Eksplorasi Data Hasil Bangkitan
Data yang dibangkitkan terdiri dari 36 kasus data simulasi, dengan setiap kasus data simulasi terdiri dari tiga gerombol. Kasus data simulasi tersebut dibedakan atas jarak antar pusat gerombol, ragam setiap peubah pada setiap gerombol, nilai korelasi, dan banyak data. Data simulasi yang telah dibangkitkan menggunakan metode SVD kemudian dilakukan pemeriksaan kembali untuk melihat kesesuaian hasil bangkitan data, dengan setiap kasus yang ditetapkan pada data tersebut. Berdasarkan hasil pemeriksaan data simulasi mempunyai sebaran, nilai rataan, korelasi, dan ragam-peragam yang konsisten dengan nilai yang ditetapkan sebelumnya.
Berdasarkan plot skor dua komponen utama yang dihasilkan untuk setiap kasus simulasi, dapat diketahui kondisi yang terbentuk dari ketiga gerombol yang dibangkitkan. Terdapat tiga macam kondisi yang terbentuk dari ketiga gerombol yang dibangkitkan dalam simulasi. Tiga kondisi yang dilihat yaitu pertama jarak titik pusat yang berdekatan antar gerombol, kemudian jarak antar titik pusat antar gerombol sedang, serta jarak antar titik pusat gerombol yang berjauhan. Pengaruh korelasi dan ragam juga dilihat pada setiap kondisi data simulasi.
Kondisi Jarak antar Pusat Gerombol Dekat
Kondisi jarak antar pusat gerombol dekat dapat diartikan bahwa setiap gerombol yang terbentuk terpisah dalam jarak yang relatif dekat. Berikut contoh plot dua komponen utama hasil klasifikasi pada berbagai tingkat korelasi mulai dari tidak ada korelasi, korelasi rendah, sedang dan tinggi dengan jumlah amatan untuk tiap gerombol 100, dapat dilihat pada Gambar 1, 2, dan 3.
Gambar 1 memperlihatkan kasus simulasi dengan kondisi jarak antar setiap gerombol dekat, keragaman setiap peubah kecil, dengan ukuran korelasi yang berbeda menghasilkan tiga gerombol. Hal ini disebabkan karena titik pusat gerombol yang berbeda dan ragam setiap peubah yang kecil, menyebabkan amatan menyebar di sekitar titik pusat gerombol sehingga masing-masing
10
gerombol dapat terpisah dengan jelas. Ukuran korelasi antar peubah berpengaruh pada kondisi ini.
Gambar 1 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol dekat (a) ragam kecil tidak ada korelasi, (b) ragam kecil korelasi rendah, (c) ragam kecil korelasi sedang, (d) ragam kecil korelasi tinggi.
Kasus simulasi dengan kondisi jarak antar setiap gerombol dekat dan ragam setiap peubah kecil, menghasilkan gerombol yang terpisah secara tegas. Hal ini disebabkan karena besarnya ragam setiap peubah besar mempengaruhi pola penyebaran amatan yang menyebar disekitar rataan, sehingga jika jarak antar pusat gerombol dekat maka ketiga gerombol akan terpisah. Ukuran korelasi yang semakin besar antar peubah akan menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol.
Guna melihat perbandingan tingkat kebaikan klasifikasi yang dihasilkan pada kasus jarak antar pusat gerombol dekat melalui metode modifikasi pemilihan titik pusat dari k-rataan dan metode k-rataan secara lengkap dapat dilihat pada Lampiran 4. Hasil penggerombolan ini dilakukan dengan jumlah gerombol n=300, 900, dan 1500. Setiap kasus hanya dilakukan satu kali ulangan. Hasil yang diperoleh dari perbandingan tingkat kebaikan klasifikasi pada kedua metode pada Lampiran 4 menghasilkan tingkat kebaikan yang tidak jauh berbeda atau dapat dikatakan bahwa kedua metode memiliki tingkat kebaikan klasifikasi yang sama untuk kasus jarak antar gerombol dekat.
