ANALISIS SPASIAL BERDASARKAN CLUSTERING NILAI INDIKASI TANAH PADA ZONA NILAI TANAH DI KECAMATAN RUNGKUT.

(1)

(2)

ANALISIS SPASIAL BERDASARKAN

CLUSTERING

NILAI INDIKASI TANAH PADA ZONA NILAI TANAH DI

KECAMATAN RUNGKUT

Disusun Oleh : Jainudin 0853010071

Telah dipertahankan dihadapan dan diterima oleh Tim Penguji Tugas Akhir Program Studi Teknik Sipil FTSP UPN ’’Veteran’’ Jawa Timur

pada tanggal, 28 November 2012

Mengetahui

Dekan Fakultas Teknik Sipil Dan Perencanaan Universitas Pembangunan Nasional ’’Veteran’’ Jawa Timur

Ir. Naniek Ratni JAR., M.Kes. NIP. 19590729 198603 2 00 1

Tim Penguji : 1. Penguji I

Drs.Ir. Made Dharma Astawa, MT. NIP. 19530919 198601 1 00 1 Pembimbing Pendamping

Ir. Siti Zainab, MT. NIP. 19600105 199303 2 00 1

(3)

ii

KATA PENGANTAR

Dengan segenap puji syukur Alhamdulillah kehadirat Allah S.W.T yang telah

melimpahkan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan Tugas Akhir ini dengan judul “ANALISIS SPASIAL BERDASARKAN CLUSTERING

NILAI INDIKASI TANAH PADA ZONA NILAI TANAH DI KECAMATAN RUNGKUT” ini merupakan suatu syarat bagi mahasiswa dalam menempuh jenjang sarjana Strata 1 (S-1) di Fakultas Teknik Sipil dan Perencanaan UPN “Veteran” Jawa Timur.

Dalam menyelesaikan Tugas Akhir ini penulis berusaha semaksimal mungkin

menerapkan ilmu yang penulis dapatkan di bangku perkuliahan dan buku–buku literatur

yang sesuai dengan judul Tugas Akhir ini. Disamping ini penulis juga menerapkan

petunjuk-petunjuk yang diberikan oleh dosen pembimbing. Namun sebagai manusia

biasa dengan keterbatasan yang ada pada penulis menyadari bahwa Tugas Akhir ini

masih jauh dari sempurna. Oleh karena itu segala saran dan kritik yang bersifat

membangun dari setiap pembaca akan penulis terima demi kesempurnaan Tugas Akhir

ini.

Dengan tersusunnya Tugas Akhir ini penulis tidak lupa mengucapkan terima kasih

sebanyak-banyaknya kepada semua pihak yang telah memberikan bimbingan, dorongan,

semangat, arahan serta berbagai macam bantuan baik berupa moral maupun spritual,

terutama kepada :

1. Ir.Naniek Ratni JAR.,M.Kes. selaku Dekan Fakultas Teknik Sipil dan

(4)

iii

3. N Dita P Putra , ST.,MT. selaku dosen pembimbing utama Tugas Akhir yang telah

berkenan memberikan bimbingan, waktu dan dorongan moril selama pengerjaan

Tugas Akhir sampai selesai.

4. Ibu Ir. Siti Zainab. MT. selaku dosen pembimbing pendamping Tugas Akhir yang

telah berkenan memberikan bimbingan, waktu dan dorongan moril selama

pengerjaan Tugas Akhir sampai selesai.

5. Dra. Anna Rumintang. MT. yang telah membantu penulis dalam menyelesaikan

Tugas Akhir ini.

6. Segenap dosen dan staff Program Studi Teknik Sipil UPN “Veteran” Jawa Timur.

7. Para tim penguji yang telah membantu penulis sehingga penulis dapat

menyelesaikan Tugas Akhir ini dengan lebih baik.

8. Bapak, Ibu tersayang, dan kedua kakakku yang telah banyak memberikan

dukungan lahir dan batin, material, spritual, dan moral sehingga penulis dapat

menyelesaikan Tugas Akhir ini dengan baik.

9. Andik feriyanto, Rahmad Hidayat, Erwin Dwiyanto, Gely Septiandana, Bayu Tri,

Tri Wijatmiko, Ambar, Yuda, Misbahc, Rani, Rudi, Reza.H, Sudian,Nur

Fardiansyah, Fatih, Eko Prasetyo, Ferry, Rona, Arum, Febri, Metha, Arif

Cahyono, Takrep, Koko, Rio Andriyanto, Djoko sumarsono, Sadmay Gigid

(5)

iv

10. Segenap keluarga besar Teknik Sipil UPN “Veteran” Jatim dan teman-teman

Teknik Sipil khususnya angkatan 2008 terima kasih atas dorongan dan

semangatnya yang bermanfaat sehingga penulis dapat menyelesaikan Tugas Akhir

ini.

Surabaya, 22 Oktober 2012

(6)

v

ABSTRAK ··· i

KATA PENGANTAR ··· ii

DAFTAR ISI ··· v

DAFTAR GAMBAR ··· vii

DAFTAR TABEL ··· viii

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah ··· 1

1.2. Rumusan Masalah ··· 2

1.3. Tujuan Penelitian ··· 3

1.4. Batasan Masalah ··· 3

1.5. Manfaat Penelitian ··· 4

1.6. Lokasi Penelitian··· 4

BAB II TINJAUAN PUSTAKA 2.1. Konsep Dasar ··· 5

2.2. Analisis Harga Berdasarkan NJOP ··· 6

2.3. Metode Pengukuran Variabel ··· 7

2.4. Metode Pengukuran Nilai ··· 7

2.5. Metode Pengelompokan ··· 8

(7)

vi

2.5.2. Metode non Hirarki ··· 12

2.6. Pemetaan Menggunakan MapInfo ··· 15

BAB III METODOLOGI PENELITIAN 3.1. Pengumpulan Data ··· 17

3.2. Langkah – langkah Pengerjaan ··· 19

BAB IV PERHITUNGAN DAN ANALISA DATA 4.1. Identifikasi Nilai Tanah ··· 20

4.2. Prediksi Nilai Tanah ··· 20

4.2.1. Regresi Linier ··· 21

4.2.2. Koofisien Determinasi R2··· 22

4.3. Banyaknya Cluster Yang Terbentuk ··· 23

4.3.1. Analisa Pengklasteran Menggunakan Excel ··· 24

4.3.2. Analisa Cluster Menggunakan Metode Non Hirarki pada SPSS….. 31

4.4. Prosentase Kenaikan Anggota Klaster Setiap Tahun ··· 33

4.5.Pemetaan Anggota Klaster Tahun 2012 ··· 38

BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan ··· 45

5.2. Saran ··· 46 DAFTAR PUSTAKA

(8)

