METODE CLUSTER ANALYSIS
Oleh: Hamdeni Medriosa Dosen Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan
Institut Teknologi Padang
Abstrak
Masalah lalu lintas di Indonesia memang sangat komplek. Mulai dari semrawutnya masalah transportasi sampai kepada kemacetan dan polusi udara. Dari hal tersebut diatas, dapat kita tinjau berbagai macam penyebab potensi masalah lalulintas mulai dari besarnya jumlah penduduk, panjang jalan, banyaknya jumlah kendaraan dan Produk Domestik Regional Bruto (PDRB). Dari ke empat hal diatas akan dapat kita ketahui mengenai study potensi penyebab masalah lalu lintas yang ada di ibukota propinsi di seluruh wilayah Indonesia, dari tahun 1984-2004. Dari keempat hal diatas dapat juga diketahui dilevel mana suatu daerah dalam penyebab potensi masalah lalu lintas.
Dari hasil analisa metode ‘cluster analysis’ didapati dari dendogram bahwa daerah ibukota propinsi yang berada di level I yaitu Jakarta dan dilevel II yaitu Surabaya dan Bandung. Sementara daerah lainnya hanya berpotensi dilevel selanjutnya.
Kata Kunci : cluster analysis, dendogram
I. PENDAHULUAN I.1. Latar Belakang
Pada zaman sekarang ini masalah transportasi menjadi masalah yang sangat penting, karena disamping mengindikasikan kemajuan suatu daerah juga sebagai tanda apakah daerah tersebut berkembang atau tidak. Terlebih lagi bagi negara yang sedang berkembang. Dengan adanya era globalisasi tidak dipungkiri bahwa transportasi merupakan sarana penunjang untuk meningkatkan taraf hidup dan kesejahteraan rakyat.
Karena arus globalisasi tidak bisa dibendung di Indonesia termasuk juga dengan salah satu propinsinya seperti Sumatera Barat, khususnya kota Padang, karena disamping sebagai kota pendidikan kota Padang juga merupakan sebagai kota budaya dan kota pariwisata.
Karena keadaan diataslah maka,
Sumatera Barat umumnya khususnya kota Padang harus bisa memberikan pelayanan yang memadai, khususnya di bidang transportasi dan sarana angkutan. Karena mustahil kemajuan suatu daerah tanpa adanya perencanaan transportasi yang matang / tertata dengan baik dapat menunjang majunya suatu daerah. Untuk itulah perlunya diadakan penelitian tentang keadaan potensi penyebab masalah lalu lintas di Sumatera Barat dan menganalisa pada posisi / levelnya dibandingkan dengan daerah lain yang ada di Indonesia.
1.2. Tujuan Dan Manfaat Penelitian
Tujuan dari penelitian ini untuk
menetapkan hirarki dari potensi masalah lalu lintas di ibukota propinsi di Indonesia.
Manfaat dari penelitian ini yaitu
sebagai pedoman dalam menentukan
kebijaksanaan perencanaan lalu lintas dengan diperolehnya hirarki potensi masalah lalu lintas.
1.3. Batasan Masalah
Dalam penelitian ini ruang lingkup penelitiannya dibatasi pada:
1. Data – data untuk penelitian berasal dari
Badan Pusat Statistik (BPS)
2. Data – data yang digunakan adalah dari
tahun 1984 – 2004
3. Data-data tersebut berasal dari
ibukota-ibukota propinsi di Indonesia.
4. Analisa data menggunakan software SPSS
II. Tinjauan Pustaka
2.1. Umum
Transportasi merupakan bagian
integral dari suatu fungsi masayarakat. Ia menunjukkan hubungan yang sangat erat dengan gaya hidup, jangkauan dan lokasi dari kegiatan yang produktif, dan selingan serta barang-barang dan pelayanan yang tersedia
untuk di konsumsi.
Indonesia merupakan daerah yang mempunyai masalah lalu lintas yang sangat komplek. Dimana didalam pengelolaannya
selalu saja menimbulkan berbagai
permasalahan, sehingga kita harus dapat megelompokkan masalah lalu lintas Indonesia ini kedalam suatu organisir tertentu, yang diamati berdasarkan data ke dalam struktur yang penuh arti. Terutama sekali untuk wilayah Indonesia khususnya untuk kota Padang.