(c) (d)
11
Gambar 2 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol dekat (a) ragam sedang tidak ada korelasi, (b) ragam sedang korelasi rendah, (c) ragam sedang korelasi sedang, (d) ragam sedang korelasi tinggi.
Gambar 2 memperlihatkan kasus simulasi dengan kondisi jarak antar setiap gerombol dekat dan ragam setiap peubah sedang, menghasilkan satu gerombol. Hal ini disebabkan karena besarnya ragam setiap peubah besar mempengaruhi pola penyebaran amatan yang menyebar jauh dari rataan, sehingga jika jarak antar pusat gerombol dekat maka ketiga gerombol akan tumpang tindih. Ukuran korelasi yang semakin besar antar peubah akan menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol.
Gambar 3 memperlihatkan kasus simulasi dengan kondisi jarak antar setiap gerombol dekat dan ragam setiap peubah besar. Korelasi antar peubah rendah dan jarak antar pusat gerombol dekat menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol sehingga menghasilkan satu gerombol, sebaliknya pada kondisi korelasi antar peubah tinggi dan jarak antar pusat gerombol dekat menyebabkan amatan menyebar sesuai dengan titik pusat masing-masing gerombol sehingga menghasilkan tiga gerombol. Dimensi pengamatan akan berpengaruh dalam hasil plot untuk skor dua komponen, semakin besar dimensi maka plot skor komponen akan sulit menunjukkan hasil gerombol sebenarnya dapat terbentuk karena keterbatasan software dalam menyajikan apabila dimensi data lebih dari dua.
(a) (b)
12
Gambar 3 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol dekat (a) ragam besar tidak ada korelasi, (b) ragam besar korelasi rendah, (c) ragam besar korelasi sedang, (d) ragam besar korelasi tinggi.
Kasus simulasi dengan kondisi jarak antar setiap gerombol dekat dan ragam setiap peubah besar, menghasilkan gerombol yang saling tumpang tindih. Hal ini disebabkan karena besarnya ragam setiap peubah besar mempengaruhi pola penyebaran amatan yang menyebar jauh disekitar rataan, sehingga jika jarak antar pusat gerombol dekat maka ketiga gerombol akan tumpang tindih. Ukuran korelasi yang semakin besar antar peubah akan menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol.
Tabel 3 memperlihatkan bahwa jumlah iterasi yang dibutuhkan oleh kedua metode sangat berbeda jauh. Hal ini tentunya sangat mempengaruhi waktu yang digunakan dalam proses penggerombolan. Metode modifikasi pemilihan titik pusat awal jauh lebih unggul bila dilihat dari perbandingan jumlah proses iterasi pada penerapan untuk berbagai kasus dengan ukuran data yang berbeda, yaitu n=300, 900, dan 1500.
(a) (b)
13 Tabel 3 Perbandingan jumlah iterasi pada jarak antar pusat gerombol dekat
Data n = 300 n= 900 n= 1500 K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan Kasus 1 4 1 5 1 5 1 Kasus 2 4 1 22 1 3 1 Kasus 3 3 1 2 1 10 1 Kasus 4 3 1 3 1 3 1 Kasus 5 10 4 11 10 16 6 Kasus 6 13 2 9 2 11 3 Kasus 7 6 1 5 4 12 2 Kasus 8 3 1 2 1 22 1 Kasus 9 11 10 16 12 28 10 Kasus 10 10 10 25 11 22 11 Kasus 11 13 4 16 10 16 6 Kasus 12 5 3 7 1 8 1
Tabel 3 juga memperlihatkan bahwa ketiga ukuran data yang dicobakan tidak mempengaruhi jumlah iterasi pada kedua metode. Jumlah iterasi juga dipengaruhi oleh besarnya keragaman. Semakin besar ukuran keragaman yang dicobakan maka semakin besar jumlah iterasi pada kedua metode. Hal ini karena pola penyebaran data membuat amatan akan menyebar jauh dari rataan. Ukuran korelasi yang besar menghasilkan jumlah iterasi pada kedua metode lebih kecil, karena penyebaran data mengumpul disekitar pusat gerombol.