vii

Gambar 1.1 Kecamatan Rungkut ··· 4

Gambar 2.1 Single Linkage ··· 9

Gambar 2.2 Complete Linkage ··· 10

Gambar 2.3 Average Linkage Methods ··· 10

Gambar 2.4 Other Agglomertive Clustering Method ··· 11

Gambar 2.5 Klasifikasi Prosedur Pengklasteran ··· 14

Gambar 3.1 Flowchart Pelaksanaan ··· 19

Gambar 4.1 Peta Cluster Kelurahan Rungkut Kidul Tahun 2012 ··· 39

Gambar 4.2 Peta Cluster Kelurahan Penjaringan Sari Tahun 2012 ··· 40

Gambar 4.3 Peta Cluster Kelurahan Wonorejo Tahun 2012 ··· 41

Gambar 4.4 Peta Cluster Kelurahan Kalirungkut Tahun 2012 ··· 42

Gambar 4.5 Peta Cluster Kelurahan Kedung Baruk Tahun 2012 ··· 43

(9)

viii

DAFTAR TABEL

Tabel 4.1 Data NIR Tanah pada ZNT (AA) Kelurahan Medokan Ayu ··· 21 Tabel 4.2 Permodelan Regresi Linier ··· 21 Tabel 4.3 Rekapitulasi Hasil Nilai R2 _{Pada Masing – Masing Kelurahan………. 23}

Tabel 4.4 Rekapitulasi Banyaknya Cluster Yang Terbentuk ··· 31 Tabel 4.5 Hasil Pengclusteran Pada SPSS ……… ……….. 32 Tabel 4.6 Rekapitulasi Prosentase Perkembangan Cluster ( Tetap & Pindah )

Setiap Tahun ··· 34 Tabel 4.7 Rekapitulasi Perpindahan Cluster ··· 36 Tabel 4.8 Rekapitulasi Kenaikan Anggota Cluster Tertinggi dan

(10)

KECAMATAN RUNGKUT

Oleh : JAINUDIN

ABSTRAK

Pesatnya pertumbuhan kota-kota besar banyak dipengaruhi oleh kompleksnya fungsi yang dijalankan suatu kota atau daerah tersebut. Pertumbuhan pembangunan yang sangat pesat di kota-kota besar membuat kebutuhan lahan atau tanah sangat tinggi. Perkembangan suatu kota atau daerah akan selalu diikuti dengan meningkatnya permintaan tanah dan selanjutnya akan menaikkan nilai tanah.

Dari beragamnya kenaikan yang di tujukkan oleh setiap daerah yang ada di kecamatan Rungkut bisa di buat beberapa cluster/ kelompok anggota dengan nilai atau rentang yang berbeda. Dari penentuan cluster tersebut di peroleh kenaikan jumlah cluster pada tahun 2012, yang sebelumnya angka tersebut di dapat melalui prediksi menggunakan regresi linear dimana antara lain pada prediksi di tahun 2012 pada zona AA. Jl Medokan Ayu bernilai Rp. 798321. Dan banyaknya cluster yang terbentuk pada tahun 2012 di Kelurahan Medokan Ayu sebanyak 6 cluster, Kelurahan Penjaringan sebanyak 7 cluster, Kelurahan Kedung Baruk sebanyak 7 cluster, Kelurahan Rungkut Kidul sebanyak 8 cluster, Kelurahan Wonorejo sebanyak 8 cluster, dan Kelurahan kalirungkut sebanyak 8 cluster.

Prosentase kenaikan anggota cluster tertinggi pada setiap kelurahan ditunjukkan dengan pencapaian cluster nya, dimana pada kelurahan Medokan Ayu yang mencapai cluster VI dengan prosentase anggota sebesar 9,09%, Penjaringan Sari mencapai cluster VII sebesar 21,42%, Kedung Baruk mencapai cluster VII sebesar 83,33%, Rungkut Kidul mencapai cluster VIII sebesar 20%, Wonorejo mencapai cluster VIII sebesar 50%, dan Kalirungkut mencapai cluster VIII sebesar 29,17%.

(11)

BAB I PENDAHULUAN

1.1. Latar Belakang

Pesatnya pertumbuhan kota-kota besar banyak dipengaruhi oleh kompleksnya fungsi yang dijalankan suatu kota atau daerah tersebut. Pertumbuhan pembangunan yang sangat pesat di kota-kota besar membuat kebutuhan lahan atau tanah sangat tinggi. Perkembangan suatu kota atau daerah akan selalu diikuti dengan meningkatnya permintaan tanah dan selanjutnya akan menaikkan nilai tanah. Karena tanah mempunyai sifat yang tetap baik dalam lokasi maupun jumlahnya.

Kebutuhan tanah yang sangat tinggi memiliki kecenderungan nilai tanah di kota-kota besar meningkat. Hal ini dipengaruhi oleh meningkatnya pembangunan di daerah atau kota tersebut. Selain itu meningkatnya nilai tanah disebabkan oleh beberapa factor yaitu faktor fisik dasar, faktor fisik geografis, faktor sarana dan prasarana, faktor fasilitas kebutuhan, dan faktor lingkungan. Penentuan nilai tanah diperlukan untuk mengetahui nilai tanah yang senantiasa berubah akibat berbagai kepentingan dalam penggunaan tanah, Karena sifat tanah yang bersifat dinamis atau berubah – ubah seiring dengan bertambahnya waktu.

(12)

mempengaruhi nilai tanah di daerah tersebut,antara lain adanya pusat perindustrian, universitas, dan akses jalan yang mudah dijangkau. Sehingga dapat menyebabkan naiknya nilai tanah didaerah rungkut.

Dengan peningkatan nilai tanah yang terjadi diharapkan dapat diprediksi nilai tanah di daerah tersebut sehingga kenaikan nilai tanah yang terjadi tidak menghambat pembangunan didaerah tersebut.

Dari sekian banyaknya data yang di dapat, akan di identifikasi berdasarkan kemiripan harga pada setiap zona dan di kelompokkan ke dalam satu anggota yang di sebut dengan Cluster. Dimana kriteria kelompok tanah tersebut di dasarkan pada rentang nilai yang telah di tentukan.

1.2 Rumusan Masalah

Permasalahan yang dapat di tulis dari latar belakang tersebut adalah.

