Analisis Clusterr
Diunggah oleh
KiranaR.RirihAnalisis Clusterr
Diunggah oleh
KiranaR.RirihANALISIS CLUSTER TERHADAP TINGKAT PENCEMARAN UDARA
PADA SEKTOR INDUSTRI DI JAWA TENGAH
SKRIPSI
Diajukan dalam Rangka Penyelesaian Studi Strata I
untuk Memperoleh Gelar Sarjana Sains
Oleh :
Nama : Diastuti Wahyu Purwaningsih
NIM : 4150403029
Program Studi : Matematika S1
Jurusan : Matematika
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
2007
ABSTRAK
Diastuti W.P. 2007. Analisis Cluster Terhadap Tingkat Pencemaran Udara Pada
Sektor Industri di Jawa Tengah. Skripsi. Matematika S1 FMIPA
Universitas Negeri Semarang 2007.
Perkembangan industri ini membawa dampak bagi kehidupan manusia,
baik dampak positif maupun dampak negatif. Salah satu dampak negatif yang
ditimbulkan adalah pencemaran udara. Dengan meningkatnya beban pencemaran
udara sebagai efek negatif dari kegiatan industri, maka diperlukan
pengelompokkan industri berdasarkan beban polutan yang dihasilkan untuk
mengetahui tingkat pencemaran udara dari tiap jenis industri. Permasalahan yang
dikaji dalam penelitian ini adalah bagaimana klasifikasi jenis industri berdasarkan
tingkat polutan dan bagaimana ciri dari tiap kelompok yang terbentuk berdasarkan
jenis polutan. Tujuan dari penelitian ini adalah untuk mengelompokkan jenis
industri berdasarkan polutan yang dihasilkan dan untuk mengetahui kelompok
industri mana yang menghasilkan polutan rendah, sedang, dan tinggi.
Metode penelitian yang digunakan ada 5 yaitu penentuan masalah,
perumusan masalah, kajian pustaka, pemecahan masalah dan penarikan
kesimpulan. Dalam penelitian ini proses clustering secara hirarki menggunakan
metode pautan tunggal atau single linkage, sedangkan proses clustering secara
non-hirarki menggunakan metode k-means. Proses komputasi yang digunakan
untuk mengolah data adalah program SPSS 12 for windows. Data diambil dari
BPS Semarang, yaitu data tentang beban pencemaran udara pada sektor industri di
Jawa Tengah pada tahun 2005 yang terdiri dari 5 variabel, dimana variabel-
variabel tersebut adalah jenis polutan yang meliputi debu, SO2, NO2, HC, CO.
Sedangkan obyek-obyek yang digunakan 14 jenis industri di Jawa Tengah.
Berdasarkan hasil penelitian dan pembahasan dapat disimpulkan bahwa
berdasarkan jenis polutan dari keempat belas industri dapat dikelompokkan
menjadi tiga cluster industri, yaitu cluster pertama adalah kelompok industri
dengan tingkat pencemaran sedang karena kelima jenis polutannya memiliki rata-
rata diantara kedua cluster yang lain, anggotanya adalah industri kayu , industri
olahan kayu dan industri kertas; cluster kedua adalah kelompok industri dengan
tingkat pencemaran rendah karena kelima jenis polutannya memiliki rata-rata
terkecil dari cluster yang lain, anggotanya adalah industri logam dasar, industri
kapur dan gips, industri semen, industri non logam, industri kimia dasar, industri
minuman, industri makanan, industri hasil olahan logam, industri rumah sakit dan
industri perhotelan; cluster ketiga adalah kelompok industri dengan tingkat
pencemaran tinggi karena kelima jenis polutannya memiliki rata-rata terbesar dari
cluster yang lain, anggotanya adalah industri tekstil.
Kata kunci: analisis cluster, pencemaran udara, industri Jawa Tengah.
ii
HALAMAN PENGESAHAN
ANALISIS CLUSTER TERHADAP TINGKAT PENCEMARAN UDARA
PADA SEKTOR INDUSTRI DI JAWA TENGAH
Telah dipertahankan di hadapan sidang Panitia Ujian Skripsi Fakultas Matematika
dan Ilmu Pengetahuan Alam pada :
Hari :
Tanggal :
Panitia Ujian
Ketua, Sekretaris,
Drs. Kasmadi Imam S, M. S Drs. Supriyono, M. Si
NIP. 130781011 NIP. 130815345
Pembimbing Utama, Ketua Penguji,
Drs. Arief Agoestanto, M. Si Dr. ST Budi Waluya
NIP. 132046855 NIP.132046848
Pembimbing Pendamping, Anggota Penguji I,
Drs. Supriyono M. Si Drs. Arief Agoestanto, M. Si
NIP. 130815345 NIP. 132046855
Anggota Penguji II,
Drs. Supriyono M. Si
NIP. 130815345
iii
MOTTO DAN PERSEMBAHAN
MOTTO :
¾ Di dalam diri Rasullullah terdapat suri tauladan yang baik
¾ Setan pedangnya adalah kenyang dan penjaranya adalah lapar
¾ Hawa nafsu pedangnya adalah bicara dan penjaranya adalah diam
¾ Dunia pedangnya adalah bertemu dengan makhluk dan penjaranya adalah
uzlah
¾ Badan jasmani pedangnya adalah tidur dan penjaranya adalah tidak tidur di
malam hari (Ash-Shiqolah, Cholil Arphany).
PERSEMBAHAN :
1. Allah S.W.T, atas limpahan rahmat , kasih sayangNya,
dan memberikan kemudahan.
2. Orang tua dan adik-adikku yang telah membantu,
memberikan doa dan kasih sayang.
3. ”Kandaku” , sumber kebahagiaan dan semangatku.
4. Diah, Ipeh, Nurul, Ermin dan teman2 sekelasku yang
telah memberikan bantuan, perhatian dan semangat.
5. Teman-teman mahasiswa matematika angkatan’03.
6. Almamater.
iv
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha
Kuasa yang telah melimpahkan karunia-Nya, sehingga penulis masih diberi
kekuatan untuk menyelesaikan skripsi dengan judul “Analisis Cluster Terhadap
Tingkat Pencemaran Udara Pada Sektor Industri di Jawa Tengah”. Penyusunan
skripsi ini sebagai syarat akhir untuk memperoleh gelar Sarjana Sains.
Penyelesaian skripsi ini tidak terlepas dari bantuan dan dukungan berbagai
pihak yang sangat berguna bagi penulis. Oleh karena itu, perkenankanlah penulis
mengucapkan terima kasih kepada:
1. Prof. Dr. Sudijono Sastroadjmojo, M. Si, Rektor Universitas Negeri Semarang
yang telah memberikan kesempatan kepada penulis dalam penyusunan skripsi
ini;
2. Drs. Kasmadi Imam S., M.S, Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Negeri Semarang yang telah memberikan izin
dalam penyusunan skripsi;
3. Drs. Supriyono, M. Si, Ketua Jurusan matematika dan pembimbing
pendamping yang telah memberikan izin dan memberikan bimbingan dalam
penyusunan skripsi ini;
4. Drs. Arief Agoestanto, M.Si, Pembimbing utama yang telah memberikan
bimbingan dan pengarahan dalam penyusunan skripsi ini;
5. Keluargaku tersayang yang senantiasa mendukung langkahku dengan iringan
doa dan belain kasih sayang;
v
6. Seseorang yang secara tidak langsung telah memberikan perhatian, kasih
sayang dan doanya;
7. Sahabat-sahabatku yang telah banyak membantu;
8. Teman-teman Matematika angkatan 2003 atas doa, bantuan, dan dukungan
yang telah diberikan;
9. Teman-teman KKN atas doa dan perhatiannya;
10. Semua pihak yang telah memberikan bantuan dan motivasi dalam
penyelesaian skripsi ini.
Penulis menyadari bahwa masih banyak kekurangan dalam penulisan
skripsi. Oleh karena itu, kritik dan saran sangat diharapkan guna sempurnanya
skripsi ini. Akhirnya, semoga skripsi ini dapat bermanfaat bagi para pembaca.
Penulis
vi
DAFTAR ISI
HALAMAN JUDUL ....................................................................................... i
ABSTRAK ....................................................................................................... ii
HALAMAN PENGESAHAN ......................................................................... iii
MOTTO DAN PERSEMBAHAN ................................................................... iv
KATA PENGANTAR ..................................................................................... v
DAFTAR ISI.................................................................................................... vii
DAFTAR LAMPIRAN.................................................................................... ix
BAB I PENDAHULUAN
A. Latar Belakang Masalah....................................................................... 1
B. Permasalahan ....................................................................................... 4
C. Pembatasan Masalah ............................................................................ 4
D. Tujuan Penulisan.................................................................................. 5
E. Sistematika Penulisan .......................................................................... 5
BAB II LANDASAN TEORI
A. Analisis Multivariate ........................................................................... 7
B. Analisis Cluster .................................................................................... 8
C. Tujuan Analisis Cluster........................................................................ 10
D. Konsep Dasar Dalam Analisis Cluster................................................. 11
E. Proses Analisis Cluster ........................................................................ 11
F. Pencemaran Udara ............................................................................... 15
G. Industri Jawa Tengah ........................................................................... 20
vii
BAB III METODE PENELITIAN
A. Penentuan Masalah .............................................................................. 22
B. Perumusan Masalah ............................................................................. 22
C. Kajian Pustaka ..................................................................................... 22
D. Pemecahan Masalah............................................................................. 23
E. Penarikan Kesimpulan ......................................................................... 23
BAB IV HASIL PENELITIAN DAN PEMBAHASAN................................. 24
BAB V PENUTUP
A. Simpulan ............................................................................................. 57
B. Saran .................................................................................................... 58
DAFTAR PUSTAKA ...................................................................................... 59
LAMPIRAN..................................................................................................... 60
viii
DAFTAR LAMPIRAN
Lampiran 1. Data Beban Pencemaran Udara pada Sektor Industri
di Jawa Tengah Tahun 2005 (dalam ton).................................... 60
Lampiran 2. Tabel Proximity Matrix ............................................................... 61
Lampiran 3. Tabel Agglomeration Schedule ................................................... 62
Lampiran 4. Dendogram .................................................................................. 63
Lampiran 5. Tabel Initial Cluster, Final Cluster dan ANOVA........................ 64
Lampiran 6. Perbaikan Matriks Jarak .............................................................. 65
ix
BAB I
PENDAHULUAN
A. Latar Belakang
Sektor industri menempati posisi sentral dalam ekonomi masyarakat
modern dan merupakan motor penggerak yang memberikan dasar bagi
peningkatan kemakmuran, terutama di negara-negara maju. Bagi negara
berkembang, industri sangat esensial untuk memperluas landasan
pembangunan dan memenuhi kebutuhan masyarakat yang terus meningkat.
Banyak kebutuhan umat manusia hanya dapat dipenuhi oleh barang dan jasa
yang disediakan dari sektor industri.
Pembangunan di Indonesia khususnya pada sektor industri telah
mengalami perkembangan yang cukup pesat. Perkembangan industri ini
ternyata membawa dampak bagi kehidupan manusia, baik dampak positif
maupun dampak negatif. Dampak positif dari kegiatan industri adalah dapat
mengurangi tingkat pengangguran, menambah devisa negara melalui ekspor
produk industri, serta dapat menarik para investor untuk menanamkan modal
pada sektor ini. Selain dampak positif, kegiatan industri juga menimbulkan
dampak negatif. Salah satu dampak negatif yang ditimbulkan adalah
pencemaran udara. Pencemaran udara dirasakan semakin hari kian meningkat
terutama daerah yang kepadatan lalu lintasnya cukup tinggi serta di lokasi
industri yang kurang memperhatikan dampak lingkungan. Udara yang
1
2
tercemar dapat merusak lingkungan sekitarnya dan berpotensi terganggunya
kesehatan masyarakat sekitar.
Dengan meningkatnya beban pencemaran udara sebagai efek negatif
dari kegiatan industri, maka diperlukan pengelompokkan industri berdasarkan
beban polutan yang dihasilkan untuk mengetahui tingkat pencemaran udara
dari tiap jenis industri. Hal tersebut dimaksudkan agar pemerintah dan pelaku
industri dapat merelokasikan zona industri, melakukan pemantauan kualitas
udara pada tiap kelompok industri.
Dalam analisis statistik, kriteria polutan tersebut dinyatakan sebagai
variat. Semakin banyak unsur yang menjadi kriteria polutan akan semakin
rumit analisis statistik yang harus dilakukan. Dari sekian banyak metode
statistika, analisis multivariat merupakan analisis yang cocok untuk meringkas
data dengan peubah yang banyak. Beberapa analisis dalam analisis multivariat
yang dapat digunakan untuk memahami dan mempermudah interpretasi data
multivariat diantaranya adalah Analisis Cluster (Tim Penelitian dan
Pengembangan, 2005:120).
Analisis ini bertujuan untuk mengelompokkan objek-objek
berdasarkan karakteristik diantara objek-objek tersebut. Dari analisis cluster
kita dapat mengetahui kelompok-kelompok yang terbentuk dengan ciri khas
dari tiap kelompok. Banyak objek yang dapat dikelompokkkan dengan analisis
cluster, diantaranya adalah produk (barang dan jasa), benda, manusia
(responden, konsumen) (Supranto, 2004: 141).
3
Analisis cluster dibagi dalam 2 metode, yaitu :
1. Metode Hierarchical
2. Metode Non - Hierarchical
Dalam masalah ini akan dibahas mengenai analisis cluster dengan
metode hierarchical dan metode non-hierarchical. Pada metode hierarchical ini
memulai mengelompokkan dengan dua atau lebih obyek yang mempunyai
kesamaan paling dekat. Kemudian proses diteruskan ke obyek lain yang
mempunyai kedekatan kedua. Demikian seterusnya sehingga cluster akan
membentuk semacam “pohon” hierarki (tingkatan) yang jelas antar obyek,
dari yang paling mirip sampai yang paling tidak mirip. Dendogram biasanya
digunakan untuk membantu memperjelas proses hierarki tersebut.
Pengertian Jawa Tengah secara geografis dan budaya kadang juga
mencakup wilayah Daerah Istimewa Yogyakarta. Jawa Tengah dikenal
sebagai "jantung" budaya Jawa. Jawa Tengah terletak diantara 5º 40'–80º 30'
lintang selatan dan 108º 30'– 111º 30' bujur timur atau tempatnya berada
ditengah-tengah pulau Jawa yang merupakan pusat kegiatan pemerintah dan
ekonomi di Indonesia. Lokasinya mudah diakses dari berbagai penjuru baik
dari dalam (antar pulau) maupun luar negeri (antar negara) seperti halnya
penerbangan internasional dari/ke Singapura, Malaysia dapat dilakukan secara
langsung dari kota Semarang maupun Surakarta. Kemudahan ini menjadikan
Jawa Tengah sebagai provinsi yang strategis diantara kota-kota besar lainnya.