Kondisi Jarak antar Pusat Gerombol Sedang
Kondisi jarak antar pusat gerombol sedang dapat diartikan bahwa setiap gerombol yang terbentuk terpisah dalam jarak relatif sedang. Berikut contoh plot dua komponen utama hasil klasifikasi pada berbagai tingkat korelasi mulai dari tidak ada korelasi, korelasi rendah, sedang dan tinggi dengan jumlah amatan untuk tiap gerombol 100.
Guna melihat perbandingan tingkat kebaikan klasifikasi yang dihasilkan pada kasus jarak antar pusat gerombol sedang melalui metode modifikasi pemilihan titik pusat dari k-rataan dan metode k-rataan secara lengkap dapat dilihat pada Lampiran 5. Hasil penggerombolan ini dilakukan dengan jumlah gerombol n=300, 900, dan 1500. Setiap kasus hanya dilakukan satu kali ulangan. Hasil yang diperoleh dari perbandingan tingkat kebaikan klasifikasi pada kedua metode pada Lampiran 5 menghasilkan tingkat kebaikan yang tidak jauh berbeda atau dapat dikatakan bahwa kedua metode memiliki tingkat kebaikan klasifikasi yang sama untuk kasus jarak antar gerombol sedang.
14
Gambar 4 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol sedang (a) ragam kecil tidak ada korelasi, (b) ragam kecil korelasi rendah, (c) ragam kecil korelasi sedang, (d) ragam kecil korelasi tinggi.
Gambar 4 memperlihatkan kasus simulasi dengan kondisi jarak antar setiap gerombol sedang, ragam setiap peubah kecil akan menghasilkan tiga gerombol. Jika ragam setiap peubah untuk setiap gerombol kecil, amatan dapat dipisahkan sesuai dengan gerombol masing-masing. Ukuran korelasi yang tinggi menyebabkan amatan dapat terpisah dengan jelas sesuai dengan gerombolnya.
Kasus simulasi dengan kondisi jarak antar setiap gerombol sedang dan ragam setiap peubah kecil, menghasilkan gerombol yang saling tepisah. Hal ini disebabkan karena besarnya ragam setiap peubah besar mempengaruhi pola penyebaran amatan yang menyebar dekat disekitar rataan, sehingga jika jarak antar pusat gerombol sedang maka ketiga gerombol akan terpisah. Ukuran korelasi yang semakin besar antar peubah akan menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol.
(a) (b)
15
Gambar 5 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol sedang (a) ragam sedang tidak ada korelasi, (b) ragam sedang korelasi rendah, (c) ragam sedang korelasi sedang, (d) ragam sedang korelasi tinggi.
Gambar 5 memperlihatkan kasus simulasi dengan kondisi ragam setiap peubah untuk setiap gerombol sedang, ukuran korelasi memiliki pengaruh yang besar dalam pemisahan gerombol, semakin tinggi korelasi maka gerombol yang terbentuk semakin terpisah sesuai dengan gerombolnya.
Kasus simulasi dengan kondisi jarak antar setiap gerombol sedang dan ragam setiap peubah sedang, menghasilkan gerombol yang saling tumpang tindih. Hal ini disebabkan karena besarnya ragam setiap peubah besar mempengaruhi pola penyebaran amatan yang menyebar jauh disekitar rataan, sehingga jika jarak antar pusat gerombol sedang maka ketiga gerombol akan tumpang tindih. Ukuran korelasi yang semakin besar antar peubah akan menyebabkan amatan menyebar dekat dengan rataan dari ketiga gerombol.