1. Berapa prediksi harga tanah di Kecamatan Rungkut berdasarkan NJOP pada tahun 2012?

2. Berapa banyak cluster yang terbentuk berdasarkan nilai tanah di Kecamatan Rungkut?

3. Berapa prosentase kenaikan cluster pada setiap tahun nya berdasarkan NJOP?

(13)

3

1.3 Tujuan Penelitian

1. Untuk mengetahui prediksi harga tanah di Kecamatan Rungkut berdasarkan NJOP pada tahun 2012.

2. Untuk mengetahui banyak nya cluster yang terbentuk berdasarkan nilai tanah di Kecamatan Rungkut.

3. Untuk mengetahui prosentase kenaikan cluster pada setiap tahun nya berdasarkan NJOP.

4. Untuk mengetahui pemetaan zona nilai tanah yang ada di Kecamatan Rungkut berdasarkan cluster.

1.4 Batasan Masalah

1. Nilai tanah ditentukan berdasarkan laporan data NJOP di tahun 2004 - 2010.

2. Tidak menghitung nilai jual objek pajak di tahun 2004 - 2010.

3. Tidak menghitung pajak bumi dan bangunan baik ditahun 2004 - 2010. 4. Pengelompokan harga tanah dengan menggunakan analisis cluster untuk

mengelompokkan harga yang memiliki karakteristik dan nilai yang sama. 5. Nilai tanah yang akan di kelompokkan berdasarkan analisis cluster

adalah

menurut data NJOP di Kecamatan Rungkut pada tahun 2004 – 2010. 6. Tidak membahas penyebab naik serta turunnya harga tanah.

(14)

1.5 Manfaat Penelitian.

1. Dapat mengetahui prediksi harga tanah di Kecamatan Rungkut berdasarkan NJOP pada tahun 2012.

2. Dapat mengetahui banyaknya cluster yang terbentuk berdasarkan nilai tanah di Kecamatan Rungkut.

3. Untuk mengetahui prosentase kenaikan cluster pada setiap tahun nya berdasarkan NJOP.

4. Untuk mengetahui pemetaan zona nilai tanah yang ada di Kecamatan Rungkut berdasarkan cluster.

1.6 Lokasi Penelitian

(15)

BAB II

TINJAUAN PUSTAKA

2.1. Konsep Dasar

Analisis Clustering merupakan salah satu analisa dalam multivariate analisis statistika. Multivariate adalah analisis statistika yang di gunakan pada data yang terdiri dari banyak variabel. Cluster juga bisa diartikan sebagai salah satu teknik yang bertujuan untuk mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu yang dapat di pisahkan dengan kelompok obyek lainya, sehingga obyek yang berada dalam kelompok yang sama relative lebih homogen daripada obyek yang berada pada kelompok yang berbeda (Dillon: 1984; 157).

Dalam penilaian tanah terdapat beberapa metode yang digunakan antara lain : persamaan regresi dan Zona Nilai Tanah (ZNT). Namun berdasarkan tujuan penelitian, yakni mengelompokkan nilai tanah berdasarkan ukuran variabel tanah, maka metode yang digunakan adalah analisis Clustering. Setelah cluster terbentuk maka dilakukan penilaian rata – rata prosentase kenaikan anggota klaster awal ke klaster berikutnya.

(16)

Secara umum proses di mulai dengan merumuskan masalah pengelompokan dengan mendefinisikan variabel – variabel yang di gunakan untuk dasar pembentukan

cluster. Kemudian pengambilan p pengukuran peubah pada m obyek pengamatan. Data tersebut dijadikan matriks data mentah berukuran m x p. Matriks tersebut ditransformasikan ke dalam bentuk matriks kemiripan berupa n x n yang di hitung berdasarkan pasangan – pasangan obyek p peubah. Konsep dasar pengukuran analisis

cluster adalah konsep pengukuran jarak (distance) dan kesamaan (simillary). Distance adalah ukuran tentang jarak pisah antar obyek sedangkan simillary adalah ukuran kedekatan. Konsep ini penting karena pengelompokan pada analisis cluster di dasarkan pada kedekatan. Pengukuran jarak (distance type measure ) di gunakan untuk data – data yang bersifat matriks, sedangkan pengukuran kesesuaian (matching type measure) di gunakan untuk data – data yang bersifat kualitatif. Pada analisis Clustering, yaitu proses analisis mengolah data – data yang sudah disiapkan pada kompilasi data untuk diproses menggunakan HCA dengan menggunakan bantuan software SPSS 16. Dalam proses ini akan dihasilkan jumlah kelompok persil tanah dan gambar dendogram dari cluster yang terbentuk. Kemudian dilanjutkan profilisasi cluster,yaitu pembuatan profil setiap cluster berdasarkan karakteristik yang dimiliki berdasarkan nilai variabelnya.

2.2. Analisis Harga Berdasarkan NJOP

(17)

7

Data yang digunakan dalam analisis ini adalah cluster hasil analisis dan NJOP tanah yang ada. Adapun tahapan – tahapan dalam analisis ini adalah :

1) Identifikasi NJOP, dalam identifikasi ini untuk mengetahui NJOP yang ada di wilayah penelitian sehingga dapat diketahui rentang dan rata – ratanya.

2) Perkiraan NJOP per cluster, setelah diketahui sebaran NJOP yang ada di wilayah penelitian selanjutnya dilakukan pemisahan NJOP berdasarkan cluster. 3) Penilaian berdasarkan NJOP, dari tahap 2 selanjutnya ditetapkan harga

berdasarkan NJOP per cluster.

Metode – metode yang digunakan dalam mengklasterkan data adalah sebagi berikut :

2.3. Metode Pengukuran Variabel

Berdasarkan jenisnya secara umum, data dapat di bedakan menjadi dua macam yakni data kualitatif dan data kuantitatif. Data kualitatif adalah data yang dinyatakan tidak dalam bentuk angka, sedangkan data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Analisis clustering berhubungan dengan pengolahan data yang bersifat kuantitatif. Dengan demikian perlu di lakukan pengukuran (kuantifikasi) terhadap data kualitatif. Proses kuantifikasi tersebut menyebabkan data kualitatif berubah bentuk menjadi data kuantitatif. Cara pengukuran dapat di lakukan antara lain dengan memberikan bobot atau angka (Budi 2005 : 8)

2.4. Metode Pengukuran Nilai

(18)

(Dillon 1984 :161) di antaranya adalah sebagai berikut:

1. Euclidean Distance, merupakan ukuran jarak antara dua item X dan Y

D(X,Y)=√∑(X 1-Y1)2 ………. (2.1)

2. Squared Euclidean Distance, merupakan ukuran jarak antara dua iten X dan Y D(X,Y)=∑(X 1-Y1)2 ………. (2.2)

3. Pearson Correlation, korelasi antara vector nilai

S (X,Y)=(∑Z X1-ZY1)/(N-1) ……….. (2.3)

Dimana ZX1 adalah nilai x yang telah di standarkan untuk item ke i dan N adalah jumlah itemnya.