Provinsi Jawa Tengah secara administrasi terdiri dari 35 daerah
kabupaten/kota dimana masing-masing memiliki karakteristik tersendiri
4
seperti geografis, sumberdaya maupun budaya. Kondisi yang atraktif ini
menjadi satu kekuatan dan keunggulan menjadi daerah pengembangan bisnis
untuk sekarang ataupun ke depan. Salah satu keunggulan yang menjadikan
Jawa Tengah sebagai pusat kegiatan ekonomi dan bisnis adalah didukung oleh
ketersediaan energi listrik, telepon, air bersih maupun kawasan-kawasan
industri yang tersebar di berbagai daerah.
Berdasarkan uraian diatas, maka klasifikasi industri berdasarkan
tingkat pencemaran udara dapat dilakukan dengan menggunakan analisis
cluster. Sehingga dalam skripsi ini akan dibahas ”Analisis cluster terhadap
tingkat pencemaran udara pada sektor industri di Jawa Tengah”.
B. Permasalahan
Berdasarkan uraian diatas maka dapat dirumuskan masalah sebagai
berikut:
1. Bagaimana klasifikasi jenis industri berdasarkan tingkat polutan?
2. Bagaimana ciri dari tiap kelompok yang terbentuk berdasarkan jenis
polutan?
C. Pembatasan Masalah
Analisis cluster yang digunakan untuk mengklasifikasikan industri
berdasarkan beban polutan adalah dengan menggunakan metode Hirarki yaitu
dengan Pautan Tunggal / Single Linkage dan metode Non-hirarki yaitu dengan
k-means.
5
Data dalam penelitian ini diambil dari BPS (Badan Pusat Statistik)
Semarang, yaitu data tentang beban pencemaran udara pada sektor industri di
Jawa Tengah pada tahun 2005.
D. Tujuan Penulisan
Tujuan penulisan skripsi ini adalah:
1. Untuk mengelompokkan jenis industri berdasarkan polutan yang
dihasilkan.
2. Untuk mengetahui ciri dari tiap kelompok industri.
E. Sistematika Penulisan
Secara garis besar sistematika penulisan skripsi ini dibagi menjadi 3
bagian, yaiu bagian pendahuluan, bagian isi dan bagian akhir.
Bagian pendahuluan skripsi memuat halaman judul, halaman
pengesahan, halaman motto dan persembahan, kata pengantar, daftar isi dan
abstrak.
Bagian isi dibagi menjadi 5 bab, yaitu sebagai berikut :
1. Bab I Pendahuluan
Pada bab pendahuluan ini dikemukakan tentang alasan pemilihan judul,
permasalahan, batasan masalah, tujuan penelitian dan sistematika
penulisan.
6
2. Bab II Landasan Teori
Landasan teori berisi tentang teori-teori yang digunakan sebagai pedoman
dalam memecahkan permasalahan dalam skripsi ini.
3. Bab III Metode Penelitian
Pada bab ini berisi metode penelitian, pengumpulan dan pengolahan data.
4. Bab IV Hasil Penelitian dan Pembahasan
Bab ini berisi tentang hasil penelitian dan pembahasan, sebagai jawaban
dari permasalahan.
5. Bab V Penutup
Penutup berisi simpulan yang diperoleh dari hasil penelitian dan saran.
Bagian akhir dari skripsi ini adalah daftar pustaka dan lampiran-
lampiran.
BAB II
LANDASAN TEORI
A. Analisis Multivariat
Definisi 1.
Analisis multivariat merupakan analisis dimana masalah yang diteliti bersifat
multidimensional dan menggunakan tiga atau lebih variabel (Kuncoro,
2003:211).
Analisis multivariate dibagi menjadi dua kategori utama yaitu:
1. Dependence Method.
Analisis ketergantungan digunakan apabila tujuan dari analisis
adalah untuk menjelaskan atau memprediksi variabel terikat berdasarkan
dua atau lebih variabel bebas. Metode ini terdiri dari 4 macam yaitu
Analisis Regresi Berganda (Multiple Regression Analysis), Analisis
Diskriminasi Berganda (Multiple Discriminant Analysis), Analisis
Multivariat Varians (Multivariate Analysis of Variance), dan Analisis
Korelasi Kanonikal (Canonical Correlation Analysis).
2. Metode Saling Ketergantungan (Interdependence Method).
Metode yang digunakan untuk menjelaskan seperangkat variabel
atau mengelompokkan berdasarkan variabel-variabel tertentu. Metode ini
dikelompokkan menjadi tiga yaitu Analisis Faktor (Factor Analysis),
Analisis Kluster (Cluster Analysis), dan Skala Multidimensional
(Multidimensional Scaling).
7
8
B. Analisis Cluster
Definisi 2.
Analisis Cluster adalah teknik yang digunakan untuk mengidentifikasi objek
atau individu yang serupa dengan memperhatikan beberapa kriteria
(Kuncoro, 2003:242).
Definisi 3.
Analisis cluster yaitu analisis untuk mengelompokkan elemen yang mirip
sebagai objek penelitian menjadi kelompok (cluster) yang berbeda dan
mutually exclusive (Supranto, 2004:26).
Analisis cluster termasuk dalam analisis statistik multivariat metode
interdependen. Sebagai alat analisis interdependen maka tujuan analisis
cluster tidak untuk menghubungkan ataupun membedakan dengan
sampel/variabel lain. Analisis cluster merupakan salah satu alat analisis yang
berguna sebagai peringkas data. Dalam meringkas data ini dapat dilakukan
dengan jalan mengelompokkan objek-objek berdasarkan kesamaan
karakteristik tertentu di antara objek-objek yang hendak diteliti (Tim
Penelitian dan Pengembangan, 2005:120).
Analisis cluster adalah suatu alat untuk mengelompokkan sejumlah n
obyek berdasarkan p variat yang secara relatif mempunyai kesamaan
karakteristik diantara obyek – obyek tersebut, sehingga keragaman di dalam
suatu kelompok tersebut lebih kecil dibandingkan keragaman antar
kelompok. Obyek dapat berupa barang, jasa, tumbuhan, binatang dan orang
(responden, konsumen, atau yang lainnya). Obyek tersebut akan
9
diklasifikasikan ke dalam satu atau lebih cluster (kelompok) sehingga obyek–
obyek yang berada dalam satu cluster akan mempunyai kemiripan atau
kesamaan karakter.
Jika terdapat n obyek dan p variat, maka observasi xij dengan i = 1,
2,…, n dan j = 1, 2, …, p, dapat digambarkan sebagai berikut:
Var 1 Var 2 … Var j … Var p
Obyek 1 x11 x12 … x1j … x1p
Obyek 2 x21 x22 … x2j … x2p
: : : : : : :
Obyek i xi1 xi2 : xij : xip
: : : : : : :
Obyek n xn1 xn2 : xnj : xnp
Adapun ciri-ciri cluster adalah:
1. Homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster
(within-cluster).
2. Heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan
cluster yang lainnya (between-cluster).
Analisis cluster mempunyai beberapa istilah penting, antara lain:
1. Skedul aglomerasi (agalomeration schedule), ialah jadwal yang
memberikan informasi tentang objek atau kasus yang akan dikelompokkan
pada setiap tahap pada suatu proses analisis cluster yang hierarkis.
10
2. Rata-rata cluster (cluster centroid), ialah nilai rata-rata variabel dari semua
objek atau observasi dalam cluster tertentu.
3. Pusat cluster (cluster centers), ialah titik awal dimulainya
pengelompokkan di dalam cluster nonhierarki.
4. Keanggotaan cluster (cluster membership), ialah keanggotaan yang
menunjukkan cluster untuk setiap objek yang menjadi anggotanya.
5. Dendogram, disebut juga grafik pohon, output SPSS yang
memvisualisasikan hasil analisis cluster yang dilakukan peneliti. Garis
vertikal atau tegak menunjukkan cluster yang digabung bersama. Posisi
garis pada pada skala menunjukkan jarak untuk mana cluster digabung.
Dendogram harus dibaca dari kiri ke kanan.
6. Distances between cluster centers, ialah jarak yang menunjukkan
bagaimana terpisahnya pasangan individu cluster (Supranto, 2004:146).
C. Tujuan Analisis Cluster
Setelah mengelompokkan n buah obyek pengamatan kedalam m
kelompok berdasarkan p variat dapat diketahui bahwa tujuan utama dari
pengclusteran obyek adalah untuk mendapatkan kelompok obyek yang
memiliki nilai relatif sama. Sehingga kelak dalam interpretasi, obyek-obyek
yang berada pada satu cluster memiliki peluang yang cukup tinggi akan
muncul bersamaan pada satu individu.
11
D. Konsep Dasar dalam Analisis Cluster
Analisis cluster merupakan suatu kelas teknik, dipergunakan untuk
mengklasifikasi obyek atau kasus ke dalam kelompok yang relatif homogen,
yang disebut cluster. Obyek dalam setiap kelompok cenderung mirip satu
sama lain dan berbeda jauh (tidak sama) dengan obyek dari cluster lainnya
(Supranto, 2004:142).
Pengelompokkan dilakukan berdasarkan kemiripan (similarity) antar
obyek. Kemiripan diperoleh dengan meminimalkan jarak antar obyek dalam
kelompok (within-cluster) dan memaksimalkan jarak antar kelompok
(between-cluster).
E. Proses Analisis Cluster
Untuk melakukan analisis cluster ada beberapa proses yang harus
dilakukan . Proses analisis cluster tersebut meliputi :
1. Menentukan ukuran ketakmiripan antar dua objek.
Sesuai prinsip daftar cluster yaitu mengelompokkan objek yang
mempunyai kemiripan, maka proses pertama adalah mengukur seberapa
jauh ada kesamaan antar objek. Dengan memiliki sebuah ukuran
kuantitatif untuk mengatakan bahwa dua obyek tertentu lebih mirip
dibandingkan dengan obyek lain, akan menghilangkan kebingungan dan
mempermudah proses formal dalam pengclusteran. Salah satu yang jelas
bisa menjadi ukuran ketakmiripan adalah fungsi jarak antara objek a dan
b, yang biasa dinotasikan dengan d(a,b).
12
Sifat – sifat ukuran ketakmiripan adalah :
1) d(a.b) ≥ 0
2) d(a,a) = 0
3) d(a,b) = d(b,a)
4) (a,b) meningkat seiring semakin tidak mirip kedua objek a dan b.
5) d(a,c) ≤ d(a,b) + d(b,c) (Sartono, 2003:216).
Jarak yang paling umum digunakan adalah jarak euclidean. Ukuran
jarak atau ketidaksamaan antar obyek ke-i dengan obyek ke-h,
disimbolkan dengan dih. Nilai dih diperoleh melalui perhitungan jarak
∑ (x − xhj )
p
kuadrat Euclidean sebagai berikut d ih = ij
j =1
dimana:
dih = jarak kuadrat Euclidean antar obyek ke-i dengan obyek ke-h.
p = jumlah variabel cluster.
xij = nilai atau data dari obyek ke-i pada variabel ke-j.
xhj = nilai atau data dari obyek ke-h pada variabel ke-j (Everitt, 1993).
2. Membuat Cluster
Proses cluster atau pengelompokan data bisa dilakukan dengan dua
metode:
a. Metode Hirarki
Metode ini memulai pengelompokan dengan dua atau lebih objek
yang mempunyai kesamaan paling dekat. Kemudiaan operasi
13
diteruskan ke objek lain yang mempunyai kedekatan kedua. Demikian
seterusnya sehingga cluster akan membentuk semacam ‘pohon’
dimana ada hirarki (tingkatan) yang jelas antar objek, dari yang paling
mirip sampai paling tidak mirip.
Metode yang digunakan untuk proses Clustering secara hirarki
adalah Single Linkage (Pauatan Tunggal). Metode ini akan
mengelompokan dua objek yang mempunyai jarak terdekat dahulu.
Jadi pada setiap tahapan, banyaknya cluster berkurang satu. Secara
formal, dua buah cluster Br dan Bs, jarak antara Br dan Bs misalkan
h(Br,Bs) didefinisikan sebagai :
h(Br,Bs) = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Hasil berupa single linkage clustering dapat disajikan dalam
bentuk suatu dendogram atau diagram pohon. Cabang-cabang pohon
menunjukkan cluster/kelompok. Cabang-cabang tersebut bertemu
bersama-sama (menggabung) pada simpul yang posisinya sepanjang
suatu sumbu jarak (kemiripan) menunjukkan tingkat dimana
penggabungan terjadi.
b. Metode Non-hirarki
Metode ini dimulai dengan proses penentuan jumlah cluster
terlebih dahulu. Metode Non-hirarki yang digunakan adalah k-means.
Metode k-means digunakan sebagai alternatif metode cluster untuk
data dengan ukuran yang besar karena memiliki kecepatan yang lebih
tinggi dibandingkan metode hirarki.
14
Mac Queen menyarankan bahwa penggunaan k-means untuk
menjelaskan algoritma dalam penentuan suatu objek ke dalam cluster
tertentu berdasarkan rataan terdekat. Proses Pengelusteran dengan
metode k-means adalah :
1) Menetukan besarnya k, yaitu banyaknya cluter dan menentukan
centroid di tiap cluster.
2) Menghitung jarak tiap objek dengan setiap centroid.
3) Menghitung kembali rataan (centroid) untuk cluster yang baru
terbentuk.
4) Mengulangi langkah 2 sampai tidak ada lagi pemindahan objek
antar cluster (Sartono, 2003: 230).
3. Setelah cluster terbentuk, baik dengan metode hirarki maupun non
hirarki, langkah selanjutnya melakukan interpretasi terhadap cluster yang
terbentuk,yang pada intinya memberi nama spesifik untuk menggambar
isi cluster tersebut.
4. Melakukan validasi cluster.
Untuk menguji validasi cluster digunakan uji parsial F.
Hipotesis:
H0: variabel i bukan variabel pembeda dalam pengclusteran.
H1: variabel i merupakan variabel pembeda dalam pengclusteran
Taraf signifikansi α
Statistik uji
means square cluster
F=
means square error
15
Kriteria Uji :
Tolak H0 jika F > Fα, k-1,n-k
F. Pencemaran Udara
Menurut Perkins (Kristanto, 2004), dalam bukunya Air Polution,
pencemaran udara dinyatakan sebagai berikut:
Pencemaran udara berarti hadirnya satu atau beberapa kontaminan didalam
udara atmosfir di luar, seperti antara lain oleh debu, busa, gas, kabut, bau-
bauan, asap atau uap dalam kuantitas yang banyak, dengan berbagai sifat
maupun lama berlangsungnya di udara tersebut, hingga dapat menimbulkan
gangguan-gangguan terhadap kehidupan manusia, tumbuhan atau hewan
maupun benda, atau tanpa alasan jelas sudah dapat mempengaruhi
kelestyarian kehidupan organisme maupun benda (Kristanto, 2004:96).
