Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng Dr. I Ketut Eddy Purnama, ST, MT Dosen Jurusan Teknik Elektro Fakultas Teknik Industri

Penggalian Data IMB di Unit Pelayanan Satu Atap Pemerintah Kota Surabaya Menggunakan

T eknik Clustering

Arief Insani, S.Kom

Mahasiswa S2 Bidang Keahlian Telematika Jurusan Teknik Elektro Fakultas Teknik Industri Institut Teknologi Sepuluh Nopember Surabaya

Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng Dr. I Ketut Eddy Purnama, ST, MT

Dosen Jurusan Teknik Elektro Fakultas Teknik Industri Institut Teknologi Sepuluh Nopember Surabaya

e-mail

a_insani@surabaya.go.id

Abstraksi

Informasi yang mendukung Stake Holder mengambil keputusan dalam menentukan Master Plan pembangunan kota Surabaya sangat dibutuhkan. Penataan wilayah Surabaya dipengaruhi oleh karakteristik bangunan yang didirikan dilihat dari transportasi yang tidak terlepas dari adanya lebar jalan yang menghubungkan antar bangunan. Database SIMTAP terdapat data IMB yang berisi data-data jenis bangunan yang ada di kota Surabaya.

Pada data cleaning, Data sampling IMB tahun 2007-2009 sebanyak 14.412 instances ditemukan PAD (Pendapatan Asli Daerah) yang seharusnya diterima Pemerintah Kota Surabaya sebesar Rp. 100,7 Millyar, tetapi kesalahan data (noise) mengakibatkan PAD yang diterima menjadi Rp. 96,7 Millyar. Pada clustering ditemukan lebar jalan

≤

23,25 m sangat cocok lokasi rumah tinggal, tetapi lebar jalan tersebut jenis bangunan yang didirikan mempunyai karakteristik jumlah lantai

≤

11 dan luas bangunan

≤

5.195,25 m2_{. Lebar jalan>23,25 m tidak cocok untuk lokasi pemukiman dikarenakan jenis bangunan lebih}

banyak diperuntukkan untuk perdagangan dan industri yang mempunyai luas dan jumlah lantai bervariasi. Batas nilai retribusi maksimum yang sesuai dengan jenis bangunan, luas bangunan dan jumlah lantai bangunan adalah sekitar + Rp. 4,2 Milyar.

Kata kunci : SIMTAP, Data Mining, retribusi IMB, clustering, SimpleK-Means, descrete, WEKA 3.6.2, Instance, cleaning, data selection, noise, instance, Master Plan

1 PENDAHULUAN 1.1 Latar Belakang

Beberapa contoh perijinan yang dikelola oleh SKPD dengan nama Dinas Cipta Karya dan Pemukiman Pemerintah Kota Surabaya antara lain adalah Ijin SKRK (Surat Keterangan Rencana Kota) dan IMB (Ijin Mendirikan Bangunan). Ijin Mendirikan Bangunan merupakan ijin mendirikan suatu bangunan di suatu lokasi yang dikeluarkan pemerintah daerah yang diberikan kepada individu perseorangan atau badan usaha. Salah satu syarat untuk memperoleh IMB masyarakat haruslah mendapatkan SKRK yaitu surat yang berisi tentang pengesahan suatu lokasi kesesuaian dengan master plan rencana kota. Apa saja yang harus ber-IMB :

a. Mendirikan bangunan baru

b. Membongkar dan membangun kembali atau renovasi bangunan lama

c. Bangunan lama yang sudah berdiri tetapi belum memiliki IMB

d. Mendirikan pagar tembok pembatas e. Mendirikan konstruksi reklame

f. Mendirikan Tower / menara antena berkonstruksi g. Lantai terbuka dgn perkerasan, misal : tempat

penimbunan barang, parkir

h. Lapangan olah raga dgn pemadatan, misal : Lapangan tenis, golf

Banyaknya jumlah data yang telah tersimpan dalam database menjadikan pemikiran untuk memanfaatkan data tersebut. Berbagai teknik telah ditemukan dalam proses penggalian informasi dari suatu data. Banyaknya permasalahan yang ada diharapkan dapat ditemukan solusi/informasinya dengan proses penggalian data (Data Mining). Untuk itu penelitian ini dilakukan untuk mencari informasi penting yang dapat digunakan oleh para perencana kota dan para stake holder dalam pengambilan keputusan untuk pembangunan kota