(a) (b)
16
Gambar 6 Plot skor dua komponen utama hasil klasifikasi pada jarak antar pusat gerombol sedang (a) ragam besar tidak ada korelasi, (b) ragam besar korelasi rendah, (c) ragam besar korelasi sedang, (d) ragam besar korelasi tinggi.
Gambar 6 memperlihatkan kasus simulasi dengan kondisi jarak sedang, ragam yang besar, korelasi yang digunakan rendah maka akan dihasilkan satu gerombol dikarenakan amatan menyebar dekat dengan pusat gerombol sehingga membuat amatan saling tumpang tindih, sebaliknya jika ukuran korelasi yang digunakan tinggi maka akan dihasilkan tiga gerombol dikarenakan amatan menyebar dekat dengan pusat gerombol masing–masing, sehingga walaupun kondisi yang terbentuk saling tumpang tindih amatan dapat terpisah sesuai dengan gerombolnya.
Tabel 4 di bawah ini memperlihatkan bahwa jumlah iterasi yang dibutuhkan oleh kedua metode sangat berbeda jauh. Hal ini tentunya sangat mempengaruhi waktu yang digunakan dalam proses penggerombolan. Metode modifikasi pemilihan titik pusat awal jauh lebih unggul bila dilihat dari perbandingan jumlah proses iterasi pada penerapan untuk berbagai kasus dengan ukuran data yang berbeda, yaitu n=300, 900, dan 1500.
(a) (b)
17 Tabel 4 Perbandingan jumlah iterasi pada jarak antar pusat gerombol sedang
Data n= 300 n= 900 n= 1500 K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan Kasus 13 3 1 7 1 2 1 Kasus 14 3 1 18 1 21 1 Kasus 15 4 1 4 1 4 1 Kasus 16 3 1 3 1 3 1 Kasus 17 8 4 18 3 8 3 Kasus 18 5 1 5 2 10 2 Kasus 19 3 1 3 1 26 1 Kasus 20 3 1 2 1 2 1 Kasus 21 26 10 13 10 13 10 Kasus 22 7 10 17 10 22 10 Kasus 23 8 4 7 3 9 3 Kasus 24 2 1 5 1 4 1
Tabel 4 juga memperlihatkan bahwa ketiga ukuran data yang dicobakan tidak mempengaruhi jumlah iterasi pada kedua metode. Jumlah iterasi juga dipengaruhi oleh besarnya keragaman. Semakin besar ukuran keragaman yang dicobakan maka semakin besar jumlah iterasi pada kedua metode. Hal ini karena pola penyebaran data membuat amatan akan menyebar jauh dari rataan. Ukuran korelasi yang besar menghasilkan jumlah iterasi pada kedua metode lebih kecil, karena penyebaran data mengumpul disekitar pusat gerombol.
Kondisi Jarak antar Pusat Gerombol Jauh
Kondisi jarak antar pusat gerombol jauh dapat diartikan bahwa setiap gerombol yang terbentuk terpisah dalam jarak relatif jauh. Plot skor dua komponen utama untuk n=300 yang dibuat pada satu kali ulangan dengan jarak antar gerombol berjauhan dan keragaman yang ditetapkan kecil, serta ukuran korelasi yang berbeda dan semakin meningkat, secara lengkap dapat dilihat pada Lampiran 1. Plot skor komponen utama untuk jarak antar gerombol jauh, keragaman sedang serta ukuran korelasi yang semakin meningkat, secara lengkap dapat dilihat pada Lampiran 2. Kondisi jarak yang antar pusat gerombol jauh ini juga diterapkan untuk kondisi keragaman yang besar serta ukuran korelasi yang semakin meningkat, plot skor dua komponen utama pada kasus ini dapat dilihat pada Lampiran 3.