Sedangkan berdasarkan Keputusan Menteri Negara Kependudukan
dan Lingkungan Hidup No. 02/MENKLH/1988, yang dimaksud dengan
pencemaran udara adalah:
Masuk atau dimasukkannya makhluk hidup, zat, energi dan atau komponen
lain ke dalam udara dan atau berubahnya tatanan (komposisi) udara oleh
kegiatan manusia atau proses alam, sehingga kualitas udara menjadi kurang
atau tidak dapat berfungsi lagi sesuai dengan peruntukkannya (Kristanto,
2004:96).
16
Definisi 4.
Pencemaran udara didefinisikan sebagai terdapatnya gas, cair atau padat yang
terkandung dalam udara sehingga terjadi perubahan dan mempengaruhi
kehidupan atau bahan-bahan lain.
Bahan-bahan tersebut terurai di udara dan memberi dampak negatif
bagi manusia, tumbuh-tumbuhan dan hewan. Hal ini disebabkan bahan-bahan
ini akan masuk ke tubuh manusia melalui pernafasan dan berupaya
menghalangi pengaliran oksigen ke dalam saluran-saluran darah.
Pencemaran udara berasal dari:
1. Pembuangan asap kendaraan.
2. Proses industri.
3. Pembakaran di hutan.
4. Pembakaran sisa kayu/ sekam padi.
5. Aktivitas masyarakat, seperti membakar sampah, merokok, dll.
(http://www.sabah.org.my/bm/kenali_sabah/as_pencemaran_udara.asp, 2006)
Definisi 5.
Pencemaran udara adalah adanya bahan atau zat-zat asing yang terdapat di
udara dalam jumlah yang dapat menyebabkan perubahan komposisi atmosfer
dari keadaan normal (Sunu, 2001:41).
Pencemaran udara mempengaruhi sistem kehidupan makhluk hidup
seperti gangguan kesehatan, ekosistem yang berkaitan baik dengan manusia
maupun yang tidak berkaitan dengan manusia. Apabila pencemaran udara
tidak dapat dikendalikan lagi dan melampaui ambang batas normal, maka
17
akan mempunyai dampak yang akan merugikan baik terhadap kesehatan/
kehidupan dan ekonomi. Bahan atau zat yang dapat mencemari udara dapat
berbentuk gas dan partikel.
Udara adalah suatu campuran gas yang terdapat pada lapisan yang
mengelilingi bumi. Komposisi campuran gas tersebut tidak selalu konstan.
Komponen yang konsentrasinya paling bervariasi adalah air dalam bentuk
uap H2O dan karbondioksida (CO2). Jumlah uap air yang terdapat di udara
bervariasi tergantung dari cuaca dan suhu.
Udara di daerah perkotaan yang mempunyai banyak kegiatan industri
dan teknologi serta lalu-lintas yang padat, udaranya relatif sudah tidak bersih
lagi. Udara di daerah industri kotor terkena bermacam-macam pencemar.
Dari beberapa macam komponen pencemar udara, maka komponen–
komponen yang paling banyak berpengaruh dalam pencemaran udara adalah
debu, Carbon Monoksida (CO), Hidro Carbon (HC), Nitrogen Dioksida
(NO2), dan Sulfur Dioksida (SO2).
Adapun definisi dari kelima polutan tersebut menurut A.Tresna
Sastrawijaya adalah sebagai berikut :
a. Debu
Debu adalah aerosol yang berupa butiran padat yang terhambur dan
melayang di udara karena adanya hembusan angin. Pencemaran udara
akibat debu seringkali dianggap wajar, namun dapat mengurangi
kenyamanan hidup.
18
b. Karbon Monoksida (CO)
Carbon monoksida (CO) adalah suatu gas yang tak berwarna, tidak
berbau, dan juga tidak berasa. Komponen ini mempunyai berat sebesar
96,5% dari berat air dan tidak larut di dalam air. Gas CO sebagian besar
berasal dari pembakaran bahan bakar fosil dengan udara, berupa gas
buangan. Di daerah perkotaan yang lalu lintasnya padat akan banyak
menghasilkan gas CO sehingga kadar CO dalam udara relatif tinggi
dibandingkan dengan daerah pedesaan. Selain dari itu gas CO dapat pula
terbentuk dari proses industri. Gas CO dalam jumlah besar akan bersifat
racun, karena jika gas ini terhirup maka ia akan bereaksi dengan
Hemoglobine dan membentuk COHb yang menghalangi pengambilan
oksigen. Akibatnya seseorang akan merasa pusing, lemas, dan bahkan
meninggal dunia.
Pemaparan CO ke atmosfir sebagai akibat aktivitas manusia nampak
lebih nyata, misalnya dari sektor transportasi, pembakaran minyak, gas,
arang atau kayu, proses-proses industri seperti industri besi, petroleum,
kertas dan kayu, pembuangan limbah padat dan sumber-sumber lainnya.
c. Hidro Karbon (HC)
Dinamakan hidrokarbon karena penyusun utamanya adalah aton
karbon dan atom hidrogen yang dapat terikat secara ikatan lurus. Hidro
Karbon (HC) adalah pencemar udara yang dapat berupa gas, cairan
maupun padatan. Apabila HC berupa gas, maka akan tercampur bersama
gas hasil buangan lainnya. Apabila HC berupa cairan, akan membentuk
19
semacam kabut minyak yang mengganggu. Sedangkan HC yang berupa
padatan akan membentuk asap yang pekat yang akhirnya menggumpal
menjadi debu.
Hidrokarbon bersumber dari proses industri sebagai emisi ke udara.
Hidrokarbon yang sering menimbulkan masalah dalam pencemaran udara
adalah yang berbentuk gas pada suhu normal atmosfir, atau hidrokarbon
yang bersifat sangat volatil (mudah berubah menjadi gas) pada suhu
tersebut. Bila HC berada di udara dalam jumlah banyak dan tercampur
dengan bahan pencemar lain, maka sifat toksisnya akan meningkat. HC
dalam bentuk gas, cairan, dan padatan serta bahan pencemar lainnya akan
membentuk ikatan-ikatan baru yang disebut Polycyclic Aromatic
Hydrocarbon (PAH) yang banyak terdapat di daerah industri dan padat
lalu lintas. Apabila PAH dihisap dan masuk dalam paru-paru dapat
menimbulkan luka di bagian dalam dan menimbulkan infeksi serta
merangsang terbentuknya sel-sel kanker.
d. Nitrogen Dioksida (NO2)
Nitrogen Dioksida (NO2) adalah pencemar udara dalam bentuk gas
yang beracun, berwarna coklat kemerahan dan berbau tajam. Jika NO2
bertemu dengan uap air di udara atau dalam tubuh manusia, akan
terbentuk HNO3 yang menimbulkan rasa pedih jika mengenai mata,
hidung, saluran nafas, dan jantung. Organ tubuh yang paling peka
terhadap pencemaran gas nitrogen dioksida (NO2) adalah paru-paru.
20
Paru-paru yang terkontaminasi oleh gas NO2 akan membengkak sehingga
penderita sulit bernafas yang dapat mengakibatkan kematian.
e. Sulfur Dioksida (SO2)
Pencemaran oleh sulfur oksida terutama disebabkan oleh dua
komponen gas yang tidak berwarna yaitu sulfur dioksida (SO2) dan sulfur
trioksida (SO3). SO2 merupakan pencemar udara yang berupa gas jernih
tak berwarna, berbau tajam, tidak terbakar di udara dan membahayakan
manusia. SO2 jika bereaksi dengan kabut yang berisi uap air akan
membentuk asam sulfat. Kedua zat ini berbahaya bagi kehidupan
manusia, disamping juga menimbulkan korosi pada logam. Senyawa
belerang tersebut juga mengancam kehidupan di air karena
mengakibatkan pH air menjadi rendah. SO2 juga mengakibatkan
berubahnya warna benda dan kerapuhan, misalnya barang-barang dari
plastik, karet, kertas, dan sebagainya. SO2 merupakan polutan yang
berbahaya bagi kesehatan terutama bagi penderita penyakit kronis sistem
pernafasan. Penderita tersebut sangat sensitif terhadap kontak dengan
SO2, meskipun pada konsentrasi yang relatif rendah.
G. Industri Jawa Tengah
Pembangunan di sektor industri merupakan prioritas utama
pembangunan ekonomi tanpa mengabaikan pembangunan disektor lain.
Sektor industri dibedakan menjadi industri besar dan sedang serta industri
kecil dan rumahtangga. Definisi yang digunakan BPS, industri besar adalah
21
perusahaan yang mempunyai tenaga kerja 100 orang atau lebih, industri
sedang adalah perusahaan dengan tenaga kerja 20 orang sampai dengan 99
orang, industri kecil adalah perusahaan dengan tenaga kerja 5 orang sampai
dengan 19 orang, dan industri rumahtangga adalah perusahaan dengan
tenaga kerja 1 orang sampai dengan 4 orang.
Perusahaan industri besar dan sedang di Jawa Tengah pada tahun
2003 tercatat sebesar 3.339 unit perusahaan dengan 575,36 ribu orang tenaga
kerja. Menurut Dinas Perindustrian dan Perdagangan Propinsi Jawa Tengah,
terdapat 644 ribu perusahaan industri kecil dan menengah pada tahun 2004
atau meningkat relatif kecil dibandingkan jumlah perusahaan tahun
sebelumnya.
BAB III
METODE PENELITIAN
Pada penelitian ini prosedur-prosedur atau langkah-langkah yang digunakan
adalah sebagai berikut:
A. Penentuan Masalah
Masalah dimulai dari studi pustaka. Studi pustaka merupakan sumber
pustaka yang relevan dan digunakan untuk mengumpulkan informasi yang
diperlukan dalam penelitian setelah sumber pustaka terkumpul dilanjutkan
dengan penelahaan isi sumber pustaka tersebut. Dari penelahaan yang
dilakukan muncul ide dan dijadikan landasan untuk melakukan penelitian.
Permasalahan yang muncul adalah tentang analisis cluster.
B. Perumusan Masalah
Perumusan masalah dimaksudkan untuk membatasi permasalahan
sehingga diperoleh bahan kajian yang jelas. Dan selanjutnya dirumuskan
permasalahan sebagai berikut:
1. Bagaimana klasifikasi jenis industri berdasarkan tingkat polutan?
2. Bagaimana ciri dari tiap kelompok yang terbentuk berdasarkan jenis
polutan?
C. Kajian Pustaka
Pada tahap ini dilakukan kajian pustaka, yakni mengkaji permasalahan
secara teoritis berdasarkan sumber-sumber pustaka yang relevan. Kemudian
22
23
mengumpulkan, memilih dan menganalisis dari beberapa sumber bacaan yang
berkaitan dengan analisis cluster.
D. Pemecahan Masalah
Tahap pemecahan masalah dimaksudkan untuk memberikan solusi-
solusi dari permasalahan yang telah ditentukan seperti yang dikemukakan
diatas.
Langkah-langkah yang akan dilakukan dalam menentukan analisis
cluster adalah sebagai berikut:
1. Menentukan ukuran ketakmiripan antar dua obyek, dalam hal ini dihitung
menggunakan jarak Euclidean.
2. Membuat cluster, proses cluster ini dilakukan dengan dua metode yaitu
secara hirarki dan non hirarki.
3. Memberi nama spesifik setelah cluster terbentuk, untuk menggambarkan
isi cluster tersebut.
4. Melakukan validasi cluster.
E. Penarikan Kesimpulan
Tahap ini merupakan tahap akhir dari penelitian. Penarikan kesimpulan
didasarkan pada pembahasan permasalahan dengan menggunakan kajian
pustaka.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
Data dalam penelitian ini diambil dari BPS (Badan Pusat Statistik)
Semarang yaitu data tentang beban pencemaran udara menurut industri di Jawa
Tengah tahun 2005. Data yang digunakan dalam permasalahan ini ada 5 variabel,
dimana variabel-variabel tersebut adalah jenis polutan yang meliputi debu, Sulfur
dioksida (SO2), Nitrogen dioksida (NO2), Hidrocarbon (HC), Carbonmonoksida
(CO). sedangkan obyek-obyek yang digunakan 14 jenis industri di Jawa Tengah
yaitu industri makanan, industri minuman, industri tekstil, industri kayu, olahan
kayu, industri kertas, industri kimia dasar, industri non logam, industri semen,
kapur dan gips, industri logam dasar, hasil-hasil olahan logam, industri rumah
sakit, dan perhotelan. Data dapat dilihat pada lampiran 1.
Proses clustering dapat dilakukan secara hirarki dan juga non hirarki,
kedua metode tersebut digunakan secara berdampingan. Dalam penelitian ini
proses clustering secara hirarki menggunakan metode pautan tunggal atau single
linkage, sedangkan proses clustering secara non-hirarki menggunakan metode k-
means. Proses komputasi yang digunakan untuk mengolah data adalah program
SPSS 12 for windows.
24
25
Proses Analisis Cluster
Proses yang dilakukan dalam analisis cluster, meliputi:
1. Menentukan ukuran ketakmiripan antar dua objek
Jarak tiap objek (jenis industri) yang dihitung dengan jarak euclidean
ditampilkan dalam tabel Proximity Matrix pada lampiran 2. Sebagai contoh
jarak antara industri makanan dengan industri minuman sebesar 24510,421 ,
sedangkan jarak antara industri makanan dengan industri tekstil sebesar
781913,021. Hal ini menunjukkan bahwa industri makanan lebih mirip
karakteristiknya dengan industri minuman. Demikian seterusnya untuk
penafsiran obyek-obyek yang lain. Semakin kecil nilai jarak antara dua obyek,
maka semakin mirip kedua obyek tersebut.
2. Membuat cluster
a) Proses clustering secara hirarki
Proses penggabungan dua obyek atau lebih dapat dilihat pada tabel
Agglomeration Schedule (lampiran 3) dengan tahapan sebagai berikut :
Pada Stage (tahap) 1, terbentuk satu cluster antara industri rumah sakit
dengan perhotelan, dengan nilai koefisien sebesar 150.467 yang
menunjukkan besarnya jarak antara industri rumah sakit (13) dengan
perhotelan (14). Proses Agglomerasi dimulai dengan jarak antar obyek
yang paling dekat, yaitu jarak antara industri rumah sakit dengan
perhotelan yang memiliki jarak terdekat dari 91 kombinasi jarak antar
obyek yang ada. Kemudian jika dilihat pada kolom tahap selanjutnya
26
(next stage) terlihat angka 2. Hal ini berarti langkah clustering
selanjutnya dilakukan dengan melihat tahap (stage) 2, dengan
penjelasan sebagai berikut.
Pada Stage (tahap) 2, dapat dilihat terbentuknya cluster antara industri
semen (9) dengan industri rumah sakit (13), dengan nilai koefisien
sebesar 4999.065 yang menunjukkan besarnya jarak terdekat antara
industri semen dengan kedua industri sebelumnya (industri rumah sakit
dan perhotelan).
Dengan terbentuknya cluster tersebut, maka sekarang cluster terdiri
dari 3 obyek, yaitu industri rumah sakit, perhotelan dan industri semen.
Kemudian pada kolom tahap selanjutnya (next stage) terlihat angka 6.
Hal ini berarti langkah clustering selanjutnya dilakukan dengan
melihat tahap (stage) 6, dengan penjelasan sebagai berikut.