Surabaya. Metode clustering dipilih agar dapat membantu menganalisa database IMB untuk mengelompokkan

beberapa jenis bangunan, lebar jalan, luas dan lantai dari bangunan itu sendiri. Dengan clustering data dipartisi menjadi beberapa kelompok kemudian dianalisa untuk pengambilan keputusan

1.2 Permasalahan

Pada penelitian ini permasalahan yang akan dibahas adalah bagaimana menemukan informasi yang berharga dari proses penggalian data transaksi Ijin Mendirikan Bangunan. Penelitian ini diharapkan dapat menemukan informasi sebagai berikut :

1. Seberapa besar pengaruh lebar jalan dengan jenis bangunan yang didirikan?

2. Seberapa besar lebar jalan mempengaruhi ukuran luas dan jumlah lantai dari bangunan ?

3. Posisi Lebar jalan berapa yang baik digunakan untuk masterplan Pemerintah Kota Surabaya sebagai lokasi ideal untuk rumah tinggal / pemukiman?

1.3 Batasan Masalah

Untuk menghindari kesalahan persepsi dan tidak meluasnya pokok pembahasan, maka penelitian ini dititik beratkan pada :

1. Data Retribusi yang berupa kumpulan attribute data relasional yang didapat pada pelayanan perijinan Ijin Mendirikan Bangunan (IMB) di UPTSA Pemerintah Kota Surabaya.

2. Proses transformasi menggunakan filter attribute

descrete untuk menemukan informasi data dalam

bentuk skala.

3. Data IMB yang digunakan sebagai uji sampling yang diambil adalah data IMB tahun permohonan 2007 s/d 2009.

4. Penggunaan metode clustering yang digunakan adalah metode Algoritma K-Means untuk mendapatkan hasil analisa pengelompokan data. 5. Aplikasi yang digunakan untuk proses Knowladge

Discovery Database (KDD) adalah aplikasi Open Source WEKA 3.6.2.

1.4 Tujuan Tujuan

Tujuan dari tugas akhir tentang penyusunan Tesis ini adalah :

1. Menghasilkan informasi dan pengetahuan tentang kecenderungan jenis bangunan dilihat dari lebar jalan. 2. Analisa besarnya retribusi yang ideal dibayarkan

berdasarkan lebar jalan, luas bangunan, jenis bangunan dan jumlah lantai yang didirikan.

Manfaat

Manfaat dari tugas akhir tentang penyusunan Tesis ini adalah :

1. Memberi informasi kepada perencana kota dalam menentukan kecenderungan jenis bangunan, luas bangunan dan jumlah lantai dilihat berdasarkan lebar jalan

2. Memberi informasi kepada masyarakat tentang lebar jalan terbaik untuk membangun rumah tinggal

2 PEMBAHASAN

2.1 Pelayanan Masyarakat

Pelayanan masyarakat adalah kegiatan yang diberikan oleh Pemerintah kepada masyarakat atau Badan Usaha. Sedangkan retribusi adalah pungutan daerah sebagai pembayaran atas jasa pemberian izin tertentu yang khusus disediakan dan/ atau diberikan oleh Pemerintah Daerah untuk kepentingan pribadi atau badan [12] .

Pemerintah kota Surabaya memusatkan pelayanan masyarakat dalam satu wadah yaitu Unit Pelayanan Terpadu Satu Atap (UPTSA). UPTSA adalah unit yang melaksanakan pelayanan secara terpadu melalui satu atap yang prinsipnya melayani penerimaan berkas permohonan dan pemberian ijin kepada pemohon setelah melengkapi seluruh persyaratan.

Surat Keterangan Rencana Kota (SKRK)

Merupakan surat yang berisi tentang pengesahan suatu lokasi kesesuaian dengan master plan rencana kota. SKRK merupakan produk pelayanan dari Dinas Cipta Karya dan Pemukiman. Retribusi yang dipungut dalam jasa pelayanan ini adalah Retribusi Penggantian Biaya Cetak Peta yang selanjutnya disebut Retribusi untuk pembayaran atas penerbitan peta oleh Pemerintah Daerah.