2.5. Metode Pengelompokan

Metode pengelompokan dalam clustering, (Dillon 1984) adalah:

2.5.1. Metode Hirarki

Teknik hirarki (hierarchial methods) adalah teknik clustering membentuk konstruksi hirarki atau berdasarkan tingkatan tertentu seperti struktur pohon (struktur pertandingan). Dengan demikian proses pengelompokanya dilakukan secara bertingkat atau bertahap. Hasil dari pengelompokan ini dapat di sajikan dalam bentuk dendogram. Metode – metode yang di gunakan dalam teknik hirarki adalah:

(19)

9

Metode ini dimulai dengan kenyataan bahwa setiap obyek membentuk clusternya masing – masing. Kemudian dua obyek dengan jarak terdekat bergabung. Selanjutnya obyek ketiga akan bergabung dengan cluster yang ada atau bersama obyek lain yang membentuk cluster baru. Hal ini tetap memperhitungkan jarak kedekatan antar obyek. Proses akan berlanjut hingga akhirnya membentuk satu cluster (a single cluster) yang terdiri dari keseluruhan obyek. Ada beberapa teknik dalam Agglomerative Methods yaitu:

a) Single Iinkage (nearest neighbur methods)

Metode ini menggunakan prinsip jarak minimum yang di awali dengan mencari dua obyek terdekat dan keduanya membentuk cluster yang pertama. Pada langkah selanjutnya terdapat dua kemungkinan, yaitu:

• Obyek ketiga akan bergabung dengan cluster yang telah

terbentuk, atau

• Dua obyek lainya akan membentuk cluster baru.

Proses ini akan berlanjut sampai akhirnya terbentuk cluster tunggal. Pada metode ini jarak antara cluster di definisikan sebagai jarak terdekat antar anggotanya.

Klaster 1 jarak minimum Klaster 2

(20)

b) Complete Iinkage (furthest neighbor methods)

Metode ini merupakan kebalikan dari pendekatan yang di gunakan pada Single Iinkage. Prinsip jarak yang di gunakan adalah jarak terjauh antar obyek.

Klaster 1 Klaster 2 Gambar 2.2 Complete Linkage

c) Average linkage methods (between groups methods)

Metode ini mengikuti prosedur yang sama dengan metode sebelumnya. Prinsip ukuran jarak yang digunakan adalah jarak rata – rata antar tiap pasangan obyek yang mungkin.

Klaster 1 Klaster 2 Gambar 2.3 Average Linkage Methods

d) Variance Methods

(21)

11

e) Ward’s Methods

Untuk setiap klaster rata – rata dari seluruh variabel dihitung, kemudian setiap obyek, jarak yuklidian kuadrat ke rata- rata klaster dihitung. Jarak ini dijumlahkan untuk semua obyek. Pada setiap tahap, dua klaster dengan kenaikan terkecil di dalam overall sum of

squares within cluster distance digabung.

f) In the Centroid Methods

Jarak antara dua klaster merupakan jarak antara centroids (rata – rata dari seluruh variabel). Setiap obyek akan dikelompokkan, centroid baru dihitung.

Metode Ward

Metode Centroid

Gambar 2.4 Other Agglomertive Clustering Method

2. Divisive methods

(22)

Pemisahan ini dilanjutkan sehingga mencapai sejumlah cluster yang diinginkan.

Teknik yang di gunakan adalah splinter average distance methods. Metode ini didasarkan pada perhitungan jarak rata – rata masing – masing obyek dengan obyek lain pada grupnya. Proses tersebut dimulai dengan memisahkan obyek dengan jarak terjauh sehingga terbentuk dua grup. Kemudian dibandingkan dengan jarak rata rata masing –masing obyek dengan group splinter dengan grupnya sendiri. Apabila suatu obyek mempunyai jarak yang lebih dekat ke group splinter daripada ke grupnya sendiri, maka obyek tersebut haruslah dikeluarkan dari grupnya dan dipisahkan ke group splinter. Apabila komposisinya sudah stabil, yaitu jarak suatu obyek ke grupnya selalu lebih kecil daripada jarak obyek itu ke group splinter, maka proses berhenti dan di lanjutkan dengan tahap pemisahan dalam grup.

2.5.2. Metode Non Hirarki

Berbeda dengan metode hirarkikal, prosedur non hirarkikal (K- means

Clustering) dimulai dengan memilih sejumlah nilai cluster awal sesuai dengan jumlah yang diinginkan dan kemudian obyek digabungkan ke dalam cluster – cluster tersebut.

1) Sequential Threshold Procedure

(23)

13

mempunyai kemiripan dimasukkan dalam cluster ini. Demikian seterusnya hingga terbentuk beberapa cluster dengan keseluruhan obyek di dalamnya.

2) Parallel Threshold Procedure

Secara prinsi sama dengan prosedur Sequential Threshold, keculai bahwa beberapa pusat klaster dipilih secara simultan dan obyek dalam

threshold level dikelompokkan dengan pusat terdekat. 3) Optimizing Partitioning Method

The Optimizing Partitioning Method berbeda dari prosedur dua

threshold, dimana obyek selanjutnya di reassigned ke klaster untuk mengoptimalkan suatu kriteria menyeluruh, seperti average within

cluster distance untuk sejumlah klaster tertentu.

(24)

(25)

15

Dari kedua metode yang ada diatas, semuanya sama – sama memiliki kekurangan dalam hal pengklasterannya. Diantaranya tidak dapat menunjukkan berapa rentang nilai yang di jadikan sebagai acuan untuk mengelompokkan anggota ke dalam satu klaster, dan juga tidak bisa menunjukkan kenaikan klaster baru yang muncul akibat kenaikan harga yang telah melebihi batas klaster dan batas rentang nilai yang telah di tentukan sebelumnya. Oleh karena itu proses pengklasteran bisa di lakukan dengan cara membuat klaster manual dengan menentukan rentang nilai sesuai kebutuhan dan juga menentukan sendiri jumlah klaster yang di inginkan. Dengan demikian dapat di ketahui dengan jelas anggota – anggota yang masuk ke dalam satu klaster dengan rentang yang di tentukan sebelumnya, serta di ketahui klaster – klaster baru yang muncul dengan rentang nilai yang lebih tinggi. Proses pengklasteran seperti ini bisa di lakukan dengan menggunakan program Microsoft Excel untuk memudahkan dalam membuat jumlah klaster serta menentukan rentang nilai klaster.