Pada Stage (tahap) 6, terbentuk cluster antara industri semen (9)
dengan kapur dan gips (10), dengan nilai koefisien sebesar 19430.220
yang menunjukkan besar jarak terdekat antara industri kapur dan gips
dengan ketiga obyek cluster sebelumnya (industri rumah sakit,
perhotelan dan industri semen).
Dengan terbentuknya cluster tersebut, maka sekarang cluster terdiri
dari 4 obyek, yaitu industri rumah sakit, perhotelan, industri semen dan
industri kapur dan gips.
Proses cluster dilanjutkan hingga pada kolom tahap selanjutnya
menunjukkan nilai tahap 0, yang berarti proses cluster berhenti.
27
Kemudian proses dilanjutkan ke tahap yang belum diproses sampai
proses cluster berhenti.
Visualisasi dari proses agglomerasi ini dapat dilihat pada Dendogram
(lampiran 4). Sedangkan proses pengclusteran dengan menggunakan
matriks jarak dilakukan proses pengclusteran sebagai berikut (lampiran 6):
Pada awal proses kita memiliki empat belas cluster, yaitu keempat
belas jenis industri. Tahap pertama yang dilakukan adalah mencari
jarak yang terdekat antara dua objek dari sekian banyak kombinasi
jarak dari empat belas objek yang ada (pada Tabel 1). Jarak antara
industri rumah sakit dan industri perhotelan merupakan jarak yang
terdekat yaitu sebesar 150.467, sehingga kedua industri tersebut
menjadi satu cluster. Sekarang tersisa tiga belas cluster.
Kemudian dilakukan perbaikan matriks jarak menggunakan metode
pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri rumah sakit dan
perhotelan) sehingga diperoleh :
h{(13,14),(1)} = min{d(13,1),d(14,1)}
= min {174594.891, 174502.336} = 174502.336
h{(13,14),(2)} = min{d(13,2),d(14,2)}
= min {150105.406, 150013.578 } = 150013.578
h{(13,14),(3)} = min{d(13,3),d(14,3)}
= min {956507.780, 956415.061} = 956415.061
28
h{(13,14),(4)} = min{d(13,4),d(14,4)}
= min {382730.511, 382637.742} = 382637.742
h{(13,14),(5)} = min{d(13,5),d(14,5)}
= min{638901.061, 638808.286} = 638808.286
h{(13,14),(6)} = min {d(13,6), d(14,6)}
= min {483664.748, 483625.863} = 483625.863
h{(13,14),(7)} = min {d(13,7), d(14,7)}
= min {62537.670, 62443.540} = 62443.540
h{(13,14),(8)} = min {d(13,8), d(14,8)}
= min {53739.611, 53647.510} = 53647.510
h{(13,14),(9)} = min {d(13,9), d(14,9)}
= min {5084.692, 4999.065} = 4999.065
h{(13,14),(10)} = min{d(13,10),d(14,10)}
= min {24117.549, 24015.600} = 24015.600
h{(13,14),(11)} = min{d(13,11),d(14,11)}
= min {41840.853, 41736.256} = 41736.256
h{(13,14),(12)} = min{d(13,12),d(14,12)}
= min {75038.749, 74946.462} = 74946.462
Dengan demikian matrik jarak menjadi seperti dalam Tabel 2.
Dari matrik jarak pada Tabel 2 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri semen dengan cluster yang anggotanya
industri rumah sakit dan perhotelan yaitu sebesar 4999.065 , sehingga
industri-industri tersebut menjadi satu cluster. Sekarang tersisa dua
belas cluster.
29
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri semen, rumah sakit dan
perhotelan) sehingga diperoleh :
h{(9,13,14),(1)} = min {d(9,1), d(13,1), d(14,1)}
= min {169515.567, 174594.891, 174502.336} = 169515.567
h{(9,13,14),(2)} = min {d(9,2), d(13,2), d(14,2)}
= min {145024.763, 150105.406, 150013.578} = 145024.763
h{(9,13,14),(3)} = min {d(9,3), d(13,3), d(14,3)}
= min {951428.596, 956507.788, 956415.07} = 951428.596
h{(9,13,14),(4)} = min {d(9,4), d(13,4), d(14,4)}
= min {377654.062, 382730.524, 382637.754} = 377654.062
h{(9,13,14),(5)} = min {d(9,5), d(13,5), d(14,5)}
= min {633822.01, 638901.061, 638808.286} = 633822.01
h{(9,13,14),(6)} = min {d(9,6), d(13,6), d(14,6)}
= min {478902.306, 483664.748, 483625.863} = 478902.306
h{(9,13,14),(7)} = min {d(9,7), d(13,7), d(14,7)}
= min {57462.769, 62537.67, 62443.54} = 57462.769
h{(9,13,14),(8)} = min {d(9,8), d(13,8), d(14,8)}
= min {48659.925, 53739.611, 53647.51} = 48659.925
h{(9,13,14),(10)} = min {d(9,10), d(13,10), d(14,10)}
= min {19430.22, 24117.549, 24015.6} = 19430.22
h{(9,13,14),(11)} = min {d(9,11), d(13,11), d(14,11)}
= min {36826.324, 41840.853, 41736.256} = 36826.324
30
h{(9,13,14),(12)} = min {d(9,12), d(13,12), d(14,12)}
= min {69959.212, 75038.749, 74946.462} = 69959.212
Dengan demikian matrik jarak menjadi seperti dalam Tabel 3.
Dari matrik jarak pada Tabel 3 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri kimia dasar dan industri non logam
yaitu sebesar 8857.109, sehingga kedua industri tersebut menjadi satu
cluster. Sekarang tersisa sebelas cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri kimia dasar dan industri
non logam) sehingga diperoleh :
h{(7,8),(1)} = min {d(7,1), d(8,1)}
= min {112067.694, 120855.642} = 112067.694
h{(7,8),(2)} = min {d(7,2), d(8,2)}
= min {87591.175, 96366.270} = 87591.175
h{(7,8),(3)} = min {d(7,3), d(8,3)}
= min {893976.307, 902768.671} = 893976.307
h{(7,8),(4)} = min {d(7,4), d(8,4)}
= min {320237.115, 329022.060} = 320237.115
h{(7,8),(5)} = min {d(7,5), d(8,5)}
= min {576370.493, 585162.309} = 576370.493
h{(7,8),(6)} = min {d(7,6), d(8,6)}
= min {427192.251, 434632.141} = 427192.251
31
h{(7,8),(9,13,14)} = min {d(7,9), d(7,13),d(7,14),d(8,9),d(8,13),d(8,14)}
= min {57462.769, 62537.670, 62443.540, 48659.925, 53739.611, 53647.510}
= 48659.925
h{(7,8),(10)} = min {d(7,10), d(8,10)}
= min {40550.607, 31995.005} = 31995.005
h{(7,8),(11)} = min {d(7,11), d(8,11)}
= min {21283.479, 13080.303} = 13080.303
h{(7,8),(12)} = min {d(7,12), d(8,12)}
= min {12551.448, 21299.287 } = 12551.448
Dengan demikian matrik jarak menjadi seperti dalam Tabel 4.
Dari matrik jarak pada Tabel 4 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri hasil olahan logam dengan cluster yang
anggotanya industri kimia dasar dan industri non logam yaitu sebesar
12551.448, sehingga industri-industri tersebut menjadi satu cluster.
Sekarang tersisa sepuluh cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri kimia dasar, industri non
logam dan industri hasil olahan logam) sehingga diperoleh :
h{(7,8,12),(1)} = min {d(7,1), d(8,1), d(12,1)}
= min {112067.694, 120855.642, 99556.355} = 99556.355
h{(7,8,12),(2)} = min { d(7,2), d(8,2), d(12,2)}
= min {87591.175, 96366.270, 75068.194} = 75068.194
32
h{(7,8,12),(3)} = min {d(7,3), d(8,3), d(12,3)}
= min {893976.307, 902768.671, 881469.385} = 881469.385
h{(7,8,12),(4)} = min {d(7,4), d(8,4), d(12,4)}
= min {320237.115, 329022.060, 307737.774} = 307737.774
h{(7,8,12),(5)} = min {d(7,5), d(8,5), d(12,5)}
= min {576370.493, 585162.309, 563863.133} = 563863.133
h{(7,8,12),(6)} = min {d(7,6), d(8,6), d(12,6)}
= min {427192.251, 434632.141, 415563.330} = 415563.330
h{(7,8,12),(9,13,14)} = min {d(7,9), d(7,13),d(7,14),d(8,9), d(8,13), d(8,14), d(12,9),
d(12,13), d(12,14)}
= min {57462.769, 62537.670, 62443.540, 48659.925,
53739.611, 53647.510, 69959.212, 75038.749, 74946.462}
= 48659.925
h{(7,8,12),(10)} = min {d(7,10), d(8,10), d(12,10)}
= min {40550.607, 31995.005, 52882.808} = 31995.005
h{(7,8,12),(11)} = min {d(7,11), d(8,11), d(12,11)}
= min {21283.479, 13080.303, 33800.059 } = 13080.303
Dengan demikian matrik jarak menjadi seperti dalam Tabel 5.
Dari matrik jarak pada Tabel 5 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri logam dasar dengan cluster yang
anggotanya industri kimia dasar, industri non logam dan hasil olahan
logam yaitu sebesar 13080.303, sehingga industri-industri tersebut
menjadi satu cluster. Sekarang tersisa sembilan cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
33
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri logam dasar, industri
kimia dasar, industri non logam dan industri hasil olahan logam)
sehingga diperoleh :
h{(7,8,11,12),(1)} = min {d(7,1), d(8,1), d(11,1), d(12,1)}
= min {112067.694, 120855.642, 133096.351, 99556.355}
= 99556.355
h{(7,8,11,12),(2)} = min { d(7,2), d(8,2), d(11,2), d(12,2)}
= min {87591.175, 96366.270, 108666.642, 75068.194}
= 75068.194
h{(7,8,11,12),(3)} = min {d(7,3), d(8,3), d(11,3), d(12,3)}
= min {893976.307, 902768.671, 914934.218, 881469.385}
= 881469.385
h{(7,8,11,12),(4)} = min {d(7,4), d(8,4), d(11,4), d(12,4)}
= min {320237.115, 329022.060, 341192.794, 307737.774}
= 307737.774
h{(7,8,11,12),(5)} = min {d(7,5), d(8,5), d(11,5), d(12,5)}
= min {576370.493, 585162.309, 597335.276, 563863.133}
= 563863.133
h{(7,8,11,12),(6)} = min {d(7,6), d(8,6), d(11,6), d(12,6)}
= min {427192.251, 434632.141, 447616.088, 415563.330}
= 415563.330
h{(7,8,11,12),(9,13,14)} = min {d(7,9), d(7,13),d(7,14),d(8,9), d(8,13), d(8,14),
d(11,9), d(11,13), d(11,14), d(12,9), d(12,13), d(12,14)}
= min {57462.769, 62537.670, 62443.540, 48659.925, 53739.611, 53647.510,
36826.324, 41840.853, 41736.256, 69959.212, 75038.749, 74946.462}
= 36826.324
34
h{(7,8,11,12),(10)} = min {d(7,10), d(8,10), d(11,10), d(12,10)}
= min {40550.607, 31995.005, 20743.671, 52882.808}
= 20743.671
Dengan demikian matrik jarak menjadi seperti dalam Tabel 6
Dari matrik jarak pada Tabel 6 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri kapur dan gips dengan cluster yang
anggotanya industri semen, industri rumah sakit dan perhotelan yaitu
sebesar 19430.220 , sehingga industri-industri tersebut menjadi satu
cluster. Sekarang tersisa delapan cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri kapur dan gips, industri
semen, industri rumah sakit dan perhotelan) sehingga diperoleh :
h{(9,10,13,14),(1)} = min {d(9,1), d(10,1), d(13,1), d(14,1)}
= min {169515.567, 152037.540, 174594.891, 174502.336}
= 152037.540
h{(9,10,13,14),(2)} = min {d(9,2), d(10,2), d(13,2), d(14,2)}
= min {145024.763, 127595.972, 150105.406, 150013.578}
= 127595.972
h{(9,10,13,14),(3)} = min {d(9,3), d(10,3), d(13,3), d(14,3)}
= min {951428.596, 933772.628, 956507.788, 956415.07}
= 933772.62
35
h{(9,10,13,14),(4)} = min {d(9,4), d(10,4), d(13,4), d(14,4)}
= min {377654.062, 360014.583, 382730.524, 382637.754}
= 360014.583
h{(9,10,13,14),(5)} = min {d(9,5), d(10,5), d(13,5), d(14,5)}
= min {633822.01, 616160.661, 638901.061, 638808.286}
= 616160.661
h{(9,10,13,14),(6)} = min {d(9,6), d(10,6), d(13,6), d(14,6)}
= min {478902.306, 464039.349, 483664.748, 483625.863}
= 464039.349
h{(9,10,13,14),(7,8,11,12)} = min {d(9,7), d(9,8), d(9,11), d(9,12), d(10,7),
d(10,8), d(10,11), d(10,12), d(13,7), d(13,8), d(13,11), d(13,12), d(14,7),
d(14,8), d(14,11), d(14,12)}
= min {57462.769, 48659.925, 36826.324, 69959.212, 40550.607, 31995.005,
20743.671, 52882.808, 62537.670, 53739.611, 41840.853, 75038.749,
62443.540, 53647.510, 41736.256, 74946.462}
= 20743.671
Dengan demikian matrik jarak menjadi seperti dalam Tabel 7
Dari matrik jarak pada Tabel 7 kembali mencari jarak terdekat. Jarak
terdekat adalah antara cluster yang anggotanya industri kimia dasar,
non logam, logam dasar dan hasil olahan logam dengan cluster yang
anggotanya industri semen, kapur dan gips, rumah sakit dan perhotelan
yaitu sebesar 20743.671 , sehingga industri-industri tersebut menjadi
satu cluster. Sekarang tersisa tujuh cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
36
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri kimia dasar, non logam,
logam dasar, hasil olahan logam, semen, kapur dan gips, rumah sakit
dan perhotelan) sehingga diperoleh :
h{(7,8,9,10,11,12,13,14),(1)} = min { d(7,1), d(8,1), d(9,1), d(10,1), d(11,1), d(12,1),
d(13,1), d(14,1)}
= min {112067.694, 120855.642, 169515.567, 152037.540, 133096.351,
99556.355, 174594.891, 174502.336}
= 99556.355
h{(7,8,9,10,11,12,13,14),(2)} = min { d(7,2), d(8,2), d(9,2), d(10,2), d(11,2), d(12,2),
d(13,2), d(14,2)}
= min { 87591.175, 96366.270, 145024.763, 127595.972, 108666.642, 75068.194,
150105.406, 150013.578}
= 75068.194
h{(7,8,9,10,11,12,13,14),(3)} = min { d(7,3), d(8,3), d(9,3), d(10,3), d(11,3), d(12,3),
d(13,3), d(14,3)}
= min {893976.307, 902768.671, 951428.596, 933772.628, 914934.218,
881469.385, 956507.788, 956415.07}
= 881469.385
h{(7,8,9,10,11,12,13,14),(4)} = min { d(7,4), d(8,4), d(9,4), d(10,4), d(11,4), d(12,4),
d(13,4), d(14,4)}
= min {320237.115, 329022.060, 377654.062, 360014.583, 341192.794,
307737.774, 382730.524, 382637.754}
= 307737.774
37
h{(7,8,9,10,11,12,13,14),(5)} = min { d(7,5), d(8,5), d(9,5), d(10,5), d(11,5), d(12,5),
d(13,5), d(14,5)}
= min { 576370.493, 585162.309, 633822.01, 616160.661, 597335.276,
563863.133, 638901.061, 638808.286 }
= 563863.133
h{(7,8,9,10,11,12,13,14),(6)} = min { d(7,6), d(8,6), d(9,6), d(10,6), d(11,6), d(12,6),
d(13,6), d(14,6)}
= min { 427192.251, 434632.141, 478902.306, 464039.349, 447616.088,
415563.330, 483664.748, 483625.863}
= 415563.330
Dengan demikian matrik jarak menjadi seperti dalam Tabel 8
Dari matrik jarak pada Tabel 8 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri makanan dan minuman yaitu sebesar
24510.421, sehingga kedua industri tersebut menjadi satu cluster.