Ijin Mendirikan Bangunan (IMB)

Merupakan ijin mendirikan suatu bangunan di suatu lokasi yang dikeluarkan pemerintah daerah yang diberikan kepada individu perseorangan atau badan usaha. Pengertian bangunan adalah semua bangunan baik tempat tinggal atau non tempat tinggal milik pemerintah/swasta atau perorangan di kota Surabaya termasuk pengertian ini adalah pagar persil atau kapling. Persil dalam hal ini adalah bidang tanah yang belum direncanakan berdasarkan rencana kota, sedangkan kapling adalah bidang tanah yang sudah direncanakan berdasarkan rencana kota. IMB merupakan produk pelayanan dari Dinas Cipta Karya dan Pemukiman. Apa saja yang harus ber-IMB [13] :

a. Mendirikan bangunan baru

b. Membongkar dan membangun kembali atau renovasi bangunan lama

c. Bangunan lama yang sudah berdiri tetapi belum memiliki IMB

d. Mendirikan pagar tembok pembatas e. Mendirikan konstruksi reklame

f. Mendirikan Tower atau menara antena berkonstruksi

g. Lantai terbuka dgn perkerasan, misal : tempat penimbunan barang, parkir

h. Lapangan olah raga dgn pemadatan, misal : Lapangan tenis, golf

Retribusi Ijin Mendirikan Bangunan terdiri dari [13] : a. Biaya Penelitian Administrasi

b. Biaya Pemetaan Bangunan c. Biaya Pengadaan Tanda Uji :

1. Plat IMB merupakan tanda plat yang dipasang pada bangunan yang mempunyai IMB

2. Surat Tanda Bukti Kepemilikan Bangunan d. Biaya Pengawasan dan Pengendalian dihitung Luas

Lantai dikalikan biaya lantai dasar, biaya lantai tingkat dan biaya merobohkan.

e. Biaya Pengukuran Sempadan dihitung besarnya Panjang Garis Sempadan dikalikan biaya pengukuran sempadan. Keterangan :

a) Untuk luas lantai sampai dengan 100 M2 - Luas lantai > 100 M2 sampai dengan 200 M2

a) x 150%

- Luas lantai > 200 M2 sampai dengan 300 M2 a) x 200%

- Luas lantai > 300 M2 a) x 250%

b) Luas lantai tingkat dihitung sebagai{(n-1)xb)} n = tingkat, termasuk basement

c) Biaya merobohkan adalah sebesar Luas Lantai x c)

d) Biaya Pengukuran Sempadan besarnya Panjang Garis Sempadan x d)

2.2 Metodologi Penelitian

Penelitian ini dilakukan untuk menggali informasi berharga untuk memecahkan permasalahan yang ada dengan menggunakan metode clustering K-Means dan menggunakan aplikasi Machine learning WEKA 3.6.2. adapun langkah-langkah yang dilakukan antara lain sebagai seperti Gambar 2.1.

Gambar 2.1 Metodologi Penelitian 2.2.1 Data Selection

Keadaan seperti ini mengakibatkan banyaknya data double (redundant) sehingga diperlukan proses pembacaan struktur data yang jelas dan mengabaikan data-data yang

double (redundant). 2.2.2 Data Cleaning

Database perijinan SIMTAP (Sistem Informasi

Manajemen Satu Atap) pemerintah kota Surabaya dibangun dengan menggunakan database Oracle. Pada analisa awal data, banyak sekali noise yang ada. Noise tersebut adalah adanya perbedaan antara kode jenis bangunan dengan penggunaan yang tertulis pada Surat Ijin Mendirikan Bangunan.

Pada proses ini terdapat + 190 record yang terjadi kesalahan/noise pada saat petugas salah entry. Dari keterangan tersebut dapat dianalisa bahwa banyaknya penyimpangan data.