2.2. Teknologi Transportasi
Walaupun terdapat banyak
keanekaragaman dari sistim transportasi dan
alat-alat transport yang diporoduksi
mempunyai sejumlah komponen fungsional yang umum, sehingga alasan itulah yang menyebabkan adanya suatu bidang teknik
transportasi sebagai tambahan terhadap
berbagai bidang tertentu yang lebih khusus dan
berhubungan dengan salah satu jenis
transportasi. Beberapa komponen dasar sistim transportasi dan cara komponennya agar terakit dan berfungsinya sistim transportasi.( Edward K Morlok )
2.3. Cluster Analysis 2.3.1. Tujuan Umum
Istilah analisis gugus ( pertama yang
digunakan oleh Tryon, 1939) meliputi
sejumlah metoda berbeda untuk
menggolongkan object sesama serupa ke
dalam kategori masing-masing. Suatu
pertanyaan umum yang menghadapi penelitian di dalam area pemeriksaan bagaimana cara mengorganisir diamati data ke dalam struktur penuh arti.
Analisis Cluster termasuk dalam
analisis statistik multivariate metode
interdependen, sebagai alat analisis
interdependen maka tujuan analisis cluster
tidak untuk menghubungkan ataupun
membedakan dengan sample ataupun variable yang lain. Analisis cluster merupakan salah satu alat analisis yang berguna dalam meringkas data atau sejumlah variabel untuk menjadi lebih sedikit. Dalam melakukan proses meringkas data ini dapat di lakukan dengan
jalan mengelompokan objek- objek
berdasarkan kesamaan karakteristik tertentu di antara objek- objek yang hendak di teliti. Pembentukan kelompok-kelompok observasi /
kasus ini berdasarkan jarak, observasi yang mirip seharusnya berada dalam kelompok yang sama, dan data observasi yang jauh seharusnya berada dalam kelompok yang berbeda. Pembentukan kelompok ini akan di ikuti
dengan terjadinya pengelempokan yang
menunjukan kedekatan kesamaan antar
kasus.(Ariyanto ; 2005)
Agar hasil analisis dapat ideal sebaiknya di lakukan beberapa kali analisis cluster dengan menggunakan beberapa metode jarak cluster.(Luca Garibaldi; 2003).
Beberapa hal yang harus di perhatikan dalam melakukan analisis cluster adalah :
1. Lakukan beberapa kali analisis cluster
2. Pastikan data yang di dapatkan adalah
data yang valid, baik secara validitas maupun validitas konten.
3. Berikan justifikasi logika pada output
analisis cluster yang telah di keluarkan SPSS, jika output yang di hasilkan jauh dari logika, kemungkinan terjadi berbagai kesalahan baik pengukuran maupun sample.(Nursalim AA ; 2006).
2.3.2. Analisis cluster mempunyai beberapa istilah penting, antara lain :
Agglomeration schedule, ialah jadwal yang memberikan informasi tentang objek atau kasus yang akan di kelompokan pada setiap tahap pada suatu proses analisis cluster yang hierarkis. Cluster Centroid, ialah titik awal di mulainya pengelompokan di dalam cluster nonhierarki, cluster di bentuk / di bangun di
sekitar titik titik atau Seeds. Cluster
Membership, ialah keanggotaan yang
menunjukan cluster, untuk setiap objek/ kasus yang menjadi anggotanya.
Dendogram adalah output SPSS yang memvisualisasikan hasil analisis cluster yang di di lakukan peneliti. Garis vertical (Y) menunjukan cluster yang di gabung bersama, posisi garis pada skala (X) menunjukan jarak
(Distance), dimana cluster di gabung,
dendogram harus di baca mulai dari kiri ke kanan.
Analisis cluster dilakukan dengan dua
cara, yaitu Hierarki Cluster dan K Means
Cluster, Hierarki Cluster digunakan untuk analisis data dengan sample kecil sedangkan K Means Cluster di gunakan untuk analisis data dengan sample yang relatif besar (>100). Dalam penelitian ini hanya digunakan hierarki cluster karena sampel yang kecil.
Analisis cluster juga adalah sebuah alat untuk penelusuran (eksploring), analisis cluster menampakan hubungan dan susunan menurut data dengan tidak memerhatikan alasan mengapa itu terjadi , analisis cluster akan menunjukan hasil yang penting bagi pengambilan keputusan. Hasil analisis cluster dapat berguna bagi klasifikasi secara umum, seperti hubungan / taksonomi hewan, serangga, tumbuhan, atau makhluk lainnya, dapat juga untuk mengindikasikan alasan untuk menandai kasus / observasi dan mendiagnosis tujuan,
menemukan contoh / jenis untuk
mempresentasikan kelas.
