Vol.16 No.2. Agustus 2014
Jurnal Momentum
ISSN : 1693-752X
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 ibukotaibukota 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
17
Vol.16 No.2. Agustus 2014
Jurnal Momentum
ISSN : 1693-752X
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).
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 )
2.3.2. 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.
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 objekobjek berdasarkan kesamaan karakteristik tertentu di antara objek- objek yang hendak di teliti. Pembentukan kelompok-kelompok observasi /
18
Vol.16 No.2. Agustus 2014
Jurnal Momentum
ISSN : 1693-752X
dikelompokkan berdasarkan tahun dan daerahnya. Rencana kerja pada penelitian ini secara umum ditunjukkan pada bagan alir berikut :
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).
Parameter Pengumpulan Data
Pengolahan Data Sekunder
Analisis Data
Pembuatan Laporan
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.
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.
4.1.1.
Data Jumlah Penduduk Dari pengumpulan data ini dilakukan pencaraian jumlah penduduk di ibukotaibukota propinsi di Indonesiandari tahun 19842004. 4.1.2.
Data Panjang Jalan Dari pengumpulan data ini dilakukan pencarian panjang jalan yang ada di ibukotaibukota propinsi di Indonesia. Panjang jalan ini didapat dari penjumlahan dari panjang jalan negara ditambah jalan propinsi ditambah lagi dengan jalan kabupaten dari tahun1984-2004.
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
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.
19
Data PDRB
Vol.16 No.2. Agustus 2014
Jurnal Momentum
ISSN : 1693-752X
Wilayah studi penelitian ini meliputi semua daerah-daerah ibukota propinsi diseluruh Indonesia, yaitu:
Dari pengumpulan data ini dilakukan pencarian jumlah PDRB ibukota-ibukota propinsi di Indonesia dari tahun1984-2004.
No. Propinsi 1 Nanggroe Aceh Darussalam 2 Sumatera Utara 3 Sematera Barat 4 Riau 5 Jambi 6 Sumatera Selatan 7 Bengkulu 8 Lampung 9 DKI Jakarta 10 Jawa Barat 11 Jawa Tengah 12 DI Yogyakarta 13 Jawa Timur 14 Bali 15 Nusa Tenggara Barat 16 Nusa Tenggara Timur 17 Kalimantan Barat 18 Kalimantan Tengah 19 Kalimantan Selatan 20 Kalimantan Timur 21 Sulawesi Utara 22 Sulawesi Tengah 23 Sulawesi Selatan 24 Sulawesi Tenggara 25 Maluku 26 Papua
4.2. Hasil Pengumpulan Data 4.2.1. Hasil Pengumpulan Data IbukotaIbukota 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,-.
Ibukota Banda Aceh Medan Padang Pekanbaru Jambi Palembang Bengkulu Bandar Lampung Jakarta Bandung Semarang Yogyakarta Surabaya Denpasar Mataram Kupang Pontianak Palangkaraya Banjarmasin Samarinda Manado Palu Makasar Kendari Ambon Jayapura
Total Jumlah Penduduk Aceh
10.000.000,00
Medan Padang
9.000.000,00
Pekanbaru Jambi 8.000.000,00
Palembang Bengkulu B.Lampung
7.000.000,00
jumlah penduduk
Jakarta Bandung
6.000.000,00
Semarang Yogyakarta
5.000.000,00
Surabaya Denpasar
4.000.000,00
Mataram Kupang Pontianak
3.000.000,00
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.