Sekarang tersisa enam cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri makanan dan industri
minuman) sehingga diperoleh :
h{(1,2),(3)} = min {d(1,3), d(2,3)}
= min {781913.029, 806407.178} = 781913.029
h{(1,2),(4)} = min {d(1,4), d(2,4)}
= min {208292.185, 232751.176} = 208292.185
38
h{(1,2),(5)} = min {d(1,5), d(2,5)}
= min {464307.428, 488801.569} = 464307.428
h{(1,2),(6)} = min {d(1,6), d(2,6)}
= min {330070.107, 349942.304} = 330070.107
h{(1,2),(7,8,9,10,11,12,13,14)} = min {d(1,7), d(1,8), d(1,9), d(1,10), d(1,11),
d(1,12), d(1,13), d(1,14), d(2,7), d(2,8), d(2,9), d(2,10), d(2,11), d(2,12), d(2,13),
d(2,14)}
= min {112067.694, 120855.642, 169515.567, 152037.540, 133096.351,
99556.355, 174594.891, 174502.336, 87591.175, 96366.270, 145024.763,
127595.972, 108666.642, 75068.194, 150105.406, 150013.578}
= 75068.194
Dengan demikian matrik jarak menjadi seperti dalam Tabel 9
Dari matrik jarak pada Tabel 9 kembali mencari jarak terdekat. Jarak
terdekat adalah antara cluster yang anggotanya industri makanan dan
minuman dengan cluster yang anggotanya industri kimia dasar, non
logam, semen, kapur dan gips, logam dasar, hasil olahan logam, rumah
sakit, dan perhotelan yaitu sebesar 75068.194, sehingga industri- industri
tersebut menjadi satu cluster. Sekarang tersisa lima cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri makanan, minuman,
kimia dasar, non logam, semen, kapur dan gips, logam dasar, hasil
olahan logam, rumah sakit, dan perhotelan) sehingga diperoleh :
39
h{(1,2,7,8,9,10,11,12,13,14),(3)} = min { d(1,3), d(2,3), d(7,3), d(8,3), d(9,3),
d(10,3), d(11,3), d(12,3), d(13,3), d(14,3)}
= min {781913.029, 806407.178, 893976.307, 902768.671, 951428.596,
933772.628, 914934.218, 881469.385, 956507.788, 956415.07}
= 781913.029
h{(1,2,7,8,9,10,11,12,13,14),(4)} = min { d(1,4), d(2,4), d(7,4), d(8,4), d(9,4),
d(10,4), d(11,4), d(12,4), d(13,4), d(14,4)}
= min {208292.185, 232751.176, 320237.115, 329022.060, 377654.062,
360014.583, 341192.794, 307737.774, 382730.524, 382637.754}
= 208292.185
h{(1,2,7,8,9,10,11,12,13,14),(5)} = min { d(1,5), d(2,5), d(7,5), d(8,5), d(9,5),
d(10,5), d(11,5), d(12,5), d(13,5), d(14,5)}
= min {464307.428, 488801.569, 576370.493, 585162.309, 633822.01,
616160.661, 597335.276, 563863.133, 638901.061, 638808.286 }
= 464307.428
h{(1,2,7,8,9,10,11,12,13,14),(6)} = min { d(1,6), d(2,6), d(7,6), d(8,6), d(9,6),
d(10,6), d(11,6), d(12,6), d(13,6), d(14,6)}
= min{330070.107, 349942.304, 427192.251, 434632.141, 478902.306,
464039.349, 447616.088, 415563.330, 483664.748, 483625.863}
= 330070.107
Dengan demikian matrik jarak menjadi seperti dalam Tabel 10
Dari matrik jarak pada Tabel 10 kembali mencari jarak terdekat. Jarak
terdekat adalah antara industri kayu dengan industri kertas yaitu
sebesar 200134.482, sehingga industri-industri tersebut menjadi satu
cluster. Sekarang tersisa empat cluster.
40
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri kayu dengan industri
kertas) sehingga diperoleh :
h{(4,6),(3)} = min {d(4,3), d(6,3)}
= min {574087.516, 545448.834} = 545448.834
h{(4,6),(5)} = min {d(4,5), d(6,5)}
= min {256638.781, 271288.170} = 256638.781
h{(4,6),(1,2,7,8,9,10,11,12,13,14)} = min {d(4,1), d(4,2), d(4,7), d(4,8), d(4,9),
d(4,10), d(4,11), d(4,12), d(4,13), d(4,14), d(6,1), d(6,2), d(6,7), d(6,8), d(6,9),
d(6,10), d(6,11), d(6,12), d(6,13), d(6,14)}
= min {208292.185, 232751.176, 320237.115, 329022.060, 377654.062,
360014.583, 341192.794, 307737.774, 382730.524, 382637.754, 330070.107,
349942.304, 427192.251, 434632.141, 478902.306, 464039.349, 447616.088,
415563.330, 483664.748, 483625.863}
= 208292.185
Dengan demikian matrik jarak menjadi seperti dalam Tabel 11
Dari matrik jarak pada Tabel 11 kembali mencari jarak terdekat. Jarak
terdekat adalah antara cluster yang anggotanya industri kayu dan kertas
dengan cluster yang anggotanya industri makanan, minuman, kimia
dasar, non logam, semen, kapur dan gips, logam dasar, hasil olahan
logam, rumah sakit, dan perhotelan yaitu sebesar 208292.185,
41
sehingga industri-industri tersebut menjadi satu cluster. Sekarang
tersisa tiga cluster.
Kemudian kembali dilakukan perbaikan matriks jarak menggunakan
metode pautan tunggal dengan persamaan :
h{Br,Bs} = min{d(xi,xj); xi anggota Br, xj anggota Bs}
Di sini yang mengalami perubahan adalah jarak yang melibatkan
cluster baru (cluster yang anggotanya industri makanan, minuman,
kayu, kertas, kimia dasar, non logam, semen, kapur dan gips, logam
dasar, hasil olahan logam, rumah sakit, dan perhotelan) sehingga
diperoleh :
h{(1,2,4,6,7,8,9,10,11,12,13,14),(3)} = min { d(1,3), d(2,3), d(4,3), d(6,3), d(7,3),
d(8,3), d(9,3), d(10,3), d(11,3), d(12,3), d(13,3), d(14,3)}
= min {781913.029, 806407.178, 574087.516, 545448.834, 893976.307,
902768.671, 951428.596, 933772.628, 914934.218, 881469.385, 956507.788,
956415.07}
= 545448.834
h{(1,2,4,6,7,8,9,10,11,12,13,14),(5)} = min { d(1,5), d(2,5), d(4,5), d(6,5), d(7,5),
d(8,5), d(9,5), d(10,5), d(11,5), d(12,5), d(13,5), d(14,5)}
= min {464307.428, 488801.569, 256638.781, 271288.170, 576370.493,
585162.309, 633822.01, 616160.661, 597335.276, 563863.133, 638901.061,
638808.286 }
= 256638.781
Dengan demikian matrik jarak menjadi seperti dalam Tabel 12
Dari matrik jarak pada Tabel 12 kembali mencari jarak terdekat.
Jarak terdekat adalah antara industri olahan kayu dengan cluster yang
42
anggotanya industri makanan, minuman, kayu, kertas, kimia dasar,
non logam, semen, kapur dan gips, logam dasar, hasil olahan logam,
rumah sakit, dan perhotelan yaitu sebesar 256638.781, sehingga
industri-industri tersebut menjadi satu cluster. Sekarang tersisa dua
cluster.
Terakhir jelas bahwa kedua cluster tersebut membentuk sebuah cluster
saja, dengan demikian proses pengclusteran selesai. Untuk
memperjelas proses penggabungan satu demi satu dapat digambarkan
dalam bentuk dendogram (Lampiran 4).
b) Proses clustering secara non-hirarki
Selain menggunakan metode hirarki, kita juga menggunakan
metode non-hirarki. Metode non-hirarki memproses semua objek (kasus)
secara sekaligus. Metode non-hirarki yang digunakan adalah k-means
dimana k adalah banyaknya cluster = 3.
Proses pengclusteran dengan metode k-means adalah :
a. Besarnya k (banyaknya cluster) = 3. Centroid ada 3 karena jumlah
cluster ada tiga. Nilai centroid diperoleh secara acak.
c1 (centroid cluster 1) adalah nilai kelima variabel dari obyek industri
kertas
c2 (centroid cluster 2) adalah nilai kelima variabel dari obyek industri
rumah sakit
c3 (centroid cluster 3) adalah nilai kelima variabel dari obyek industri
tekstil
43
Nilai centroid dari tiap cluster adalah :
c1 = (4916,75; 483238,54; 21370,91; 919,53; 131,4)
c2 = (63,37; 58,93; 284,02, 11,85; 1,47)
c3 = (92737,12; 862476,34; 403086,58; 17343,74; 2151,66)
dimana nilai ketiga centroid tersebut terdapat pada tabel initial cluster
centers (lampiran 5).
b. Jarak setiap objek dengan tiap centroid
Jarak setiap objek dari centroid (pusat cluster) pertama dengan
menggunakan kuadrat jarak euclidean adalah sebagai berikut :
Industri c1
Makanan (16941,83-4916,75) + (157562,87-483238,54)2 + (73638,52-21370,91)2
2
+ (3168,79-919,53)2 + (393,13-131,40)2 = 1,089x1011
Minuman (14608,25-4916,75)2 + (135861,10-483238,54)2 + (62496,05-21370,91)2
+ (2732,06-919,53)2 + (338,94-131,40)2 = 1,225x1011
Tekstil (92737,12-4916,75)2 + (862476,34-483238,54)2 + (403086,58-21370,91)2
+ (17343,74 -919,53)2 + (2151,66-131,40)2 =2,975x1011
Kayu (37078,59-4916,75)2 + (344839,36-483238,54)2 + (161163,97-21370,91)2
+ (18876,55 -919,53)2 + (860,28-131,40)2 = 4,005x1010
Olahan kayu (63789,95-4916,75)2 + (575981,54-483238,54)2 + (269190,49-21370,91)2
+ (11582,55-919,53)2 + (1436,93-131,40)2 =7,360x1010
Kertas (4916,75-4916,75)2 + (483238,54 -483238,54)2 + (21370,91-21370,91)2
+ (919,53-919,53)2 + (131,40-131,40)2 = 0
Kimia dasar (6031,05-4916,75)2 + (56090,16-483238,54)2 + (27387,22-21370,91)2 +
(1127,93-919,53)2 + ( 139,93-131,40)2 = 1,825x1011
Non logam (5226,60-4916,75)2 + (48608,60 -483238,54)2 + (22717,69-21370,91)2 +
(977,48-919,53)2 + (121,27-131,40)2 = 1,889x1011
Semen (509,72-4916,75)2 + (4740,50-483238,54)2 + (2215,52-21370,91)2 +
(95,33-919,53)2 + (11,83-131,40)2 = 2,293x1011
Kapur dan gips ( 9945,85-4916,75)2 + (19350,26-483238,54)2 + (10694,06-21370,91)2 +
(1860,05-919,53)2 + (230,75-131,40)2 = 2,153x1011
44
Logam Dasar (3830,46-4916,75)2 + (35624,19-483238,54)2 + (21977,07-21370,91)2 +
(1002,93-919,53)2 + (88,87-131,40)2 =2,004x1011
Hasil Olahan (7291,27-4916,75)2 + (67810,42-483238,54)2 + (31691,85-21370,91)2 +
Logam (1363,61-919,53)2 + (168,34-131,40)2 =1,727x1011
Rumah Sakit (63,37-4916,75)2 + (58,93-483238,54)2 + (284,02-21370,91)2 + (11,85-
919,53)2 + (1,47-131,40)2 = 2,339 x1011
Perhotelan (98,15-4916,75)2 + ( 91,29-483238,54)2 + ( 426,64-21370,91)2 + ( 18,36-
919,53)2 + (2,28-131,40)2 =2,339x1011
Jarak setiap objek dari centroid (pusat cluster) kedua dengan menggunakan
kuadrat jarak euclidean adalah sebagai berikut :
Industri c2
Makanan (16941,83-63,37)2 + (157562,87-58,93)2 + (73638,52-284,02)2 +
(3168,79-11,85)2 + (393,13-1,47)2 =3,048 x1010
Minuman (14608,25-63,37)2 + (135861,10-58,93)2 + (62496,05-284,02)2 +
(2732,06-11,85)2 + (338,94-1,47)2 = 2,253 x1010
Tekstil (92737,12-63,37)2 + ( 862476,34-58,93)2 + (403086,58-284,02)2 +
(17343,74 -11,85)2 + (2151,66-1,47)2 =9,149 x1011
Kayu (37078,59-63,37)2 + (344839,36-58,93)2 + (161163,97-284,02)2 +
(18876,55 -11,85)2 + (860,28-1,47)2 = 1,465 x1011
Olahan kayu (63789,95-63,37)2 + (575981,54-58,93)2 + (269190,49-284,02)2 +
(11582,55-11,85)2 + (1436,93-1,47)2 = 4,082 x1011
Kertas (4916,75-63,37)2 + (483238,54 -58,93)2 + (21370,91-284,02)2 + (919,53-
11,85)2 + (131,40-1,47)2 = 2,339 x1011
Kimia dasar (6031,05-63,37)2 + (56090,16-58,93)2 + (27387,22-284,02)2 + (1127,93-
11,85)2 + ( 139,93-1,47)2 = 3,911 x109
Non logam (5226,60-63,37)2 + (48608,60-58,93)2 + (22717,69-284,02)2 + (977,48-
11,85)2 + (121,27-1,47)2 = 2,888 x109
Semen (509,72-63,37)2+(4740,50-58,93)2 + (2215,52-284,02)2 + (95,33-11,85)2
+ (11,83-1,47)2 = 2,585x107
Kapur dan gips (9945,85-63,37)2 + (19350,26-58,93)2 + (10694,06-284,02)2 + (1860,05-
11,85)2 + (230,75-1,47)2 = 5,817x108
Logam Dasar (3830,46-63,37)2 + (35624,19-58,93)2 + (21977,07-284,02)2 + (1002,93-
11,85)2 + (88,87-1,47)2 = 1,751 x109
45
Hasil Olahan (7291,27-63,37)2 + (67810,42-58,93)2 + (31691,85-284,02)2 + (1363,61-
Logam 11,85)2 + (168,34-1,47)2 =5,631 x109
Rumah Sakit (63,37-63,37)2 + (58,93-58,93)2 + (284,02-284,02)2 + (11,85-11,85)2 +
(1,47-1,47)2 = 0
Perhotelan (98,15-63,37)2 + ( 91,29-58,93)2 + ( 426,64-284,02)2 + ( 18,36-11,85)2 +
(2,28-1,47)2 =2,264x104
Jarak setiap objek dari centroid (pusat cluster) ketiga dengan menggunakan
kuadrat jarak euclidean adalah sebagai berikut :
Industri c3
Makanan (16941,83-92737,12)2+(157562,87-862476,34)2+(73638,52-403086,58)2
+ (3168,79-17343,74)2 + (393,13-2151,66)2 = 6,114 x1011
Minuman (14608,25-92737,12)2+(135861,10-862476,34)2+ (62496,05-403086,58)2
+ (2732,06-17343,74)2 + (338,94-2151,66)2 = 6,503 x1011
Tekstil (92737,12-92737,12)2 + (862476,34-862476,34)2 + (403086,58-
2 2 2
403086,58) + (17343,74 -17343,74) + (2151,66-2151,66) = 0
Kayu (37078,59-92737,12)2 + (344839,36-862476,34)2 + (161163,97-
403086,58) + (18876,55-17343,74) + (860,28-2151,66) = 3,296 x1011
2 2 2
Olahan kayu (63789,95-92737,12)2 + (575981,54-862476,34)2 + (269190,49-