Untuk proses Penggalian Data, proses cleaning data atau noise sangatlah diperlukan. Dari proses cleaning data dari sampling 14.412 record pada database SIMTAP diketahui bahwa penerimaan retribusi IMB pada tahun 2007 s/d 2009 adalah Rp. 96.778.091.745,- tetapi seharusnya dapat mencapai Rp. 100.704.031.825,-. Apabila tidak terjadi noise/kesalahan entry PAD Pemerintah Kota Surabaya akan naik sebesar 0,96 %

2.2.3 Data Integration

Data yang digunakan dengan menggunakan tabel IMB_Data_Pemohon kurang begitu informatif. Untuk itu diperlukan tabel lain yang menunjang penggalian Informasi. Untuk itu diperlukan informasi tambahan yang didapat dengan cara mengintegrasikan beberapa tabel

yaitu IMB_DATA_PEMOHON,

IMB_DET_RET_ROBOH, IMB_DET_RET_LANTAI,

IMB_DET_RET_GS, IMB_DET_RET_BANGUNAN,

IMB_DET_RET_PEKERJAAN dan diberi nama V_SKRD_DETIL_TESIS

2.2.4 Data Selection (Pemilihan Data)

Data yang diambil merupakan data transaksi dengan tahun masuk permohonan antara tahun 2007 sampai dengan 2009. Didalam proses ini juga dilakukan proses cleaning yaitu memilih data attribut yang lebih besar dari 0 dan tidak boleh memiliki nilai kosong atau null.

2.2.5 Penyiapan File Data dan Data Transformation Data storage WEKA menggunakan format ARFF (yang

memisahkan list instance dan attribute dengan koma), maka data harus diubah terlebih dahulu ke format tersebut. Kemudian data dalam bentuk file dengan tipe .arff diolah dan ditransformasikan dengan aplikasi WEKA. Dalam fitur ini, pada tab explorer data dinormalisasi untuk mendapatkan range data yang minimal sehingga menghasilkan data yang akurat untuk proses Penggalian Data. Seperti dijelaskan pada bab 2, kemudian dilakukan pemilihan unsupervised
attribute
discretized filter dan aplikasi WEKA men-generate attribute dari real menjadi descrete. Proses ini dilakukan pada gambar 2.2

Data Cleanning DataIntegration

Penyiapan File Data

DataTransformation

Clustering

Analisa

Data Selection

Gambar 2.2 GUI Preprocess dalam WEKA 3.6.2 2.3 Analisa Clustering

Pada gambar 2.3, Cluster 2 adalah suatu kelompok bangunan yang berada pada lebar jalan

≤

23,25 m, luas bangunan

≤

5.195,25 m2_{, jumlah lantai}

≤

_{11 dan retribusi}

yang dibebankan dengan kondisi luas dan jumlah lantai yang ada

≤

Rp. 4.205.887.906,25. Sedangkan cluster 1 adalah suatu kelompok bangunan yang berada pada lebar jalan > 23,25 m, luas bangunan bervariasi hingga bangunan terluas mencapai 20.778 m2_{, jumlah lantai bervariasi hingga mencapai jumlah}

lantai tertinggi 42 lantai dan retribusi yang dibebankan dengan kondisi luas dan jumlah lantai yang ada

≤

Rp. 4.205.887.906,25.

Gambar 2.3 AnalisaI

Pada gambar 2.4., kecenderungan jenis bangunan yang didirikan pada lokasi cluster 2, didominasi oleh rumah tinggal sehingga dari data tersebut dapat dianalisa bahwa lokasi yang ideal pembuatan master plan untuk rumah tinggal berada pada posisi dengan lebar jalan

≤

23,25 m.

Gambar 2.4 AnalisaII

Lokasi dengan lebar jalan

≤

45,5 m mulai cenderung tidak cocok untuk tempat pemukiman penduduk, hal ini dilihat dari data pada lebar jalan tersebut banyak didirikan bangunan dengan jenis perdagangan, industri, dan lain-lain sehingga banyak polusi udara dan polusi suara.