Sebagai contoh, masalah kemacetan di Indonesia kalau kita telusuri dapat disebabkan oleh beberapa komponen seperti banyaknya jumlah penduduk, panjang jalan, banyaknya jumlah kendaraan dan Produk Domestik Regional Bruto. Hal ini dijadikan landasan
dalam faktor-faktor yang mempengaruhi
masalah kemacetan,disamping lusanya suatu daerah. Dari faktor-faktor yang komplek itulah dijadikan analisa penyebab masalah kemacetan yang akan kita analisa dengan menggunakan metoda cluster analysis dengan menggunakan software SPSS.(Nursalim AA ; 2006).
2.3.3. Area Aplikasi
Cluster analysis telah diberlakukan bagi suatu permasalahan riset yang luas (Hartigan 1975) menyediakan suatu ringkasan yang sempurna banyak studi diterbitkan yang melaporkan hasil analisa seikat. Sebagai contoh, dalam bidang kedokteran, suatu penyakit, cara perawatan untuk penyakit, atau gejala penyakit dapat mendorong kearah yang sangat bermanfaat. Dan di bidang transportasi seperti menganalisa masalah kemacetan dan masalah transportsai lainnya.
III. Metodologi Penelitian
Penelitian diawali dengan
mengumpulkan bahan-bahan literature berupa teori yang dapat dijadikan landasan penelitian dan data-data lain yang berkaitan dengan penelitian, setelah itu barulah berusaha untuk
memahami metoda survei yang akan
digunakan selama pelaksanaan penelitian. Dalam pengumpulan data sekunder ini dikelompokkan dahulu kedalam sub bidang masing-masing. Sub bidang masing-masingnya yaitu jumlah penduduk, panjang jalan, jumlah
kendaraan dan PDRB. kemudian
dikelompokkan berdasarkan tahun dan
daerahnya.
Rencana kerja pada penelitian ini secara umum ditunjukkan pada bagan alir berikut :
IV. Prosedur Dan Hasil Kerja Prosedur kerja
Pada bagian ini diuraikan mengenai prosedur kerja dari survai yang akan dilakukan Dimana survai yang dilakukan ini adalah langsung mencari data sekunder yand terdapat di BPS. Survai yang dilakukan antara lain, survai jumlah penduduk, survai panjang jalan, survai jumlah kendaraan dan survai PDRB.
4.1.1. Data Jumlah Penduduk
Dari pengumpulan data ini dilakukan pencaraian jumlah penduduk di ibukota-ibukota propinsi di Indonesiandari tahun 1984-2004.
4.1.2. Data Panjang Jalan
Dari pengumpulan data ini dilakukan pencarian panjang jalan yang ada di ibukota-ibukota propinsi di Indonesia. Panjang jalan ini didapat dari penjumlahan dari panjang jalan negara ditambah jalan propinsi ditambah lagi dengan jalan kabupaten dari tahun1984-2004.
4.1.3. Data Jumlah Kendaraan
Dari pengumpulan data ini dilakukan pencarian jumlah total banyaknya kendaraan bermotor yang ada di ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004. Dimana
jumlah kendaraan terdiri dari jumlah
kendaraan roda dua dan kendaraan mobil penumpang,bis dan truck.
4.1.4. Data PDRB
Pengolahan Data Sekunder
Analisis Data Parameter Pengumpulan Data
Dari pengumpulan data ini dilakukan pencarian jumlah PDRB ibukota-ibukota propinsi di Indonesia dari tahun1984-2004.
4.2. Hasil Pengumpulan Data
4.2.1. Hasil Pengumpulan Data Ibukota-Ibukota Propinsi Di Indonesia
4.2.1.1. Data Jumlah Penduduk
Dari pengumpulan data ini diketahui total jumlah penduduk ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004 dapat dilihat pada lampiran. Total jumlah penduduk ibukota – ibukota propinsi di Indonesia pada tahun 1984 yaitu berjumlah 18.381.425 juta jiwa dan total jumlah penduduk tahun 2004 yaitu sebesar 29.712.987 juta jiwa.
4.2.1.2. Data Panjang Jalan
Dari pengumpulan data ini diketahui panjang jalan ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004 dapat dilihat pada lampiran. Total jumlah panjang jalan ibukota – ibukota propinsi di Indonesia pada tahun 1984 yaitu berjumlah 20.203 km dan total jumlah panjang jalan tahun 2004 yaitu 44.704 km.
4.2.1.3. Data Jumlah Kendaraan
Dari pengumpulan data ini diketahui total jumlah kendaraan ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004 dapat dilihat pada lampiran. Total jumlah kendaraan ibukota – ibukota propinsi di Indoesia pada tahun 1984 yaitu berjumlah 2.832.752 juta dan total jumlah kendaraan tahun 2004 yaitu sebesar 15.183.494 juta.