Guna melihat perbandingan tingkat kebaikan klasifikasi yang dihasilkan pada kasus jarak antar pusat gerombol jauh melalui metode modifikasi pemilihan titik pusat dari k-rataan dan metode k-rataan secara lengkap dapat dilihat pada Lampiran 6. Hasil penggerombolan ini dilakukan dengan jumlah gerombol n=300, 900, dan 1500. Setiap kasus hanya dilakukan satu kali ulangan. Hasil yang diperoleh dari perbandingan tingkat kebaikan klasifikasi pada kedua metode pada Lampiran 6 menghasilkan tingkat kebaikan yang tidak jauh berbeda atau dapat dikatakan bahwa kedua metode memiliki tingkat kebaikan klasifikasi yang sama untuk kasus jarak antar gerombol jauh.
Tabel 5 memperlihatkan kasus simulasi dengan jarak antar pusat gerombol jauh tampak bahwa jumlah iterasi yang dibutuhkan oleh kedua metode sangat
18
berbeda jauh, hal ini tentunya sangat mempengaruhi waktu yang digunakan dalam proses penggerombolan. Hasil perbandingan jumlah iterasi yang diperoleh pada kondisi jarak antar pusat gerombol jauh sama halnya dengan hasil jumlah iterasi yang diperoleh pada kondisi jarak antar pusat gerombol dekat dan sedang. Dengan demikian semakin jauh jarak antar pusat gerombol maka pada kondisi ragam kecil akan menghasilkan tiga gerombol yang terpisah dengan jelas. Ukuran korelasi yang tinggi menyebabkan amatan dapat terpisah dengan jelas sesuai dengan gerombolnya.
Tabel 5 Perbandingan jumlah iterasi pada jarak antar pusat gerombol jauh Data n= 300 n= 900 n= 1500 K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan K-rataan Modifikasi K-rataan Kasus 25 3 1 4 1 4 1 Kasus 26 8 1 3 1 4 1 Kasus 27 3 1 3 1 3 1 Kasus 28 3 1 3 1 3 1 Kasus 29 5 1 6 2 7 2 Kasus 30 4 1 3 1 4 2 Kasus 31 4 1 10 1 2 1 Kasus 32 2 1 2 1 2 1 Kasus 33 20 9 17 10 21 11 Kasus 34 6 3 9 3 9 3 Kasus 35 5 1 4 2 5 2 Kasus 36 3 1 2 1 3 1
Metode modifikasi pemilihan titik pusat awal dilihat dari perbandingan jumlah proses iterasi jauh lebih unggul pada penerapan untuk berbagai kasus jarak antara pusat gerombol jauh, dan berbagai ukuran data (kecil, sedang, besar), dan juga pada ukuran korelasi. Besarnya keragaman yang mempengaruhi pola penyebaran data sehingga membuat amatan akan menyebar jauh dari rataan, jika jarak antar pusat gerombol dekat maka ketiga gerombol akan tumpang tindih, hal ini mempengaruhi jumlah iterasi dari metode metode modifikasi pemilihan titik pusat awal dari k-rataan. Jumlah iterasi akan semakin meningkat apabila penyebaran data semakin acak.
Penerapan Metode Modifikasi Titik Pusat pada K-Rataan pada Data Sekunder
Pada bagian ini akan dibahas penerapan metode modifikasi pemilihan titik pusat pada k-rataan untuk menggerombolkan dan mengidentifikasi desa/kelurahan di Provinsi Bengkulu. Pertama dilakukan standarisasi dari peubah-peubah, kemudian memeriksa asumsi multikolinier dari peubah-peubah tersebut. Hasilnya diperoleh bahwa terdapat multikolinier antar peubah, pada penelitian keseluruhan peubah yang digunakan dilakukan pertitungan skor komponen utama yang digunakan untuk mengatasi masalah multikolinieritas
19 antar peubah, skor komponen yang telah diperoleh selanjutnya digunakan untuk proses penggerombolan.
