Cluster 1 terdiri dari Kecamatan Brangsong, Gemuh, Cepiring, Kaliwungu, Pageruyung, Limbangan, Kangkung, Plantungan, Patean,Singorojo, dan Rowosari.

Cluster 2 terdiri dari Kecamatan Kaliwungu Selatan, Pegandon, Ngampel, dan Ringinarum. Cluster 3 terdiri dari Kecamatan Weleri, Patebon, Kota Kendal, Sukorejo, dan Boja. Apabila akan dibentuk 4 cluster, maka:Cluster 1 terdiri dari Kecamatan Pageruyung, Limbangan, Kangkung, Plantungan, Patean, Singorojo, dan Rowosari.

Cluster 2 terdiri dari Kecamatan Kaliwungu, Cepiring, Gemuh dan Brangsong Cluster 3 terdiri dari Kecamatan Ringinarum, Ngampel, Pegandon dan Kaliwungu Selatan. Cluster 4 terdiri dari Kecamatan Boja, Sukorejo, Kota Kendal, Patebon, dan Weleri. Apabila ingin dibentuk 5 cluster, maka: Cluster 1 terdiri dari Kecamatan Pageruyung, Limbangan, Kangkung, Plantungan, Patean, Singorojo, dan Rowosari. Cluster 2 terdiri dari Kecamatan Kaliwungu, Cepiring, Gemuh dan Brangsong Cluster 3 terdiri dari Kecamatan Ringinarum, Ngampel, Pegandon dan Kaliwungu Selatan. Cluster 4 terdiri dari Kecamatan Boja, dan Sukorejo Cluster 5 terdiri dari Kecamatan Kota Kendal, Patebon, dan Weleri. Demikian seterusnya dapat dengan mudah dilihat anggota tiap cluster sesuai jumlah cluster

yang diinginkan.4. Kesimpulan

Pengambilan keputusan mengenai pemenuhan fasilitas di Kabupaten Kendal dapat dilihat dari kelengkapan/kepemilikan fasilitas di masing-masing kecamatan di Kabupaten Kendal. Kecamatan-kecamatan yang memiliki karakteristik kepemilikan jumlah fasilitas yang hampir sama dapat dikelompokkan menjadi beberapa kelompok sehingga dapat dirumuskan kebijakan berkaitan dengan kecamatan yang hampir sama tersebut. Adapun secara garis pembagian kelompok berdasarkan jumlah fasilitas yang dimiliki adalah sebagai berikut : Apabila akan dibentuk 2 cluster, maka:

Page 11: Lapprak Cluster Aida Ulfa Faza

Cluster 1 Cluster 2Kecamatan Kaliwungu Selatan, Pegandon, Ngampel, Ringinarum, Brangsong, Gemuh, Cepiring, Kaliwungu, Pageruyung, Limbangan, Kangkung, Plantungan, Patean,Singorojo, dan Rowosari.

Kecamatan Weleri, Patebon, Kota Kendal, Sukorejo, dan Boja.

Apabila akan dibentuk 3 cluster, maka:Cluster 1 Cluster 2 Cluster 3Kecamatan Brangsong, Gemuh, Cepiring, Kaliwungu, Pageruyung, Limbangan, Kangkung, Plantungan, Patean,Singorojo, dan Rowosari.

Kecamatan Kaliwungu Selatan, Pegandon, Ngampel, dan Ringinarum.

Kecamatan Weleri, Patebon, Kota Kendal, Sukorejo, dan Boja.

Apabila akan dibentuk 4 cluster, maka:Cluster 1 Cluster 2 Cluster 3 Cluster 4Kecamatan Pageruyung, Limbangan, Kangkung, Plantungan, Patean, Singorojo, dan Rowosari

Kecamatan Kaliwungu, Cepiring, Gemuh dan Brangsong

Kecamatan Ringinarum, Ngampel, Pegandon dan Kaliwungu Selatan.

Kecamatan Boja, Sukorejo, Kota Kendal, Patebon, dan Weleri

Daftar Pustaka

Anonim. (2014). Analisis Cluster. Retrieved April 9, 2015, from http://www.statistikian.com/2014/03/analisis-cluster_27.html

BPS Kabupaten Kendal. (2014). Kendal Dalam Angka 2014. Kendal: Badan Pusat Statistik. Retrieved from http://kendalkab.bps.go.id/

Rangkuti, F. (2011). SWOT Balanced Scorecard. Jakarta: PT Gramedia Pustaka Utama.

Page 12: Lapprak Cluster Aida Ulfa Faza

Tahapan Analisis ClusterTahapan dalam analisis cluster yang dilakukan menggunakan SPSS kali ini adalah sebagai berikut:

1. Buka Aplikasi SPSS2. Masukkan variabel yang akan dianalisis dalam lembar kerja Variable View.

3. Masukkan data-data dari tiap variabel, dalam lembar kerja Data View.

4. Klik menu Analyze > Classify >Hierarchical Cluster. Kemudian masukkan seluruh variabel jumlah fasilitas kesehatan, pendidikan dan ekonomi ke kotak Variable(s). Pada bagian Label Cases by isi dengan variabel Kecamatan. Pada bagian Cluster pilih Cases; pada bagian Display pilih keduanya yaitu Statistics dan Plots.

Page 13: Lapprak Cluster Aida Ulfa Faza

5. Klik button Statistics, centang Aggolomeration schedule. Lalu Cluster Membership pilih Range of solution. Isikan minimum number of cluster -> 2, maximum number of cluster -> 4 kelas. Klik OK

6. Klik button Plots. Aktifkan pilihan Dendogram; kemudian pada bagian Icicle pilih None. Selanjutnya klik Continue untuk kembali ke menu utama.

7. Kemudian klik button Method. Pada bagian Cluster Method pilih Ward’s Method. Pada Measure pilih Square Euclidean distance dan pada Transform Values pilih None. Klik Continue. Kemudian klik button Save.

8. Akan keluar output dari analisis cluster metode hirarkis.