403086,58) + (11582,55-17343,74) + (1436,93-2151,66) = 1,009 x1011
2 2 2
Kertas (4916,75-92737,12)2 + (483238,54-862476,34)2 + (21370,91-403086,58)2
+ (919,53-17343,74)2 + (131,40-2151,66)2 = 2,975 x1011
Kimia dasar (6031,05-92737,12)2 + (56090,16-862476,34)2 + (27387,22-403086,58)2
+ (1127,93-17343,74)2 + ( 139,93-2151,66)2 = 7,992 x1011
Non logam (5226,60-92737,12)2 + (48608,60-862476,34)2 + (22717,69-403086,58)2
+ (977,48-17343,74)2 + (121,27-2151,66)2 = 8,150 x1011
Semen (509,72-92737,12)2 + (4740,50-862476,34)2 + (2215,52-403086,58)2 +
(95,33-17343,74)2 + (11,83-2151,66)2 = 9,052 x1011
Kapur dan gips (9945,85-92737,12)2 + (19350,26-862476,34)2 + (10694,06-403086,58)2
+ (1860,05-17343,74)2 + (230,75-2151,66)2 = 8,719 x1011
Logam Dasar (3830,46-92737,12)2 + (35624,19-862476,34)2 + (21977,07-403086,58)2
+ (1002,93-17343,74)2 + (88,87-2151,66)2 = 8,371 x1011
Hasil Olahan (7291,27-92737,12)2 + (67810,42-862476,34)2 + (31691,85-403086,58)2
Logam + (1363,61-17343,74)2 + (168,34-2151,66)2 = 7,770 x1011
46
Rumah Sakit (63,37-92737,12)2 + (58,93-862476,34)2 + (284,02-403086,58)2 + (11,85-
17343,74)2 + (1,47-2151,66)2 = 9,149 x1011
Perhotelan (98,15-92737,12)2 +(91,29-862476,34)2 + (426,64-403086,58)2 + ( 18,36-
17343,74)2 + (2,28-2151,66)2 =9,147 x1011
Secara keseluruhan jarak tiap objek (industi) ke pusat cluster (centroid)
adalah sebagai berikut:
Industri c1 c2 c3
Makanan 1,089x1011 3,048x1010 6,114 x1011
Minuman 1,225 x1011 2,253 x1010 6,503 x1011
Tekstil 2,975 x1011 9,149 x1011 0
Kayu 4,005 x1010 1,465 x1011 3,296 x1011
Olahan kayu 7,360 x1010 4,082 x1011 1,009 x1011
Kertas 0 2,339x1011 2,975 x1011
Kimia dasar 1,825 x1011 3,911 x109 7,992 x1011
Non logam 1,889 x1011 2,888 x109 8,150 x1011
Semen 2,293 x1011 2,585x107 9,052 x1011
Kapur&gips 2,153 x1011 5,817x108 8,719 x1011
Logam dasar 2,004 x1011 1,751x109 8,371 x1011
Hasil olahan logam 1,727 x1011 5,631x109 7,770 x1011
Rumah sakit 2,339 x1011 0 9,149 x1011
Perhotelan 2,339 x1011 2,264x104 9,147 x1011
Jarak terdekat industri makanan adalah dengan c2, sehingga industri
makanan masuk ke cluster 2.
Jarak terdekat industri minuman adalah dengan c2, sehingga industri
minuman masuk ke cluster 2.
47
Jarak terdekat industri tekstil adalah dengan c3, sehingga industri
tekstil masuk ke cluster 3.
Jarak terdekat industri kayu adalah dengan c1, sehingga industri kayu
masuk ke cluster 1.
Jarak terdekat industri olahan kayu adalah dengan c1, sehingga industri
olahan kayu masuk ke cluster 1.
Jarak terdekat industri kertas adalah dengan c1, sehingga industri kertas
masuk ke cluster 1.
Jarak terdekat industri kimia dasar adalah dengan c2, sehingga industri
kimia dasar masuk ke cluster 2.
Jarak terdekat industri non logam adalah dengan c2, sehingga industri
non logam masuk ke cluster 2.
Jarak terdekat industri semen adalah dengan c2, sehingga industri
semen masuk ke cluster 2.
Jarak terdekat industri kapur dan gips adalah dengan c2, sehingga
industri kapur dan gips masuk ke cluster 2.
Jarak terdekat industri logam dasar adalah dengan c2, sehingga industri
logam dasar masuk ke cluster 2.
Jarak terdekat industri hasil olahan logam adalah dengan c2, sehingga
industri hasil olahan logam masuk ke cluster 2.
Jarak terdekat industri rumah sakit adalah dengan c2, sehingga industri
rumah sakit masuk ke cluster 2.
48
Jarak terdekat industri perhotelan adalah dengan c2, sehingga industri
perhotelan masuk ke cluster 2.
Dari proses ini diperoleh anggota tiap cluster sebagai berikut :
Cluster 1 dengan anggota : industri kayu, industri olahan kayu,
industri kertas.
Cluster 2 dengan anggota : industri logam dasar, industri kapur dan
gips, industri semen, industri non
logam, industri kimia dasar, industri
minuman, industri makanan, industri
hasil olahan logam, industri rumah
sakit, industri perhotelan.
Cluster 3 dengan anggota : industri tekstil.
c. Selanjutnya menghitung kembali centroid yang baru yang merupakan
rataan kelima variabel pada tiap cluster.
c1* (centroid cluster 1) adalah nilai kelima variabel dari 3 objek yang
masuk ke dalam cluster 1 pada langkah b.
c2* (centroid cluster 2) adalah nilai rata-rata kelima variabel dari 10
objek yang masuk ke cluster 2 pada langkah b.
c3* (centroid cluster 3) adalah nilai rata-rata kelima variabel dari objek
industri tekstil.
49
Nilai centroid dari tiap cluster adalah :
c1* = (35261,76; 468019,81; 150575,12; 10459,54; 809,54)
c2* = (6454,66; 52579,83; 25352,86; 1235,84; 149,68)
c3* = (92737,12; 862476,34; 403086,58; 17343,74; 2151,66)
dimana nilai ketiga centroid tersebut terdapat pada tabel final cluster
centers (lampiran 5).
d. Jarak setiap objek dengan tiap centroid
Jarak setiap objek dengan centroid (pusat cluster) pertama adalah
sebagai berikut :
Industri c1*
Makanan (16941,83-35261,76) +(157562,87-468019,81)2+ (73638,52-150575,12)2 +
2
(3168,79-10459,54)2 + (393,13-809,54)2 = 1,027x1011
Minuman (14608,25-35261,76)2+(135861,10-468019,81)2+ (62496,05-150575,12)2 +
(2732,06-10459,54)2 + (338,94-809,54)2 = 1,186 x1011
Tekstil (92737,12-35261,76)2+(862476,34-468019,81)2+(403086,58-150575,12)2
+ (17343,74 -10459,54)2 + (2151,66-809,54)2 = 2,227 x1011
Kayu (37078,59-35261,76)2+(344839,36-468019,81)2+(161163,97 -150575,12)2
+ (18876,55 -10459,54)2 + (860,28-809,54)2 = 1,536x1010
Olahan kayu (63789,95-35261,76)2+(575981,54-468019,81)2+(269190,49-150575,12)2+
(11582,55-10459,54)2 + (1436,93-809,54)2 = 2,654 x1010
Kertas (4916,75-35261,76)2 +(483238,54-468019,81)2 + (21370,91-150575,12)2 +
(919,53-10459,54)2 + (131,40-809,54)2 = 1,794 x1010
Kimia dasar (6031,05-35261,76)2 + (56090,16-468019,81)2 + (27387,22-150575,12)2 +
(1127,93-10459,54)2 + (139,93-809,54)2 = 1,858 x1011
Non logam (5226,60-35261,76)2 + (48608,60-468019,81)2 + (22717,69-150575,12)2 +
(977,48-10459,54)2 + (121,27-809,54)2 = 1,932 x1011
Semen (509,72-35261,76)2 + (4740,50-468019,81)2 + (2215,52-150575,12)2 +
(95,33-10459,54)2 + (11,83-809,54)2 = 2,380 x1011
Kapur dan ( 9945,85-35261,76)2 + (19350,26-468019,81)2 + (10694,06-150575,12)2 +
gips (1860,05-10459,54)2 + (230,75-809,54)2 = 2,216 x1011
50
Logam Dasar (3830,46-35261,76)2 + (35624,19-468019,81)2 + (21977,07-150575,12)2 +
(1002,93-10459,54)2 + (88,87-809,54)2 = 2,046 x1011
Hasil Olahan (7291,27-35261,76)2 + (67810,42-468019,81)2 + (31691,85-150575,12)2 +
Logam (1363,61-10459,54)2 + (168,34-809,54)2 = 1,752 x1011
Rumah Sakit (63,37-35261,76)2 + (58,93-468019,81)2 + (284,02-150575,12)2 + (11,85-
10459,54)2 + (1,47-809,54)2 = 2,429 x1011
Perhotelan (98,15-35261,76)2 + (91,29-468019,81)2 + (426,64-150575,12)2 + (18,36-
10459,54)2 + (2,28-809,54)2 = 2,428 x1011
Jarak setiap objek dengan centroid (pusat cluster) kedua adalah sebagai
berikut :
Industri c2*
Makanan (16941,83-6454,66) + (157562,87-52579,83)2 + (73638,52-25352,86)2 +
2
(3168,79-1235,84)2 + (393,13-149,68)2 = 1,347 x1010
Minuman (14608,25-6454,66)2 + (135861,10-52579,83)2 + (62496,05-25352,86)2 +
(2732,06-1235,84)2 + (338,94-149,68)2 = 8,384 x109
Tekstil (92737,12-6454,66)2 + ( 862476,34-52579,83)2 + (403086,58-25352,86)2 +
(17343,74 -1235,84)2 + (2151,66-149,68)2 = 8,063 x1011
Kayu (37078,59-6454,66)2 + (344839,36-52579,83)2 + (161163,97-25352,86)2 +
(18876,55 -1235,84)2 + (860,28-149,68)2 = 1,051 x1011
Olahan kayu (63789,95-6454,66)2 + (575981,54-52579,83)2 + (269190,49-25352,86)2 +
(11582,55-1235,84)2 + (1436,93-149,68)2 = 3,368 x1011
Kertas (4916,75-6454,66)2 + (483238,54 -52579,83)2 + (21370,91-25352,86)2 +
(919,53-1235,84)2 + (131,40-149,68)2 = 1,855 x1011
Kimia dasar (6031,05-6454,66)2 + (56090,16-52579,83)2 + (27387,22-25352,86)2 +
(1127,93-1235,84)2 + ( 139,93-149,68)2 = 1,665 x107
Non logam (5226,60-6454,66)2 + (48608,60-52579,83)2 + (22717,69-25352,86)2 +
(977,48-1235,84)2 + (121,27-149,68)2 = 2,429 x107
Semen (509,72-6454,66)2 + (4740,50-52579,83)2 + (2215,52-25352,86)2 + (95,33-
1235,84)2 + (11,83-149,68)2 = 2,861 x109
Kapur dan (9945,85-6454,66)2 + (19350,26-52579,83)2 + (10694,06-25352,86)2 +
gips (1860,05-1235,84)2 + (230,75-149,68)2 = 1,332 x109
Logam Dasar (3830,46-6454,66)2 + (35624,19-52579,83)2 + (21977,07-25352,86)2 +
(1002,93-1235,84)2 + (88,87-149,68)2 = 3,058 x108
51
Hasil Olahan (7291,27-6454,66)2 + (67810,42-52579,83)2 + (31691,85-25352,86)2 +
Logam (1363,61-1235,84)2 + (168,34-149,68)2 = 2,729 x108
Rumah Sakit (63,37-6454,66)2 + (58,93-52579,83)2 + (284,02-25352,86)2 + (11,85-
1235,84)2 + (1,47-149,68)2 = 3,429 x109
Perhotelan (98,15-6454,66)2 + (91,29-52579,83)2 + (426,64-25352,86)2 + (18,36-
1235,84)2 + (2,28-149,68)2 = 3,418 x109
Jarak setiap objek dengan centroid (pusat cluster) ketiga adalah sebagai
berikut :
Industri c3*
Makanan (16941,83-92737,12) +(157562,87-862476,34)2+(73638,52-403086,58)2 +
2
(3168,79-17343,74)2 + (393,13-2151,66)2 = 6,114 x1011
Minuman (14608,25-92737,12)2+(135861,10-862476,34)2+(62496,05-403086,58)2 +
(2732,06-17343,74)2 + (338,94-2151,66)2 = 6,503 x1011
Tekstil (92737,12-92737,12)2+(862476,34-862476,34)2+ (403086,58-403086,58)2
+ (17343,74 -17343,74)2 + (2151,66-2151,66)2 = 0
Kayu (37078,59-92737,12)2+(344839,36-862476,34)2+ (161163,97-403086,58)2
+ (18876,55 -17343,74)2 + (860,28-2151,66)2 = 3,296 x1011
Olahan kayu (63789,95-92737,12)2+(575981,54-862476,34)2+ (269190,49-403086,58)2
+ (11582,55-17343,74)2 + (1436,93-2151,66)2 = 1,009 x1011
Kertas (4916,75-92737,12)2 + (483238,54 -862476,34)2 + (21370,91-403086,58)2
+ (919,53-17343,74)2 + (131,40-2151,66)2 = 2,975 x1011
Kimia dasar (6031,05-92737,12)2 + (56090,16-862476,34)2 + (27387,22-403086,58)2 +
(1127,93-17343,74)2 + ( 139,93-2151,66)2 = 7,992 x1011
Non logam (5226,60-92737,12)2 + (48608,60 -862476,34)2 + (22717,69-403086,58)2
+ (977,48-17343,74)2 + (121,27-2151,66)2 = 8,150 x1011
Semen (509,72-92737,12)2 + (4740,50-862476,34)2 + (2215,52-403086,58)2 +
(95,33-17343,74)2 + (11,83-2151,66)2 = 9,052 x1011
Kapur dan ( 9945,85-92737,12)2 + (19350,26-862476,34)2 + (10694,06-403086,58)2
gips + (1860,05-17343,74)2 + (230,75-2151,66)2 = 8,719 x1011
Logam Dasar (3830,46-92737,12)2 + (35624,19-862476,34)2 + (21977,07-403086,58)2 +
(1002,93-17343,74)2 + (88,87-2151,66)2 = 8,371 x1011
Hasil Olahan (7291,27-92737,12)2 + (67810,42-862476,34)2 + (31691,85-403086,58)2 +
Logam (1363,61-17343,74)2 + (168,34-2151,66)2 = 7,770 x1011
52
Rumah Sakit (63,37-92737,12)2 + (58,93-862476,34)2 + (284,02-403086,58)2 + (11,85-
17343,74)2 + (1,47-2151,66)2 = 9,149 x1011
Perhotelan (98,15-92737,12)2 + (91,29-862476,34)2 + (426,64-403086,58)2 + (18,36-
17343,74)2 + (2,28-149,68)2 = 9,147 x1011
Secara keseluruhan jarak tiap objek (industi) ke pusat cluster (centroid)
adalah sebagai berikut:
Industri c1* c2* c3*
Makanan 1,027 x1011 1,347 x1010 6,114 x1011
Minuman 1,186 x1011 8,384 x109 6,503 x1011
Tekstil 2,227 x1011 8,063 x1011 0
Kayu 1,536 x1010 1,051 x1011 3,296 x1011
Olahan kayu 2,654 x1010 3,368 x1011 1,009 x1011
Kertas 1,794 x1010 1,855 x1011 2,975 x1011
Kimia dasar 1,858 x1011 1,665 x107 7,992 x1011
Non logam 1,932 x1011 2,429 x107 8,150 x1011
Semen 2,380 x1011 2,861 x109 9,052 x1011
Kapur&gips 2,216 x1011 1,332 x109 8,719 x1011
Logam dasar 2,046 x1011 3,058 x108 8,371 x1011
Hasil olahan logam 1,752 x1011 2,729 x108 7,770 x1011
Rumah sakit 2,429 x1011 3,429 x109 9,149 x1011
Perhotelan 2,428 x1011 3,418 x109 9,147 x1011
Jarak terdekat industri makanan adalah dengan c2, sehingga industri
makanan masuk ke cluster 2.