Tabel 6 Nilai koefisien korelasi antar peubah
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X1 1.00 X2 0.46 1.00 X3 0.19 0.29 1.00 X4 0.10 0.07 0.02 1.00 X5 0.94 0.30 0.10 0.10 1.00 X6 0.58 0.36 0.20 0.07 0.52 1.00 X7 0.31 0.01 0.00 0.06 0.33 0.25 1.00 X8 0.54 0.27 0.11 0.07 0.52 0.54 0.20 1.00 X9 -0.06 0.07 -0.06 0.02 -0.08 -0.04 0.01 -0.02 1.00 X10 -0.00 -0.02 -0.00 0.00 -0.00 -0.04 0.04 0.00 0.03 1.00 X11 0.05 0.07 0.01 0.00 0.04 0.03 0.03 0.06 0.01 -0.00 1.00 X12 0.14 0.11 0.02 0.06 0.13 0.08 0.14 0.08 0.04 0.00 0.20 1.00 X13 0.55 0.24 0.11 0.08 0.50 0.34 0.28 0.30 -0.07 0.01 0.05 0.14 1.00 X14 0.25 0.15 0.13 0.04 0.22 0.24 0.09 0.20 -0.05 -0.01 0.06 0.06 0.25 1.00
Pada Tabel 6 di bawah ini, terdapat peubah yang memiliki korelasi tinggi, yaitu peubah X1 (jumlah penduduk), dengan X5 (keluarga pengguna listrik). Ini menunjukkan bahwa peubah tersebut memiliki hubungan yang kuat, dan memiliki pengaruh yang sama.
Hasil Penggerombolan Desa dengan Metode Modifikasi Titik Pusat K-Rataan
Hasil penggorombolan data potensi desa di Provinsi Bengkulu ini telah ditetapkan sebelumnya. Jumlah gerombol yang akan terbentuk ini berdasarkan kemiripan karakteristik dalam suatu gerombol dengan menggunakan ukuran jarak Euclid. Penggerombolan dengan konsep k-rataan ini. Adapun ekplorasi peubah-peubah tiap gerombol sebagai berikut:
Gerombol 1 adalah gerombol yang paling banyak anggotanya, terdiri dari 1117 desa, dari 118 kecamatan, dan 10 kabupaten yang ada di Provinsi Bengkulu. Kelompok ini pada umumnya terdiri dari desa/kecamatan dari kabupaten Bengkulu, Bengkulu Selatan, Bengkulu Tengah, Bengkulu Utara, Kaur, Kepahiang, Lebong, Mukomuko, Rejang Lebong, dan Seluma. Gerombol ini tergolong memiliki sarana prasarana yang cukup memadai berdasarkan aspek kependudukan, dan ketenagakerjaan yang dilihat dari proporsi jumlah penduduk. Gerombol ini memiliki jumlah penduduk yang paling sedikit dibandingkan gerombol lainnya dengan karakteristik yaitu penduduknya sebagian besar sebagai petani, serta besarnya jumlah penduduk yang bekerja sebagai TKI di luar negeri. Berdasarkan aspek kesehatan, gerombol ini memiliki proporsi jumlah sarana dan prasarana yang cukup.
