analisis clusterr

ANALISIS 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. SiNIP. 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. SiNIP. 130815345 NIP. 132046855

Anggota Penguji II,

Drs. Supriyono M. Si NIP. 130815345

iii

MOTTO DAN PERSEMBAHAN

MOTTO :

Di dalam diri Rasullullah terdapat suri tauladan yang baik

Setan pedangnya adalah kenyang dan penjaranya adalah lapar

Hawa nafsu pedangnya adalah bicara dan penjaranya adalah diam

Dunia pedangnya adalah bertemu dengan makhluk dan penjaranya adalah

uzlah

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

kuadrat Euclidean sebagai berikut ( )

2

1∑=

−=p

jhjijih xxd

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

F= errorsquaremeans

clustersquaremeans

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

http://www.sabah.org.my/bm/kenali_sabah/as_pencemaran_udara.asp

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 :



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



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.





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



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.





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



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.




33


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


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.





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



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.




36


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



terdekat adalah antara industri makanan dan minuman yaitu sebesar

24510.421, sehingga kedua industri tersebut menjadi satu cluster.

Sekarang tersisa enam cluster.





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



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.





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



terdekat adalah antara industri kayu dengan industri kertas yaitu

sebesar 200134.482, sehingga industri-industri tersebut menjadi satu

cluster. Sekarang tersisa empat cluster.

40





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



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.





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


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


rumah sakit


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)2 + (157562,87-483238,54)2 + (73638,52-21370,91)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

Logam

(7291,27-4916,75)2 + (67810,42-483238,54)2 + (31691,85-21370,91)2 +

(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

Logam

(7291,27-63,37)2 + (67810,42-58,93)2 + (31691,85-284,02)2 + (1363,61-

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-

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 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

Logam

(7291,27-92737,12)2 + (67810,42-862476,34)2 + (31691,85-403086,58)2

+ (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)


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)2+(157562,87-468019,81)2+ (73638,52-150575,12)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

gips

( 9945,85-35261,76)2 + (19350,26-468019,81)2 + (10694,06-150575,12)2 +

(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

Logam

(7291,27-35261,76)2 + (67810,42-468019,81)2 + (31691,85-150575,12)2 +

(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)2 + (157562,87-52579,83)2 + (73638,52-25352,86)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

gips

(9945,85-6454,66)2 + (19350,26-52579,83)2 + (10694,06-25352,86)2 +

(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 Logam

(7291,27-6454,66)2 + (67810,42-52579,83)2 + (31691,85-25352,86)2 +

(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)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+ (403086,58-403086,58)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

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

Logam

(7291,27-92737,12)2 + (67810,42-862476,34)2 + (31691,85-403086,58)2 +

(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)


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

http://www.sabah.org.my/bm/kenali_sabah/as_pencemaran_udara.asp

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

10 0 20743.671 52882.808 24117.549 24015.6

11 0 33800.059 41840.853 41736.256

12 0 75038.749 74946.462

13 0 150.467 14 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

1:makanan 2:minuman 3:tekstil 4:kayu 5:olah kayu 6:kertas 7:kimdas 8:non logam 9:semen 10:kapur

gips 11:logam

das 12:hsl olh

lgm 13:rmh sakit 14:hotel

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 lgm 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

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

analisis clusterr

Documents

Transcript of analisis clusterr