Jarak terdekat industri minuman adalah dengan c2, sehingga industri
minuman masuk ke cluster 2.
53
Jarak terdekat industri tekstil adalah dengan c3 , sehingga industri tekstil
masuk ke cluster 3.
Jarak terdekat industri kayu adalah dengan c1, sehingga industri kayu
masuk ke cluster 1.
Jarak terdekat industri olahan kayu adalah dengan c1, sehingga industri
olahan kayu masuk ke cluster 1.
Jarak terdekat industri kertas adalah dengan c1, sehingga industri kertas
masuk ke cluster 1.
Jarak terdekat industri kimia dasar adalah dengan c2, sehingga industri
kimia dasar masuk ke cluster 2.
Jarak terdekat industri non logam adalah dengan c2, sehingga industri non
logam masuk ke cluster 2.
Jarak terdekat industri semen adalah dengan c2, sehingga industri semen
masuk ke cluster 2.
Jarak terdekat industri kapur dan gips adalah dengan c2, sehingga industri
kapur dan gips masuk ke cluster 2.
Jarak terdekat industri logam dasar adalah dengan c2, sehingga industri
logam dasar masuk ke cluster 2.
Jarak terdekat industri hasil olahan logam adalah dengan c2, sehingga
industri hasil olahan logam masuk ke cluster 2.
Jarak terdekat industri rumah sakit adalah dengan c2, sehingga industri
rumah sakit masuk ke cluster 2.
54
Jarak terdekat industri perhotelan adalah dengan c2, sehingga industri
perhotelan masuk ke cluster 2
Dari proses ini diperoleh anggota tiap cluster sebagai berikut :
Cluster 1 dengan anggota : industri kayu , industri olahan kayu, industri
kertas.
Cluster 2 dengan anggota : industri logam dasar, industri kapur dan gips,
industri semen, industri non logam, industri
kimia dasar, industri minuman, industri
makanan, industri hasil olahan logam,
industri rumah sakit, industri perhotelan.
Cluster 3 dengan anggota : industri tekstil.
Karena tidak ada perubahan hasil pengclusteran, maka proses berhenti. Dari
tiga cluster yang terbentuk, kita dapat melihat rata-rata banyaknya polutan
(dalam satuan ton) pada setiap cluster dalam tabel final cluster centers pada
lampiran 5, yaitu :
• Untuk polutan debu terbanyak berada di cluster ketiga dengan rata-rata
sebesar 92.737,12 ton. Jadi industri tekstil menghasilkan polutan debu
terbesar. Sedangkan polutan debu terkecil adalah dari cluster kedua
dengan rata-rata sebesar 6.454,66 ton.
• Untuk polutan SO2 terbanyak berada di cluster ketiga dengan rata-rata
sebesar 862.476,34 ton. Sedangkan polutan SO2 terkecil adalah dari
cluster kedua dengan rata-rata sebesar 52.579,83 ton.
55
• Untuk polutan NO2 terbanyak berada di cluster ketiga dengan rata-rata
sebesar 403.086,58 ton. Sedangkan polutan NO2 terkecil adalah dari
cluster kedua dengan rata-rata sebesar 25.352,86 ton.
• Untuk polutan HC terbanyak berada di cluster ketiga dengan rata-rata
sebesar 17.343,74 ton. Sedangkan polutan HC terkecil adalah dari cluster
kedua dengan rata-rata sebesar 1.235,84 ton
• Untuk polutan CO terbanyak berada di cluster ketiga dengan rata-rata
sebesar 2.151,66 ton. Sedangkan polutan CO terkecil adalah dari cluster
kedua dengan rata-rata sebesar 149,68 ton.
3. Setelah cluster terbentuk, tahap selanjutnya yaitu memberi nama spesifik
untuk menggambarkan isi cluster tersebut. Dari ketiga cluster yang terbentuk
kita dapat mengklasifikasikan sebagai berikut :
Cluster pertama : Kelima jenis polutan memiliki rata-rata lebih dari cluster
kedua dan kurang dari cluster ketiga, sehingga dapat kita golongkan menjadi
kelompok industri dengan tingkat pencemaran sedang, anggotanya adalah
industri kayu , industri olahan kayu dan industri kertas.
Cluster kedua : Kelima jenis polutan memiliki rata-rata terkecil diantara
cluster yang lain, sehingga dapat kita golongkan menjadi kelompok industri
dengan tingkat pencemaran rendah, anggotanya adalah industri logam dasar,
industri kapur dan gips, industri semen, industri non logam, industri kimia
dasar, industri minuman, industri makanan, industri hasil olahan logam,
industri rumah sakit dan industri perhotelan.
56
Cluster ketiga : Kelima jenis polutan memiliki rata-rata terbesar diantara
cluster yang lain, sehingga dapat kita golongkan menjadi kelompok industri
dengan tingkat pencemaran tinggi, anggotanya adalah industri tekstil.
4. Melakukan validasi cluster
Untuk melihat apakah variabel-variabel yang telah membentuk cluster
tersebut merupakan variabel pembeda dalam pengclusteran dapat dilihat pada
tabel ANOVA di lampiran 5.
Hipotesis:
H0: variabel i bukan variabel pembeda dalam pengclusteran.
H1: variabel i merupakan variabel pembeda dalam pengclusteran
Kriteria Uji : Tolak H0 jika F > Fα, k-1,n-k
Dipilih α=0,05 dan nilai n=14, k=3 sehingga dari tabel distribusi F
diperoleh nilai Fα, k-1, n-k adalah 3,98. Nilai F hitung pada tabel ANOVA,
variabel debu= 20,911, variabel SO2= 88,015, variabel NO2= 22,388, variabel
HC= 11,948 dan variabel CO= 22,431. Karena nilai F kelima variabel > Ftabel
maka H0 ditolak, dengan demikian kelima variabel tersebut merupakan
variabel pembeda dalam pengclusteran.
Dari tabel ANOVA, juga dapat dilihat nilai signifikansi variabel debu,
SO2, NO2, CO=0.000 < α= 0.005 dan HC= 0.002< 0.005 sehingga H0 ditolak
yang berarti kelima variabel tersebut merupakan variabel pembeda dalam
pengclusteran.
BAB V
PENUTUP
A. SIMPULAN
1. Hasil analisis cluster dari 14 jenis industri berdasarkan jenis polutan
(debu, SO2, NO2, HC, CO) dapat dikelompokkan menjadi 3 kelompok
atau cluster, yaitu: cluster pertama adalah kelompok industri
pencemaran sedang, cluster kedua adalah kelompok industri
pencemaran rendah, cluster ketiga adalah kelompok industri
pencemaran tinggi.
2. Ciri dari tiap cluster atau kelompok yaitu:
a. Cluster pertama: kelima jenis polutannya memiliki rata-rata lebih
dari cluster kedua dan kurang dari cluster ketiga, anggotanya yaitu
industri kayu, industri olahan kayu dan industri kertas.
b. Cluster kedua: kelima jenis polutannya memiliki rata-rata terkecil
diantara cluster yang lain, anggotanya yaitu industri logam dasar,
industri kapur dan gips, industri semen, industri non logam,
industri kimia dasar, industri minuman, industri makanan, industri
hasil olahan logam, industri rumah sakit dan industri perhotelan.
c. Cluster ketiga: kelima jenis polutannya memiliki rata-rata terbesar
diantara cluster yang lain, anggotanya yaitu industri tekstil.
57
58
B. SARAN
1. Setelah mengetahui tingkat pencemaran udara dari tiap industri,
diharapkan para pelaku industri dan pemerintah lebih memperhatikan
pengolahan limbah khususnya industri tekstil, agar dapat mengurangi
dampak negatif bagi masyarakat sekitar.
2. Untuk peneliti selanjutnya diharapkan dapat menggunakan analisis
statistik yang lain dalam pengolahan data.
3. Peran industri dapat ditingkatkan untuk relokasi industri pencemar
udara ke kawasan-kawasan industri atau zona industri.
DAFTAR PUSTAKA
--------. 2006. Pencemaran Udara.
http://www.sabah.org.my/bm/kenali_sabah/as_pencemaran_udara.asp [29
April 2006]
Everitt, B.S. 1993. Cluster Analysis. Third Edition. Halsted Press an Imprint of
John Wiley and Sons Inc. New York
Krisatanto, P. 2004. Ekologi Industri. Yogyakarta: Andi Offset
Kuncoro, M . 2003. Metode Riset Untuk Bisnis dan Ekonomi. Jakarta: Erlangga
Sartono, B dkk. 2003. Analisis Peubah Ganda.Bogor: IPB
Sastrawijaya, A.T. 2000. Pencemaran Lingkungan. Surabaya: Rineka Cipta
Sunu, P. 2001. Melindungi Lingkungan dengan Menerapkan ISO 14001. Jakarta :
Grasindo
Supranto, J. 2000. Teknik Sampling Untuk Survei dan Eksperimen, Edisi Baru.
Jakarta: PT. Rineka Cipta
---------. 2004. Analisis Multivariat: Arti dan Interprestasi. Jakarta: PT. Rineka
Cipta
Tim Penelitian dan Pengembangan, Wahana Komputer. 2005. Pengembangan
Analisis Multivariate dengan SPSS 12, Edisi Pertama. Jakarta: Salemba
Infotek
59
60
Lampiran 1
Data Beban Pencemaran Udara pada Sektor Industri
di Jawa Tengah Tahun 2005 (dalam Ton)
No Industri Debu SO2 NO2 HC CO
1. Makanan 16941,83 157562,87 73638,52 3168,79 393,13
2. Minuman 14608,25 135861,10 62496,05 2732,06 338,94
3. Tekstil 92737,12 862476,34 403086,58 17343,74 2151,66
4. Kayu 37078,59 344839,36 161163,97 18876,55 860,28
5. Olahan kayu 63789,95 575981,54 269190,49 11582,55 1436,93
6. Kertas 4916,75 483238,54 21370,91 919,53 131,40
7. Kimia dasar 6031,05 56090,16 27387,22 1127,93 139,93
8. Non logam 5226,60 48608,60 22717,69 977,48 121,27
9. Semen 509,72 4740,50 2215,52 95,33 11,83
10. Kapur&gips 9945,85 19350,26 10694,06 1860,05 230,75
11. Logam dasar 3830,46 35624,19 21977,07 1002,93 88,87
12. Hasil olahan logam 7291,27 67810,42 31691,85 1363,61 168,34
13. Rumah sakit 63,37 58,93 284,02 11,85 1,47
14. Perhotelan 98,15 91,29 426,64 18,36 2,28
Data diatas benar-benar merupakan data yang diambil dari BPS (Badan Pusat
Statistik) Semarang.