20
Tabel 7 Eksplorasi peubah tiap gerombol
Gerombol 1 Gerombol 2 Gerombol 3
rataan simp baku rataan simp baku rataan simp baku
X1 204.1 103.5 510.0 200.0 1556.1 869.0 X2 155.9 79.9 377.2 172.4 338.3 397.8 X3 32.7 36.3 114.1 108.2 71.7 94.0 X1 0.9 3.4 1.3 3.2 2.5 4.5 X5 105.2 101.6 317.3 224.6 1379.6 882.1 X6 1.3 1.0 3.4 1.9 6.4 3.1 X7 0.1 0.9 0.2 0.7 2.0 3.4 X8 3.0 2.1 6.2 3.9 15.6 11.5 X9 18.7 31.9 17.3 33.4 5.3 17.0 X10 0.5 1.3 0.4 1.1 0.7 3.7 X11 0.5 1.0 0.9 3.5 0.9 1.4 X12 0.0 0.2 0.2 0.7 0.2 0.7 X13 121.0 168.7 286.7 335.3 975.7 1097.9 X14 3.3 6.8 7.3 10.6 33.7 53.0
Gerombol 2 terdiri dari 327 desa, dari 99 kecamatan, dan 10 kabupaten yang ada di Provinsi Bengkulu. Kelompok ini anggotanya terdiri dari desa yang terdapat di kabupaten Bengkulu, Bengkulu Selatan, Bengkulu Tengah, Bengkulu Utara, Kaur, Kepahiang, Lebong, Mukomuko, Rejang Lebong, dan Seluma. Gerombol ini tergolong memiliki sarana dan prasarana yang kurang memadai. Berdasarkan aspek kependudukan dan ketenagakerjaan terlihat bahwa pekerjaan penduduk di gerombol ini adalah sebagai buruh tani, dan pada aspek pendidikan dan sarana kesehatan yang jauh lebih sedikit dibandingkan gerombol lainnya, sehingga berdampak pada aspek kesehatan, gerombol ini memiliki proporsi penderita wabah penyakit, jumlah kematian balita dan jumlah penderita gizi buruk yang paling besar dibandingkan gerombol lainnya.
Gerombol 3 terdiri dari 65 desa, 25 kecamatan, dan 11 kabupaten. Kelompok ini pada umumnya terdiri dari desa/kecamatan dari kabupaten Bengkulu, Bengkulu Selatan, Bengkulu Tengah, Bengkulu Utara, Kaur, Kepahiang, Lebong, Mukomuko, Rejang Lebong, dan Seluma. Gerombol ini tergolong memiliki sarana prasarana yang memadai, berdasarkan karakteristik dari gerombol ini yang merupakan daerah perkotaan. Gerombol ini memiliki jumlah penduduk terbanyak, dan proporsi keluarga pengguna listrik terbesar. Pada aspek pendidikan dan kesehatan terlihat bahwa proporsi jumlah sarana kesehatan, dan jumlah warga penerima JAMKESMAS terbanyak dibandingkan gerombol lainnya. Pada aspek ekonomi gerombol ini cenderung memiliki jumlah industri kecil dan mikro yang besar dari gerombol lainnya.
21
4 SIMPULAN DAN SARAN
Simpulan
Metode dengan memodifikasi pemilihan titik pusat awal pada k-rataan ini dibagi dalam dua tahapan, tahap pertama digunakan untuk menentukan titik pusat awal, dan tahapan kedua digunakan untuk menentukan anggota dari masing-masing gerombol. Perbedaan mendasar antara metode k-rataan dengan metode modifikasi pemilihan titik pusat awal adalah pada pemilihan titik pusat awal, metode k-rataan memlilih titik pusat secara acak, sedangkan metode modifikasi memilih titik pusat awal dengan menggunakan tahap pertama. Modifikasi dari metode k-rataan jauh lebih unggul dibandingkan dengan metode k-rataan berdasarkan jumlah iterasi yang terbentuk, sehingga waktu komputasi relatif lebih cepat dalam hasil penggerombolan dibandingkan dengan metode k-rataan.
Hasil penggerombolan data dengan metode modifikasi ini ditentukan secara subjektif, dan berdasarkan tujuan penggerombolan yang menggunakan data potensi desa, dalam melihat kelengkapan sarana dan prasarana di desa pada Provinsi Bengkulu. Penggerombolan ini ditetapkan menjadi tiga gerombol, yaitu desa yang memiliki sarana dan prasarana yang memadai, gerombol yang anggotanya adalah desa dengan sarana dan prasarana yang kurang memadai, dan gerombol ketiga beranggotakan desa memiliki sarana prasarana cukup memadai.
Saran
Penelitian selanjutnya perlu dilakukan pengkajian lebih lanjut dalam penetapan nilai awal Am sebesar 0.75, yang akan mempengaruhi jumlah anggota dari Am dalam proses penentuan nilai titik pusat dari suatu gerombol.
22