Dari kedua bantuan Software yang digunakan sebagai proses pengklasteran, yakni SPSS 17 dan Microsoft Excel, keduanya akan tetap di pakai untuk mengklasterkan data tanah yang telah tersedia. Ini di lakukan sebagai uji perbandingan hasil pengklasteran antara kedua Software tersebut.

2.6. Pemetaan Menggunakan MapInfo

(26)

(27)

BAB III

METODOLOGI PENELITIAN

Metodologi penelitian merupakan suatu rancangan yang berisi langkah-langkah dalam melakukan penelitian Tugas Akhir sehingga dapat terencana dengan baik agar tujuan dan arah permasalahaan tidak menyimpang. Metodologi penelitian berisi tentang bagaimana mendapatkan data-data yang diperlukan, perhitungan yang diperlukan dalam pengolahan data, dan menarik kesimpulan serta saran-saran yang dapat diberikan dari hasil yang diperoleh.

Pada bab ketiga ini akan dijelaskan secara detail langkah-langkah yang akan dilakukan selama penelitian dilaksanakan sehingga didapatkan hasil akhir penelitian yang diharapkan.

3.1. Pengumpulan Data

Semua data pendukung dalam penelitian ini diperoleh dari data nilai indikasi rata-rata tanah (NIR) di Kec. Rungkut. Data yang diperlukan untuk melakukan penelitian merupakan data sekunder. Kegiatan pengumpulan data sekunder meliputi :

- Data laporan transaksi.

Mengumpulkan data nilai indikasi rata-rata (NIR) tanah dalam periode tahun 2004 – 2010 di daerah Kecamatan Rungkut, yang meliputi

(28)

3.2. Langkah – langkah Pengerjaan

Langkah-langkah yang diperlukan untuk menyusun penelitian ini adalah sebagai berikut :

1. Studi Literatur

2. Pengumpulan data sekunder, yang berupa data nilai indikasi rata-rata tanah dalam periode tahun 2004 – 2010 di Kecamatan Rungkut.

3. Pengolahan data

- Analisa regresi untuk memprediksi nilai tanah pada tahun 2012. - Analisis klaster dengan cara manual menggunakan Microsoft Excel dan SPSS 17.

- Prosentase kenaikan anggota klaster pada setiap tahun nya berdasarkan harga tanah.

- Pemetaan zona nilai tanah yang ada di Kecamatan Rungkut berdasarkan klaster.

(29)

19

Langkah – langkah pelaksanaan penelitian ini secara sistematis:

Gambar 3.1 Flowchart Pelaksanaan Studi Literatur

Pengumpulan Data :

Pengumpulan data sekunder, yang berupa data transaksi dalam periode tahun 2004-2010, dan peta RBI pada Kecamatan Rungkut

Analis regresi untuk prediksi pada tahun 2012

Menggunakan Microsoft Excel

MULAI

SELESAI

(30)

ANALISA DAN PEMBAHASAN

4.1. Identifikasi Nilai Tanah

Hasil pengambilan data sekunder berasal dari Badan Pendapatan Daerah Pemerintah Kota Surabaya. Data tersebut melalui prosedur yang sesuai dengan aturan dalam melakukan penelitian di wilayah kota Surabaya yaitu dengan membuat surat pengantar dari universitas yang ditujukan ke Badan Kesatuan Bangsa, Politik dan Perlindungan Masyarakat (BAKESBANGPOLINMAS) yang kemudian dilanjutkan ke Badan Pendapatan Daerah Pemerintah Kota Surabaya. Data tersebut berupa data Nilai Indikasi Rata-rata (NIR) Tanah tahun 2004-2010 di kecamatan Rungkut. Dari data yang telah diperoleh tersebut kemudian di analisa menggunakan regresi linear untuk mendapatkan prediksi harga pada di tahun 2012. Prediksi harga pada tahun 2012 adalah sebagai berikut:

4.2. Prediksi Nilai Tanah

(31)

21

4.2.1. Regresi Linier

Perhitungan dengan menggunakan regresi linier ini menggunakan rumus “Y =a + b.X”. Dimana X = dimisalkan sebagai tahun dan Y = sebagai nilai tanah. Dan untuk mencari nilai a dan b digunakan rumus sebagai berikut:

a= ₂ ₂

Dengan rumus tersebut maka prediksi pada tahun 2011 dapat diselesaikan sebagai berikut :

Tabel 4.1 Data NIR Tanah pada ZNT (AA) Kelurahan Medokan Ayu

2004 2005 2006 2007 2008 2009 2010 2011 2012 AA Jl Medokan Ayu 128000 335000 394000 537000 537000 537000 614000 726714 798321

Kelurahan Medokan

Sumber : Badan Pendapatan Daerah Pemerintah Kota Surabaya

Tabel 4.2 Permodelan Regresi Linier

Sumber: Perhitungan

(32)

Setelah diketahui nilai a dan b, maka prediksi nilai tanah dapat di hitung menggunakan persamaan Y= a + b.X, dimana pada tahun 2012 dimisalkan sebagai tahun ke 9. Hasil perhitungan nya adalah sebagai berikut:

Dari hasil tersebut dapat diketahui bahwa Prediksi Nilai Tanah di tahun 2012 pada zona AA Jl. Medokan Ayu adalah Rp.798321. Untuk melihat prediksi harga tanah pada semua daerah pada masing – masing kelurahan dapat ditunjukkan pada lampiran Prediksi Nilai Tanah.

4.2.2. Koefisien Determinasi (R2₎

Untuk menganalisa tingkat kebenaran pada hasil prediksi di tahun 2012, maka nilai R square (R2)dapat diketahui dengan menggunakan program SPSS 16. Hasil output pada SPSS dapat di tunjukkan pada lampiran Output Regresi Linear

Menggunakan SPSS. Dan berikut ini adalah tabel rekapitulasi hasil nilai R2 pada masing – masing kelurahan:

Y = 153857.21 + 71607.11 X

(33)

23

Tabel 4.3 Rekapitulasi Hasil Nilai R2 Pada Masing – Masing Kelurahan

No

Nama Kelurahan

Nilai R

2

1 Medokan Ayu 0.99

2 Penjaringan Sari 0.97

3 Kedung Baruk 0.98

4 Rungkut Kidul 0.99

5 Wonorejo 0.99

6 Kalirungkut 0.98

0.98 Rata - rata

Sumber : Out put R2 pada SPSS

Dengan hasil R Square (R2 _{) yang di tunjukkan oleh setiap kelurahan, rata –}

rata nilai R2 dari semua kelurahan adalah 0.98. Maka kesesuaian dari model regresi linear sangat baik, dan hasil prediksi pada tahun 2012 dapat digunakan, nilai R2

mendekati 1.00.