4.2.1.4. Data PDRB
Dari pengumpulan data ini diketahui total PDRB ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004 dapat dilihat pada lampiran. Total jumlah PDRB ibukota – ibukota propinsi di Indonesia pada tahun 1984 yaitu berjumlah Rp 105.614.321.000,- dan total jumlah penduduk tahun 2004 yaitu sebesar Rp 1.252.252.000.000,-.
ANALISA DAN PEMBAHASAN 5.1. Gambaran Umum
5.1.1. Gambaran umum tentang jumlah penduduk di ibukota-ibukota propinsi di Indonesia dari tahun 1984-2004.
Wilayah studi penelitian ini meliputi
semua daerah-daerah ibukota propinsi
diseluruh Indonesia, yaitu:
No. Propinsi Ibukota
1 Nanggroe Aceh
Darussalam
Banda Aceh
2 Sumatera Utara Medan
3 Sematera Barat Padang
4 Riau Pekanbaru
5 Jambi Jambi
6 Sumatera Selatan Palembang
7 Bengkulu Bengkulu
8 Lampung Bandar Lampung
9 DKI Jakarta Jakarta
10 Jawa Barat Bandung
11 Jawa Tengah Semarang
12 DI Yogyakarta Yogyakarta
13 Jawa Timur Surabaya
14 Bali Denpasar 15 Nusa Tenggara Barat Mataram 16 Nusa Tenggara Timur Kupang
17 Kalimantan Barat Pontianak
18 Kalimantan Tengah Palangkaraya 19 Kalimantan Selatan Banjarmasin 20 Kalimantan Timur Samarinda
21 Sulawesi Utara Manado
22 Sulawesi Tengah Palu
23 Sulawesi Selatan Makasar
24 Sulawesi
Tenggara
Kendari
25 Maluku Ambon
26 Papua Jayapura
Total Jumlah Penduduk
0,00 1.000.000,00 2.000.000,00 3.000.000,00 4.000.000,00 5.000.000,00 6.000.000,00 7.000.000,00 8.000.000,00 9.000.000,00 10.000.000,00 1984 1988 1992 1996 2000 2004 tahun ju ml ah pen du du k Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Jakarta Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jayapura
Grafik 5.1. Jumlah total penduduk Indonesia dari tahun1984-2004
Jumlah Penduduk Ibukota Propinsi Ta npa DKI Jakarta 0,00 500.000,00 1.000.000,00 1.500.000,00 2.000.000,00 2.500.000,00 3.000.000,00 3.500.000,00 1984 1988 1992 1996 2000 2004 tahun jum lah pen dud uk A ceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Bandung Semarang Y ogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari A mbon Jayapura Grafik 5.2. Total jumlah penduduk Indonesia tahun 1984-2004 tanpa DKI Jakarta
Total Panjang Jalan di Ibukota Propinsi
0,00 1.000,00 2.000,00 3.000,00 4.000,00 5.000,00 6.000,00 7.000,00 1984 1988 1992 1996 2000 2004 tahun pan ja n g jala n ( km) Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Jakarta Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmas in Samarinda Manado Palu Makasar Kendari Ambon Jayapura
Grafik 5.3. Total penjang jalan ibukota propinsi di Indonesia dari tahun 1984-2004
Tota l Pa njang Jalan Ibukota Propinsi Tanpa DKI Ja karta
0,00 500,00 1.000,00 1.500,00 2.000,00 2.500,00 3.000,00 3.500,00 4.000,00 1984 1988 1992 1996 2000 2004 tahun p anja ng j alan ( km ) Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jay apura
Grafik 5.4. Total panjang jalan ibukota propinsi di Indonesia tanpa DKI Jakarta 1984-2004
Total Jumlah Kendaraan Ibukota Propinsi
0,00 1.000.000,00 2.000.000,00 3.000.000,00 4.000.000,00 5.000.000,00 6.000.000,00 7.000.000,00 8.000.000,00 1984 1988 1992 1996 2000 2004 tahun jum lah k en dar a an Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Jakarta Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jayapura Grafik 5.5. Total jumlah kendaraan bermotor ibukota propinsi di Indonesia dari tahun 1984-2004
Total Jumla h KendaraanTanpa DKI Jakarta
0,00 200.000,00 400.000,00 600.000,00 800.000,00 1.000.000,00 1.200.000,00 1984 1988 1992 1996 2000 2004 tahun jum lah k end ar aan Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jayapura Grafik 5.6. Total jumlah kendaraan di ibukota propinsi di Indonesia tanpa DKI Jakarta
Total PDRB Ibukota Propinsi
0,00 50.000.000.000,00 100.000.000.000,00 150.000.000.000,00 200.000.000.000,00 250.000.000.000,00 300.000.000.000,00 350.000.000.000,00 400.000.000.000,00 1984 1988 1992 1996 2000 2004 tahun PDRB Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Jakarta Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jayapura
Grafik 5.7. Total PDRB ibukota propinsi di Indonesia dari tahun 1984-2004
Total PDRB Ibukota Propinsi Tanpa DKI Jakarta 0,00 20.000.000.000,00 40.000.000.000,00 60.000.000.000,00 80.000.000.000,00 100.000.000.000,00 120.000.000.000,00 140.000.000.000,00 1984 1988 1992 1996 2000 2004 tahun PDR B Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu B.Lampung Bandung Semarang Yogy akarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jaya pura
Grafik 5.8. total PDRB ibukota propinsi di Indonesia tanpa DKI Jakarta dari tahun 1984-2004.