Palangkaraya Banjarmasin
2.000.000,00
Samarinda Manado 1.000.000,00
Palu Makasar
0,00
Kendari 1984
1988
1992
1996
tahun
2000
2004
Ambon Jayapura
Grafik 5.1. Jumlah total penduduk Indonesia dari tahun1984-2004
20
Vol.16 No.2. Agustus 2014
Jurnal Momentum
ISSN : 1693-752X Total Jumlah Kendaraan Ibukota Propinsi
Jumlah Penduduk Ibukota Propinsi Ta npa DKI Jakarta 8.000.000,00
Padang
Medan
Pekanbaru
Padang
Jambi
7.000.000,00
Pekanbaru
3.000.000,00
Palembang
Jambi
Bengkulu
Palembang
6.000.000,00
Bengkulu
2.500.000,00
B.Lampung Jakarta
B.Lampung
jumlah kendaraan
jumlah penduduk
Bandung Semarang
2.000.000,00
Y ogyakarta Surabaya Denpasar
1.500.000,00
Mataram
Bandung
5.000.000,00
Semarang Yogyakarta Surabaya
4.000.000,00
Denpasar Mataram 3.000.000,00
Kupang
Kupang
Pontianak
Pontianak
1.000.000,00
Palangkaraya
2.000.000,00
Palangkaraya
Banjarmasin
Banjarmasin
Samarinda
Samarinda
500.000,00
1.000.000,00
Manado
Manado Palu
Palu Makasar
0,00 1984
1988
1992
1996
2000
2004
Makasar
0,00 1984
Kendari
1988
1992
A mbon
tahun
Aceh Medan
A ceh
3.500.000,00
1996
2000
2004
Kendari Ambon
tahun
Jayapura
Jayapura
Grafik 5.5. Total jumlah kendaraan bermotor ibukota propinsi di Indonesia dari tahun 19842004
Grafik 5.2. Total jumlah penduduk Indonesia tahun 1984-2004 tanpa DKI Jakarta Total Panjang Jalan di Ibukota Propinsi
Aceh
Total Jumla h KendaraanTanpa DKI Jakarta
7.000,00 Aceh
Pekanbaru
Padang
6.000,00
Jambi
Pekanbaru
Palembang
Jambi
1.000.000,00
Palembang 5.000,00
Bengkulu
Bengkulu
B.Lampung
B.Lampung
Bandung 800.000,00
Bandung
jumlah kendaraan
panjang jalan (km)
Jakarta 4.000,00
Semarang Yogyakarta Surabaya 3.000,00
Denpasar Mataram Kupang Pontianak
2.000,00
Semarang Yogyakarta Surabaya Denpasar
600.000,00
Mataram Kupang Pontianak
400.000,00
Palangkaraya
Palangkaraya
Banjarmas in
Banjarmasin
Samarinda 1.000,00
Samarinda
200.000,00
Manado
Manado
Palu Makasar
Palu
Kendari
0,00 1984
1988
1992
1996
2000
Makasar
0,00
Ambon
2004
1984
Jayapura
tahun
Medan Padang
1.200.000,00
Medan
1988
1992
1996
2000
2004
Kendari Ambon
tahun
Jayapura
Grafik 5.3. Total penjang jalan ibukota propinsi di Indonesia dari tahun 1984-2004
Grafik 5.6. Total jumlah kendaraan di ibukota propinsi di Indonesia tanpa DKI Jakarta Total PDRB Ibukota Propinsi
Tota l Pa njang Jalan Ibukota Propinsi Tanpa DKI Ja karta 400.000.000.000,00
4.000,00
Aceh
Aceh
Medan
Medan
Padang 350.000.000.000,00
Padang 3.500,00
Pekanbaru
Pekanbaru
Jambi
Jambi
Palembang 300.000.000.000,00
Palembang 3.000,00
Bengkulu B.Lampung
Bengkulu
Jakarta 250.000.000.000,00
Bandung
2.500,00
Bandung Semarang
Semarang
PDRB
panjang jalan (km)
B.Lampung
Yogyakarta Surabaya
2.000,00
Yogyakarta
200.000.000.000,00
Surabaya Denpasar
Denpasar Mataram 1.500,00
Mataram
150.000.000.000,00
Kupang
Kupang
Pontianak
Pontianak 1.000,00
Palangkaraya
100.000.000.000,00
Palangkaraya
Banjarmasin
Banjarmasin
Samarinda
Samarinda 500,00
Manado
50.000.000.000,00
Manado
Palu
Palu
Makasar
Makasar Kendari
0,00 1984
1988
1992
1996 tahun
2000
2004
Kendari
0,00 1984
Ambon
1988
1992
1996
tahun
2000
2004
Ambon Jayapura
Jay apura
Grafik 5.7. Total PDRB ibukota propinsi di Indonesia dari tahun 1984-2004
Grafik 5.4. Total panjang jalan ibukota propinsi di Indonesia tanpa DKI Jakarta 19842004
21
Vol.16 No.2. Agustus 2014
Jurnal Momentum
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.
Total PDRB Ibukota Propinsi Tanpa DKI Jakarta 140.000.000.000,00 Aceh Medan Padang
120.000.000.000,00
Pekanbaru Jambi Palembang Bengkulu
100.000.000.000,00
ISSN : 1693-752X
B.Lampung Bandung Semarang Yogy akarta
80.000.000.000,00
PDRB
Surabaya Denpasar
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
Mataram 60.000.000.000,00
Kupang Pontianak Palangkaraya Banjarmasin
40.000.000.000,00
Samarinda Manado Palu Makasar
20.000.000.000,00
Kendari Ambon Jaya pura
0,00 1984
1988
1992
1996
2000
2004
tahun
Grafik 5.8. total PDRB ibukota propinsi di Indonesia tanpa DKI Jakarta dari tahun 19842004. Tahun 2004 ibukota propinsi di Indonesia
Dendrogram * **** *H IER ARCH IC AL CLU STER A NALYSIS****** Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine CASE 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
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.
20 11 10 13 9
22
Vol.16 No.2. Agustus 2014
Jurnal Momentum
Ecosystems”, Food And Agriculture Organization Of The United Nations, Rome. Hartigan, (1975),”Cluster Analysis”,Google.
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, Analysis”Google.
ISSN : 1693-752X
T,(1984),”Cluster
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
23