4.3. Banyaknya Cluster Yang Terbentuk

(34)

4.3.1. Analisa Cluster Menggunakan Excel

Pengklasteran dengan menggunakan Excel ini menggunakan teknik manual, dimana banyaknya cluster dan rentang nilai atau batas nilai cluster ditentukan terlebih dahulu. Adapun penentuan jumlah dan rentang nilai adalah sebagai berikut :

Cluster I, yaitu kelompok data yang memiliki harga antara 10000 - 99000

ClusterII, yaitu kelompok data yang memiliki harga antara 100000 - 299000

ClusterIII, yaitu kelompok data yang memiliki harga antara 300000 - 599000

ClusterIV, yaitu kelompok data yang memiliki harga antara 600000 - 999000

ClusterV, yaitu kelompok data yang memiliki harga antara 1000000 - 1499000

Cluster VI, yaitu kelompok data yang memiliki harga antara 1500000 - 1999000

ClusterVII, yaitu kelompok data yang memiliki harga antara 2000000 - 2999000

ClusterVII, yaitu kelompok data yang memiliki harga antara 3000000 – 3999000 Dari penentuan rentang nilai diatas, maka akan di dapatkan perkembangan jumlah klaster pada setiap tahun nya. Sebagai contoh akan di tunjukkan perkembangn klaster di kelurahan Rungkut Kidul. Hasil analisanya adalah sebagai berikut:

KEL RUNGKUT KIDUL TAHUN 2004

BJ Jl. Tambak 27000

BJ Jl. Tambak Masjid 27000

BU Jl. Tambak 36000

BU Jl. Tambak Kaplingan 36000

(35)

25

AB Jl.Rungkut Kidul II 160000 AB Jl. Rungkut Kidul III 160000 AB Jl. Rungkut Kidul III Kalimer 160000 AD Jl. Raya Rungkut Kidul 160000

AD Jl Rungkut Kidul 160000

AE Jl. Tambak 160000

AI Jl. Rungkut Kidul 160000 AI Jl. Raya Rungkut Kidul Industri 160000 AN Jl. Raya Rungkut Kidul 160000

AN Jl. Rungkut Kidul 160000

AN Jl. Rungkut Kidul I 160000 AN Jl. Rungkut Kidul II 160000 AN Jl. Rungkut Kidul III 160000 AN Jl. Rungkut Kidul Industri 160000

AW Jl. Raya Tambak 128000

BD Jl. Tambak 103000

BD Jl. Tambak Bendul Merisi 103000

KLASTER II 100000-299000

300000-599000 KLASTER III

AA Jl. Rugkut Kidul Industri 916000

AF Jl. Raya Rungkut Kidul 802000

AF Jl. Raya Rungkut Industri 802000

AG Jl. Raya Rungkut Kidul Industri 916000

AG Jl. Raya Rungkut Asri Timur 916000

AG Jl. Raya Rungkut Kidul 916000

AG Jl. Raya Rungkut Kidul I 916000

AJ Jl. Raya Rungkut Kidul 916000

AJ Jl. Raya Rungkut Kidul Industri 916000

AJ Jl. Rungkut Kidul 916000

AJ Jl. Rungkut Kidul II 916000

AJ Jl. Rungkut Kidul Industri 916000

AJ Jl. Raya Kidul Industri 916000

AK Jl. Rungkut Kidul Industri 160000

AN Jl. Rungkut Asri 916000

AN Jl. Rungkut Asri Barat 916000

AN Jl. Rungkut Asri Timur 916000

AQ Jl. Rungkut Asri 916000

AQ Jl. Rungkut Asri Utara 916000

AQ Jl Raya Rungkut Asri 916000

AS Jl. Rungkut Asri Barat 916000

(36)

AC Jl. Raya Rungkut Kidul 1147000

AC Jl. Rungkut Kidul 1147000

AN KO YKP Rungkut Kidul 1032000

AO Jl. Rungkut Asri Tengah 1032000

AU Jl. Rungkut Asri Utara 1032000

KLASTER V 1000000-1499000

Tabel diatas menunjukkan pengklasteran di Kelurahan Rungkut Kidul pada tahun 2004. Pada tahun tersebut, jumlah cluster yang terbentuk menurut rentang nilai yang telah di tentukan adalah sebanyak 5 cluster. Untuk mengetahui perkembangan jumlah cluster yang terbentuk pada setiap tahun nya, maka akan dilanjutkan analisa cluster pada tahun berikutnya yakni pada tahun 2005. Hasil analisa pada tahun 2005 adalah sebagai berikut:

(37)

27

AB Jl.Rungkut Kidul II 335000

AB Jl. Rungkut Kidul III 335000

AB Jl. Rungkut Kidul III Kalimer 335000 AD Jl. Raya Rungkut Kidul 335000

AI Jl. Rungkut Kidul 394000

AI Jl. Raya Rungkut Kidul Industri 394000 AK Jl. Rungkut Kidul Industri 335000 AN Jl. Raya Rungkut Kidul 335000

AN Jl. Rungkut Kidul I 335000

AN Jl. Rungkut Kidul II 335000

AN Jl. Rungkut Kidul III 335000

AN Jl. Rungkut Kidul Industri 335000

KLASTER II 76,47%

AA Jl. Rugkut Kidul Industri 1032000 AF Jl. Raya Rungkut Kidul 1032000 AF Jl. Raya Rungkut Industri 1147000 AG Jl. Raya Rungkut Kidul Industri 1147000 AG Jl. Raya Rungkut Asri Timur 1147000 AG Jl. Raya Rungkut Kidul 1147000 AG Jl. Raya Rungkut Kidul I 1147000 AJ Jl. Raya Rungkut Kidul 1274000 AJ Jl. Raya Rungkut Kidul Industri 1274000 AJ Jl. Rungkut Kidul 1274000 AJ Jl. Rungkut Kidul II 1274000 AJ Jl. Rungkut Kidul Industri 1274000 AJ Jl. Raya Kidul Industri 1274000 AN Jl. Rungkut Asri 1147000 AN Jl. Rungkut Asri Barat 1147000 AN Jl. Rungkut Asri Barat 1147000 AN Jl. Rungkut Asri Timur 1147000 AN Jl. Rungkut Kidul 1147000