Tahun 2004 ibukota propinsi di Indonesia
Dendrogram
* * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * *
Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine
C A S E 0 5 10 15 20 25 Label Num +---+---+---+---+---+ 7 24 25 5 15 19 16 18 21 22 14 26 12 1 3 8 17 6 23 2 4 20 11 10 13 9
Dari dendogram diatas terbagi dua cluster, dimana dalam cluster tersebut terdapat beberapa sub cluster yang membentuk level. Level I nomor 9 (Jakarta), level II nomor 10 dan 13, level III nomor 6-11 dan level IV nomor 7-17.
PENUTUP 6.1 Kesimpulan
Setelah dilakukan analisa dan
pembahasan dapat diambil kesimpulan sebagai berikut :
a. Untuk ibukota propinsi
1. Pada umumnya terdapat 4 level dalam
dendogram dan yang mempunyai
potensi masalah lalu lintas berada pada level satu ( I ) dan dua ( II ).
2. Dari 26 ibukota propinsi kota yang
paling berpotensi dalam mengalami masalah lalu lintas adalah Jakarta,
Bandung, Surabaya. masing-masing
berada pada level I dan II.
3. Kota Medan, Pekanbaru, Semarang,
Yogyakarta, Denpasar, Samarinda dan Ujung Pandang merupakan ibukota propinsi yang mengalami perkembangan yang sangat cepat dari tahun ke tahun dalam penyebab potensi masalah lalu lintas.
4. Selain ibukota-ibukota propinsi yang
tersebut diatas, maka ibukota-ibukota tersebut tidak terlalu berpotensi dalam penyebab potensi masalah lalu lintas
6.2 Saran
Untuk penelitian yang sama akan dilakukan kedepan disarankan :
1. Faktor-faktor yang mempengaruhi potensi
masalah lalu lintas ditambah satu lagi yaitu luas daerah.
2. Agar dalam pengambilan data berpatokan
kepada data BPS yang lebih spesifik seperti Sumatera Barat dalam angka atau Padang dalam angka bukan berdasarkan statistik Indonesia.
3. Dalam menggunakan program SPSS
diharapkan menggunakan program seri yang terbaru agar output yang dihasilkan
lebih komplek sehingga mudah
dimengerti.
4. Dalam pengambilan data sekunder,
surveyor harus paham mengenai hal-hal yang akan dilakukan, sehingga dalam penyusunan data tidak mengalami banyak kesulitan.
5. Referensi yang banyak sangat membantu dalam pengumpulan tinjauan pustaka.
DAFTAR PUSTAKA
Cahyono, T, 2006, ”Analisa Dampak Lalu
Lintas Di Beberapa Kota Besar Di
Indonesia”,Google.
Aldenderfer, T,(1984),”Cluster
Analysis”Google.
Mujiharto,.( 1993 ),” Faktor Yang
Mempengaruhi Masalah Lalu Lintas Pada Daerah-Daerah Di Kota Besar”,Google. Ariyanto, (2005), “Pengembangan Analisis Multivariate SPSS 12”,Penerbit Salemba Infotek,Jakarta.
Nursalim, A,A, 2006,”Analisis Cluster dan Penjabaran Dendogram”,Google.
Morlok,E.K,(1997), ”Pengantar Teknik Dan Perencanaan Transportasi”, Erlangga, Jakarta. BPS Sumatera Barat,(2005),”PDRB Sumatera Barat Menurut Kabupaten/Kota 2001-2005”, BPS, Sumbar.
Garibaldi L, (2003), “Trends In Oceanic Captures And Clustering Of Large Marine
Ecosystems”, Food And Agriculture
Organization Of The United Nations, Rome. Hartigan, (1975),”Cluster Analysis”,Google.