Pada cluster 2 didominasi oleh bangunan yang memiliki luas bangunan

≤

5.195,25, jumlah lantai

≤

11, sedangkan cluster 1 luas bangunan bervariasi hingga bangunan terluas mencapai 20.778 m2_{, jumlah lantai}

bervariasi hingga mencapai jumlah lantai tertinggi 42 lantai. Keterangan tersebut dapat dilihat pada gambar 2.5.Hal ini membuktikan bahwa cluster 2 dilokasi jalan yang lebih kecil dari cluster 1, sehingga cluster 2 memiliki luas dan jumlah lantai bangunan yang cukup digunakan untuk standard tempat tinggal.

Gambar 2.5 AnalisaIII

Bangunan yang berada pada lebar jalan

≤

3,25 m pada umumnya dikenakan tarif retribusi lebih rendah, mempunyai luas lebih kecil dan memiliki ketinggian dengan dilihat jumlah lantai yang lebih kecil dibandingkan dengan bangunan di cluster 2 lainnya yang memiliki lebar jalan lebih dari 3,25 m. Hal ini menandakan bahwa bangunan yang berada pada lebar jalan

≤

3,25 m merupakan masyarakat yang memiliki tingkat sosial ekonomi yang rendah. Kebanyakan masyarakat tersebut menghuni jalan sempit dilingkungan yang padat penduduk dengan lingkungan yang kumuh

3. PENUTUP

Dengan adanya metode Clustering, banyak sekali informasi yang dapat digali untuk dijadikan dasar untuk pengambilan keputusan. Secara umum aplikasi WEKA 3.6.2 dapat diterapkan untuk proses penggalian data IMB.

4 DAFTAR PUSTAKA

[1]. Fayyad U.M., Piatetsky-Shapiro G., Smyth P., Uthurusamy R., “Advance in Knowledge Discovery

and Data Mining”, MIT Press, Cambridge MA,

1996.

[2]. Jiawei Han and Micheline Kamber, “Data Mining

Concepts and Techniques”, Second Edition, 2006

[3]. Ratanamahatana, C. A. (2003), “CloNI: Clustering of √N-Intervaldiscretization”, Proceedings of the

Including Building Application for CRM & Competitive Intelligence, Rio de Janeiro, Brazil

[4]. Dougherty, J.,Kohavi, R., and Sahami, M. (1995), Supervised and unsupervised discretization of continuous features. In A. Prieditis and S. Russell, editors, Proceedings of the Twelfth International

Conference on Machine Learning, Tahoe City, CA. San

Francisco: Morgan Kaufmann, pp. 194–202.

[5]. Liu, H. et. Al (2002), “Discretization :An Enabling Technique Data Mining and Knowledge Discovery”, Vol 6, hal. 393-423

[6]. Chmielewski. M.R and Grzymala-Busse. J.W (1996), “Global discretization of Continuous Attributes as Preprocessing for Medichine Learning”, International of

Approximate Reasoning, Vol. 15, pp. 319-331

[7]. Kurgan. L and Cios, K.J. (2001), “Discretization Algorithm that Uses Class-Attribute Interdependence Maximization”, Proceedings of the 2001 International

Conference on Artificial Intelligence (IC-AI 2001),

pp.980-987, Las Vegas, Nevada.

[8]. Budi Santosa, “Data Mining: Teknik Pemanfaatan Data

Untuk Keperluan Bisnis”, Graha Ilmu, Yogyakarta,

2007

[9]. Siriporn, and S. Benjawan (2008), “Anomaly Detection and Characterization to Classify Traffic Anomalies Case study: TOT Public Company Limited Network”, World

Academy of Science, Engineering and Technology.

[10]. Pavel Berkhin, “Survey of Clustering Data Mining

Techniques”, Accrue Software, Inc.

[11]. Richard Kirkby, Eibe Frank, Peter Reutemann (2008),“WEKA Explorer User Guide for Version 3-6-2”, University of Waikato

[12]. Fokusmedia (2009), “Pajak Daerah dan Retribusi

Daerah Himpunan Peraturan Perundang-undangan Lengkap”, Bandung

[13]. Peraturan Daerah Kotamadya Daerah Tingkat II Surabaya Nomor : 17 Tahun 1999 Tanggal : 27 Juli 1999 tentang Retribusi IMB

[14]. Ian H. Witten and Eibe Frank (2005), ” Penggalian

Data Practical Machine Learning Tools and Techniques”, Morgan Kaufmann Publishers is an