AN KO YKP Rungkut Kidul 1274000 AO Jl. Rungkut Asri Tengah 1416000

(38)

KLASTER V 60%

KLASTER VI 1500000-1999000

(39)

29

AW Jl. Raya Tambak 470714

BD Jl. Tambak 347964

BD Jl. Tambak Bendul Merisi 347964

BU Jl. Tambak 356107

AB Jl. Rungkut Kidul III 713071

AB Jl. Rungkut Kidul III Kalimer 713071 AD Jl. Raya Rungkut Kidul 713071

AE Jl. Tambak 757107

AI Jl. Rungkut Kidul 718357

AI Jl. Raya Rungkut Kidul Industri 718357

AK Jl. Rungkut Kidul Industri 603571

AN Jl. Raya Rungkut Kidul 713071

AN Jl. Rungkut Kidul I 713071

AN Jl. Rungkut Kidul II 713071

AN Jl. Rungkut Kidul III 713071

AN Jl. Rungkut Kidul Industri 713071 4.0 0%

AA Jl. Rugkut Kidul Industri 1452892

(40)

AF Jl. Raya Rungkut Kidul 1700571 AF Jl. Raya Rungkut Industri 1935142 AG Jl. Raya Rungkut Kidul Industri 1659392 AG Jl. Raya Rungkut Asri Timur 1659392 AG Jl. Raya Rungkut Kidul 1659392 AG Jl. Raya Rungkut Kidul I 1659392 AN Jl. Rungkut Asri 1867035 AN Jl. Rungkut Asri Barat 1867035 AN Jl. Rungkut Asri Barat 1659392 AN Jl. Rungkut Asri Timur 1659392 AN Jl. Rungkut Kidul 1659392 AQ Jl. Rungkut Asri 1855107 AQ Jl. Rungkut Asri Utara 1855107 AQ Jl Raya Rungkut Asri 1855107 AQ Jl Raya Rungkut Asri 1855107 AS Jl. Rungkut Asri Barat 1627928 AS Jl. Rungkut Asri Barat 1627928

KLASTER IV 6 8%

KLASTER VI 1500000-1999000

AJ Jl. Raya Rungkut Kidul 2671392 AJ Jl. Raya Rungkut Kidul Industri 2671392 AJ Jl. Rungkut Kidul 2671392 AJ Jl. Rungkut Kidul II 2671392 AJ Jl. Rungkut Kidul Industri 2671392 AJ Jl. Raya Kidul Industri 2671392

AN KO YKP Rungkut Kidul 2073107

KLASTER IV 2 4%

KLASTER V 8 0%

KLASTER VII 2000000-2999000

AO Jl. Rungkut Asri Tengah 3023642

KLASTER V 2 0%

3000000-3999000 KLASTER VIII

(41)

31

Untuk mengetahui hasil banyaknya cluster yang terbentuk di tahun 2012 pada masing - masing kelurahan di Kecamatan Rungkut, maka akan dibuatkan tabel Rekapitulasi banyaknya cluster. Dan tabel tersebutadalah sebagai berikut:

Tabel 4.4 Rekapitulasi Banyaknya Cluster Yang Terbentuk

2004 2005 2006 2007 2008 2009 2010 2011 2012

1 5 KLASTER 5 KLASTER 5 KLASTER 5 KLASTER 5 KLASTER 5 KLASTER 5 KLASTER 6 KLASTER 6 KLASTER

No

Dari tabel tersebut dapat diketahui bahwa pada setiap kelurahan di awal tahun yaitu di tahun 2004 semuanya berjumlah 5 cluster. Dan pada tahun 2012 semua kelurahan telah mengalami perkembangan cluster, dimana di Kelurahan Medokan Ayu terdapat 6 cluster, Penjaringan Sari 7 cluster, Kedung Baruk 7 cluster, Rungkut Kidul 8 cluster, Wonorejo 8 cluster, dan Kalirungkut 8 cluster.

4.3.2. Analisa Cluster Menggunakan Metode Non Hirarki pada SPSS

(42)

pengclusteran dari SPSS pada Kelurahan Rungkut Kidul yang pada tahun 2012 mengalami perkembangan jumlah cluster yang mencapai 8 cluster.

Tabel 4.5 Hasil Pengclusteran Pada SPSS

1 4. untuk cluster 1 mempunyai 4 anggota, cluster 2 = 7 anggota, cluster 3 = 1 anggota, cluster 4 = 1 anggota, cluster 5 = 3 anggota, cluster 6 = 13 anggota, cluster 7 = 7 anggota, dan cluster 8= 15 anggota. Perbedaan menggunakan metode Non Hirarki dengan cara Excel terlihat dari banyaknya anggota yang ditunjukkan pada masing – masing cluster. Dimana cluster 1 pada metode Non Hirarki menunjukkan 4 anggota, sedangkan pada cara Excel pada tahun 2012 anggota pada cluster 1 sudah tidak ada lagi. Ini disebabkan karena pada metode Non Hirarki di SPSS tidak dapat menentukan rentang nilai secara pasti seperti yang dilakukan pada cara manual di Microsoft Excel, sehingga tidak dapat menganalisa perkembangan anggota cluster yang telah berpindah ke cluster lainya. Untuk mengetahui hasil pengklasteran dengan SPSS secara rinci dapat dilihat pada lampiran Hasil Output Cluster Pada SPSS

(43)

33

4.4. Prosentase Kenaikan Anggota Cluster Setiap Tahun

Prosentase kenaikan ini di hitung berdasarkan banyaknya anggota yang keluar dari cluster awal menuju ke cluster yang lainya. Prosentase di hitung dari jumlah anggota cluster yang masih tetap di cluster awal dan anggota cluster yang berpindah. Contoh prosentase tersebut dapat ditunjukkan pada proses analisa Banyaknya Cluster yang dilakukan pada sub bab diatas dengan menggunakan kelurahan Rungkut Kidul. Pada tahun 2004 jumlah anggota dalam Cluster I menempatkan 4 anggota dan pada tahun 2005 jumlah anggotanya masih berjumlah 4 anggota. Jadi prosentase yang dapat di hitung adalah Anggota klaster yang bertahan =100% dan Anggota klaster yang berpindah = 0%. Pada tahun 2012 anggota dari Cluster I sudah tidak ada lagi sehingga prosentase Anggota klaster I yang bertahan = 0% dan Anggota klaster I yang berpindah = 100%. Berikut adalah perhitungan prosentase perkembangan anggota cluster pada tahun 2012:

Anggota cluster 1 yang bertahan = 100 4 0

x = 0 %

Anggot a cluster 1 yang berpindah = 100

4 4

x = 100 %

(44)

(45)

(46)

Dari tabel rekapitulasi tersebut dapat diketahui berapa prosentase antara anggota cluster yang masih tetap bertahan pada cluster awal dan anggota yang berpindah ke cluster yang lainya. Dan kemana tempat perpindahan anggota cluster tersebut ke cluster lainya serta berapa prosentasenya akan di tabelkan pada tabel berikut ini: Tabel 4.7 Rekapitulasi Perpindahan Cluster

Klaster I Klaster II Klaster III Klaster IV Klaster V Klaster VI Klaster VII Klaster VIII TOTAL

1 2004 10 0% 100%

REKAPITULASI PERPINDAHAN KLASTER I KELURAHAN RUNGKUT KIDUL

No Tahun Klaster Awal Perpindahan Anggota Klaster

Klaster I

1 2004 100% 100%

REKAPITULASI PERPINDAHAN KLASTER II KELURAHAN RUNGKUT KIDUL

Klaster II

1 2004 0.00% 100%

REKAPITULASI PERPINDAHAN KLASTER III KELURAHAN RUNGKUT KIDUL

(47)

37

1 2004 100% 100%

REKAPITULASI PERPINDAHAN KLASTER IV KELURAHAN RUNGKUT KIDUL

Klaster IV

1 2004 100% 100%

REKAPITULASI PERPINDAHAN KLASTER V KELURAHAN RUNGKUT KIDUL

Klaster V lampiran Rekapitulasi Perpindahan Cluster. Dari perhitungan tersebut maka akan diketahui anggota dari cluster mana yang mengalami kenaikan cluster paling tinggi dan prosentase anggotanya. Pada kelurahan Rungkut Kidul anggota Cluster yang mengalami perpindahan Cluster tertinggi adalah anggota dari Cluster V yang mengalami perpindahan mencapai Cluster VIII dengan prosentase sebanyak 20%

(48)

Tabel 4.8 Rekapitulasi Kenaikan Anggota Cluster Tertinggi dan Prosentase

No Nama Kelurahan Kenaikan Klaster Tertinggi Pencapaian Klaster Prosentase (%)

1 Medokan Ayu Klaster III Klaster VI 9.09%

2 Penjaringan Sari Klaster IV Klaster VII 21.42%

3 Kedung Baruk Klaster IV Klaster VII 83.33%

4 Rungkut Kidul Klaster V Klaster VIII 20%

5 Wonorejo Klaster V Klaster VIII 50%

6 Kalirungkut Klaster V Klaster VIII 29,17%

Sumber : Perhitungan Excel

4.5. Pemetaan Anggota Cluster Pada Tahun 2012

(49)

(50)

(51)

(52)

(53)

(54)

(55)

45 BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Setelah meganalisa permasalahan yang ada dalam perumusan masalah, maka dapat di simpulkan bahwa:

1. Prediksi nilai harga tanah pada di tahun 2012 pada zona AA Jl. Medokan Ayu adalah Rp.798321.

2. Banyaknya cluster yang terbentuk pada tahun 2012 di Kelurahan Medokan Ayu sebanyak 6 cluster, Kelurahan Penjaringan sebanyak 7 cluster, Kelurahan Kedung Baruk sebanyak 7 cluster, Kelurahan Rungkut Kidul sebanyak 8 cluster, Kelurahan Wonorejo sebanyak 8 cluster, dan Kelurahan kalirungkut sebanyak 8 cluster.

3. Prosentase kenaikan anggota cluster tertinggi pada setiap kelurahan di tunjukkan dengan pencapaian cluster nya, dimana pada kelurahan Medokan Ayu yang mencapai cluster VI dengan prosentase anggota sebesar 9,09%, Penjaringan Sari mencapai cluster VII sebesar 21,42%, Kedung Baruk mencapai cluster VII sebesar 83,33%, Rungkut Kidul mencapai cluster VIII sebesar 20%, Wonorejo mencapai cluster VIII sebesar 50%, dan Kalirungkut mencapai cluster VIII sebesar 29,17%.

(56)

5.2. Saran

Setelah dianalisa dan didapat hasilnya maka penulis dapat memberikan beberapa saran seperti berikut :

1. Untuk menyempurnakan penelitian pada penelitian selanjutnya sebaiknya memakai regresi dengan cara spasial sehingga diperlukan digitasi pada masing – masing cluster setiap tahunnya

2. Diperlukan metode yang dapat membaca banyaknya cluster sesuai dengan rentang nilai tanah seperti yang dilakukan pada Software SPSS.

3. Hasil pengclusteran nilai tanah ini dapat digunakan sebagai acuan untuk warga kecamatan Rungkut untuk berinvestasi dalam bentuk tanah pada zona yang tepat karena keadaan zona tanah sangat mempengaruhi nilai tanah sehingga dengan mudah bepindah ke cluster dengan rentang nilai yang lebih tinggi pada tahun yang akan datang.

(57)

DAFTAR PUTAKA

Dillon: 1984; 157, ANALISIS CLUSTERING, Penerbit Tarsito

Wibisono, Yusuf.2005.Metode Statistik.UGM : Gadjah Mada University Press. http: //bloggerilmu.blogspot.com.

Dwi Priyanto, Belajar olah data dengan SPSS17

Dyah Nirmala Arum Janie, S.E., M.Si. Statistik Deskriptif dan Regresi Linier Berganda Dengan SPSS. Penerbit Gramedia

Sudjana.1989.Metoda Statistika. Edisi Ke 5.Bandung: Penerbit Tarsito. http://www.ortax.org/ortax/?mod=aturan&page=show&id=1539

http://bpn20-2008.blogspot.com/2009/01/ pemetaan-zona-nilai-tanah-2.html http://wikimapia.org/#lat=-7.2643312&lon=112.6530013&z=18&l=0&m=b

http://www.ortax.org/ortax/?mod=aturan&page=show&id=1539

Ir. Dadan Kusnandar,M.Sc.,Ph.D. “Metode Statistik dan Aplikasinya dengan Minitab dan Excel”

Prof. J. Suprapto, M.A, APU. ANALISIS MULTIVARIAT ARTI DAN INTERPRETASI, Penerbit RINEKA CIPTA.

Peta Rupa bumi Digital Indonesia 1:25.000, Wonokromo edisi 1-1999 Badan Koordinasi dan pemetaan Nasional (BAKOSURTANAL)

Subagyo pangestu dan Ps djarwanto .2005. Statistika Induktif.Edisi ke 5.Jakarta : Penerbit BPFE.