Mengetahui,
Kasi Diseminasi (Layanan Statistik)
BPS Propinsi Jawa Tengah
Kusno Utomo, S.IP
NIP. 340007448
Lampiran 6
TABEL 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 0 24510.421 781913.029 208292.185 464307.428 330070.107 112067.694 120855.642 169515.567 152037.54 133096.351 99556.355 174594.891 174502.336
2 0 806407.178 232751.176 488801.569 349942.304 87591.175 96366.27 145024.763 127595.972 108666.642 75068.194 150105.406 150013.578
3 0 574087.516 317614.667 545448.834 893976.307 902768.671 951428.596 933772.628 914934.218 881469.385 956507.788 956415.07
4 0 256638.781 200134.482 320237.115 329022.06 377654.062 360014.583 341192.794 307737.774 382730.524 382637.754
5 0 271288.17 576370.493 585162.309 633822.01 616160.661 597335.276 563863.133 638901.061 638808.286
6 0 427192.251 434632.141 478902.306 464039.349 447616.088 415563.33 483664.748 483625.863
7 0 8857.109 57462.769 40550.607 21283.479 12551.448 62537.67 62443.54
8 0 48659.925 31995.005 13080.303 21299.287 53739.611 53647.51
9 0 19430.22 36826.324 69959.212 5084.692 4999.065
1
0 0 20743.671 52882.808 24117.549 24015.6
1
1 0 33800.059 41840.853 41736.256
1
2 0 75038.749 74946.462
1
3 0 150.467
1
4 0
TABEL 2
1 2 3 4 5 6 7 8 9 10 11 12 (13,14)
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 112067.694 120855.642 169515.567 152037.540 133096.351 99556.355 174502.336
2 0.000 806407.178 232751.176 488801.569 349942.304 87591.175 96366.270 145024.763 127595.972 108666.642 75068.194 150013.578
3 0.000 574087.516 317614.667 545448.834 893976.307 902768.671 951428.596 933772.628 914934.218 881469.385 956415.070
4 0.000 256638.781 200134.482 320237.115 329022.060 377654.062 360014.583 341192.794 307737.774 382637.754
5 0.000 271288.170 576370.493 585162.309 633822.010 616160.661 597335.276 563863.133 638808.286
6 0.000 427192.251 434632.141 478902.306 464039.349 447616.088 415563.330 483625.863
7 0.000 8857.109 57462.769 40550.607 21283.479 12551.448 62443.540
8 0.000 48659.925 31995.005 13080.303 21299.287 53647.510
9 0.000 19430.220 36826.324 69959.212 4999.065
10 0.000 20743.671 52882.808 24015.600
11 0.000 33800.059 41736.256
12 0.000 74946.462
(13,14
) 0.000
TABEL 3
1 2 3 4 5 6 7 8 (9,13,14) 10 11 12
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 112067.694 120855.642 169515.567 152037.540 133096.351 99556.355
2 0.000 806407.178 232751.176 488801.569 349942.304 87591.175 96366.270 145024.763 127595.972 108666.642 75068.194
3 0.000 574087.516 317614.667 545448.834 893976.307 902768.671 951428.596 933772.628 914934.218 881469.385
4 0.000 256638.781 200134.482 320237.115 329022.060 377654.062 360014.583 341192.794 307737.774
5 0.000 271288.170 576370.493 585162.309 633822.010 616160.661 597335.276 563863.133
6 0.000 427192.251 434632.141 478902.306 464039.349 447616.088 415563.330
7 0.000 8857.109 57462.769 40550.607 21283.479 12551.448
8 0.000 48659.925 31995.005 13080.303 21299.287
(9,13,14) 0.000 19430.220 36826.324 69959.212
10 0.000 20743.671 52882.808
11 0.000 33800.059
12 0.000
TABEL 4
1 2 3 4 5 6 (7,8) (9,13,14) 10 11 12
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 112067.694 169515.567 152037.540 133096.351 99556.355
2 0.000 806407.178 232751.176 488801.569 349942.304 87591.175 145024.763 127595.972 108666.642 75068.194
3 0.000 574087.516 317614.667 545448.834 893976.307 951428.596 933772.628 914934.218 881469.385
4 0.000 256638.781 200134.482 320237.115 377654.062 360014.583 341192.794 307737.774
5 0.000 271288.170 576370.493 633822.010 616160.661 597335.276 563863.133
6 0.000 427192.251 478902.306 464039.349 447616.088 415563.330
(7,8) 0.000 48659.925 31995.005 13080.303 12551.448
(9,13,14) 0.000 19430.220 36826.324 69959.212
10 0.000 20743.671 52882.808
11 0.000 33800.059
12 0.000
TABEL 5
1 2 3 4 5 6 (7,8,12) (9,13,14) 10 11
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 99556.355 169515.567 152037.540 133096.351
2 0.000 806407.178 232751.176 488801.569 349942.304 75068.194 145024.763 127595.972 108666.642
3 0.000 574087.516 317614.667 545448.834 881469.385 951428.596 933772.628 914934.218
4 0.000 256638.781 200134.482 307737.774 377654.062 360014.583 341192.794
5 0.000 271288.170 563863.133 633822.010 616160.661 597335.276
6 0.000 415563.330 478902.306 464039.349 447616.088
(7,8,12) 0.000 48659.925 31995.005 13080.303
(9,13,14) 0.000 19430.220 36826.324
10 0.000 20743.671
11 0.000
TABEL 6
1 2 3 4 5 6 (7,8,11,12) (9,13,14) 10
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 99556.355 169515.567 152037.540
2 0.000 806407.178 232751.176 488801.569 349942.304 75068.194 145024.763 127595.972
3 0.000 574087.516 317614.667 545448.834 881469.385 951428.596 933772.628
4 0.000 256638.781 200134.482 307737.774 377654.062 360014.583
5 0.000 271288.170 563863.133 633822.010 616160.661
6 0.000 415563.330 478902.306 464039.349
(7,8,11,12) 0.000 36826.324 20743.671
(9,13,14) 0.000 19430.220
10 0.000
TABEL 7
1 2 3 4 5 6 (7,8,11,12) (9,10,13,14)
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 99556.355 152037.540
2 0.000 806407.178 232751.176 488801.569 349942.304 75068.194 127595.972
3 0.000 574087.516 317614.667 545448.834 881469.385 933772.628
4 0.000 256638.781 200134.482 307737.774 360014.583
5 0.000 271288.170 563863.133 616160.661
6 0.000 415563.330 464039.349
(7,8,11,12) 0.000 20743.671
(9,10,13,14) 0.000
TABEL 8
1 2 3 4 5 6 (7,8,9,10,11,12,13,14)
1 0.000 24510.421 781913.029 208292.185 464307.428 330070.107 99556.355
2 0.000 806407.178 232751.176 488801.569 349942.304 75068.194
3 0.000 574087.516 317614.667 545448.834 881469.385
4 0.000 256638.781 200134.482 307737.774
5 0.000 271288.170 563863.133
6 0.000 415563.330
(7,8,9,10,11,12,13,14) 0.000
TABEL 9
(1,2) 3 4 5 6 (7,8,9,10,11,12,13,14)
(1,2) 0.000 781913.029 208292.185 464307.428 330070.107 75068.194
3 0.000 574087.516 317614.667 545448.834 881469.385
4 0.000 256638.781 200134.482 307737.774
5 0.000 271288.170 563863.133
6 0.000 415563.330
(7,8,9,10,11,12,13,14) 0.000
TABEL 10
(1,2,7,8,9,10,11,12,13,14) 3 4 5 6
(1,2,7,8,9,10,11,12,13,14) 0.000 781913.029 208292.185 464307.428 330070.107
3 0.000 574087.516 317614.667 545448.834
4 0.000 256638.781 200134.482
5 0.000 271288.170
6 0.000
TABEL 11
(1,2,7,8,9,10,11,12,13,14) 3 (4,6) 5
(1,2,7,8,9,10,11,12,13,14) 0.000 781913.029 208292.185 464307.428
3 0.000 545448.834 317614.667
(4,6) 0.000 256638.781
5 0.000
TABEL 12
(1,2,4,6,7,8,9,10,11,12,13,14) 3 5
(1,2,4,6,7,8,9,10,11,12,13,14) 0.000 545448.834 256638.781
3 0.000 317614.667
5 0.000
TABEL 13
(1,2,4,5,6,7,8,9,10,11,12,13,14) 3
(1,2,4,5,6,7,8,9,10,11,12,13,14) 0.000 317614.667
3 0.000
Lampiran 2
Tabel Proximity Matrix
Case Euclidean Distance
8:non 10:kapur 11:logam 12:hsl olh 13:rmh
1:makanan 2:minuman 3:tekstil 4:kayu 5:olah kayu 6:kertas 7:kimdas 9:semen 14:hotel
logam gips das lgm sakit
1:makanan .000 24510.421 781913.029 208292.185 464307.428 330070.107 112067.694 120855.642 169515.567 152037.540 133096.351 99556.355 174594.891 174502.336
2:minuman 24510.421 .000 806407.178 232751.176 488801.569 349942.304 87591.175 96366.270 145024.763 127595.972 108666.642 75068.194 150105.406 150013.578
3:tekstil 781913.029 806407.178 .000 574087.516 317614.667 545448.834 893976.307 902768.671 951428.596 933772.628 914934.218 881469.385 956507.788 956415.070
4:kayu 208292.185 232751.176 574087.516 .000 256638.781 200134.482 320237.115 329022.060 377654.062 360014.583 341192.794 307737.774 382730.524 382637.754
5:olah kayu 464307.428 488801.569 317614.667 256638.781 .000 271288.170 576370.493 585162.309 633822.010 616160.661 597335.276 563863.133 638901.061 638808.286
6:kertas 330070.107 349942.304 545448.834 200134.482 271288.170 .000 427192.251 434632.141 478902.306 464039.349 447616.088 415563.330 483664.748 483625.863
7:kimdas 112067.694 87591.175 893976.307 320237.115 576370.493 427192.251 .000 8857.109 57462.769 40550.607 21283.479 12551.448 62537.670 62443.540
8:non logam 120855.642 96366.270 902768.671 329022.060 585162.309 434632.141 8857.109 .000 48659.925 31995.005 13080.303 21299.287 53739.611 53647.510
9:semen 169515.567 145024.763 951428.596 377654.062 633822.010 478902.306 57462.769 48659.925 .000 19430.220 36826.324 69959.212 5084.692 4999.065
10:kapurgips 152037.540 127595.972 933772.628 360014.583 616160.661 464039.349 40550.607 31995.005 19430.220 .000 20743.671 52882.808 24117.549 24015.600
11:logam das 133096.351 108666.642 914934.218 341192.794 597335.276 447616.088 21283.479 13080.303 36826.324 20743.671 .000 33800.059 41840.853 41736.256
12:hsl olh
99556.355 75068.194 881469.385 307737.774 563863.133 415563.330 12551.448 21299.287 69959.212 52882.808 33800.059 .000 75038.749 74946.462
lgm
13:rmh sakit 174594.891 150105.406 956507.788 382730.524 638901.061 483664.748 62537.670 53739.611 5084.692 24117.549 41840.853 75038.749 .000 150.467
14:hotel 174502.336 150013.578 956415.070 382637.754 638808.286 483625.863 62443.540 53647.510 4999.065 24015.600 41736.256 74946.462 150.467 .000
This is a dissimilarity matrix
Anda mungkin juga menyukai
- (Purwitaningsih) METODE VOLUME HINGGA UNTUK GRID TAK BERSTRUKTURBelum ada peringkat(Purwitaningsih) METODE VOLUME HINGGA UNTUK GRID TAK BERSTRUKTUR104 halaman
- Analisis Pencemaran Udara Gas Buang Cerobong Asap Pada Industri Di Kota Medan Dengan Menggunakan Analisis ClusterBelum ada peringkatAnalisis Pencemaran Udara Gas Buang Cerobong Asap Pada Industri Di Kota Medan Dengan Menggunakan Analisis Cluster46 halaman
- 5 - Pekan Kelima - Shooting Method - RevBelum ada peringkat5 - Pekan Kelima - Shooting Method - Rev27 halaman
- Contoh Soal PDB Metode Banyak LangkahBelum ada peringkatContoh Soal PDB Metode Banyak Langkah3 halaman
- Bab 6 Pengantar Kalkulus Pengubah BanyakBelum ada peringkatBab 6 Pengantar Kalkulus Pengubah Banyak13 halaman
- Integral Tak Wajar Dan Integral Fungsi TrigonometriBelum ada peringkatIntegral Tak Wajar Dan Integral Fungsi Trigonometri12 halaman
- Perkalian Dua Matrik Dengan Menggunakan Perulangan For Pada Matlab100% (3)Perkalian Dua Matrik Dengan Menggunakan Perulangan For Pada Matlab3 halaman
- Laporan PKL - Esti Arrum I - BismillahBelum ada peringkatLaporan PKL - Esti Arrum I - Bismillah40 halaman
- Menggambar Phase Line (Example) - Kelompok 2Belum ada peringkatMenggambar Phase Line (Example) - Kelompok 23 halaman
- Analisa Kontingensi Menggunakan Model Loglinier-Free ViewBelum ada peringkatAnalisa Kontingensi Menggunakan Model Loglinier-Free View176 halaman
- LKM 4 Praktikum Fisika Komputasi 2021 InterpolasiBelum ada peringkatLKM 4 Praktikum Fisika Komputasi 2021 Interpolasi20 halaman
- 5c Distribusi Gamma Dan Eksponensial PDFBelum ada peringkat5c Distribusi Gamma Dan Eksponensial PDF20 halaman
- Matematika Islam Abad Pertengahan - Wikipedia Bahasa Indonesia, Ensiklopedia BebasBelum ada peringkatMatematika Islam Abad Pertengahan - Wikipedia Bahasa Indonesia, Ensiklopedia Bebas9 halaman
- Polinomial Hermite (Numerical Analysis) by Javas and LambangBelum ada peringkatPolinomial Hermite (Numerical Analysis) by Javas and Lambang8 halaman
- Manfaat Dan Keuntungan Mempelajari Aljabar Linier100% (1)Manfaat Dan Keuntungan Mempelajari Aljabar Linier2 halaman
- Makalah Masalah Nilai Awal Dan Syarat Batas0% (1)Makalah Masalah Nilai Awal Dan Syarat Batas10 halaman
- Menyelesaikan Masalah Transshipment Menggunakan TORA.Belum ada peringkatMenyelesaikan Masalah Transshipment Menggunakan TORA.5 halaman
- Daftar Pertanyaan Dan Materi PKM 2019Belum ada peringkatDaftar Pertanyaan Dan Materi PKM 20195 halaman
- Tugas Kalkulus - Persamaan DiferensialBelum ada peringkatTugas Kalkulus - Persamaan Diferensial38 halaman
- 2016 A - BAB 4 - Analisis Vektor - Kelompok 8Belum ada peringkat2016 A - BAB 4 - Analisis Vektor - Kelompok 816 halaman
- Metode Numerik - Pertemuan 4 (Biseksi+Regula Falsi+Newton Raphson)Belum ada peringkatMetode Numerik - Pertemuan 4 (Biseksi+Regula Falsi+Newton Raphson)12 halaman
- 001 David M - Burton Elementary Number Theory Sixth Bookfi-Org-halaman-89-95.en - IdBelum ada peringkat001 David M - Burton Elementary Number Theory Sixth Bookfi-Org-halaman-89-95.en - Id7 halaman
- Pembedahan Skoliosis Lengkap Buku Panduan bagi Para Pasien: Melihat Secara Mendalam dan Tak Memihak ke dalam Apa yang Diharapkan Sebelum dan Selama Pembedahan SkoliosisDari EverandPembedahan Skoliosis Lengkap Buku Panduan bagi Para Pasien: Melihat Secara Mendalam dan Tak Memihak ke dalam Apa yang Diharapkan Sebelum dan Selama Pembedahan Skoliosis4/5 (13)
