3.7.5 Uji coba merawat Data rumah tangga dan variabel
Tabel 3.29 Uji coba merawat data rumah tangga dan variabel No
Tujuan Input
Output yang diharapkan
13 Mengisi data
rumah tangga dan variabel
Tabel 3.17, Pilih RTKode Nama = Mulyono, Alamat =
Jl. Melati 78, Jml Anggota = 6, Jml ART = 5 dan nilai
variabel RTKode tersebut Tabel 3.18 inputan nilai
variabel dipilih melalui TDBDropDown Tabel
3.21 Data tersimpan pada
database T_DataRTDtl.
TDBGrid Browse , TDBGrid variabel
dan form data rumah tangga data
yang tersimpan
14 Memperbaiki
data rumah tangga dan
variabel Tabel 3.17, kolom RTKode
= 01-001-001-001, Tabel 3.18 nilai variabel ke-4
diubah menjadi 2 sewa sesuai Tabel 3.21
Pada TDBGrid Browse, TDBGrid
variabel dan form data rumah tangga
tampil perubahan pada baris nilai
variabel terpilih dan data terbaru
tersimpan pada database
T_DataRTDtl
3.7.6 Uji coba pengelompokan metode K-means terhadap data uji
Tabel 3.30 Desain kasus uji coba pada data uji No
Tujuan Input
Output yang diharapkan
15 Untuk
melakukan uji komparasi
antara hasil metode K-
means dengan Semua data uji yang tampak
pada data rumah tangga tabel 3.17 dan variabel
tabel 3.18 Hasil keputusan
metode K-means
mampu memberikan
keputusan sesuai Hasil perhitungan
Tabel 3.30 Desain kasus uji coba pada data uji lanjutan No
Tujuan Input
Output yang diharapkan
kenyataan manual 1 dengan
hasil akhir Cluster1 1,2 Cluster2
3,4 Cluster3 5 Jumlah RTM 60
16 Untuk
melakukan uji komparasi
antara hasil metode K-
means dengan kenyataan
Semua data uji yang tampak pada data rumah tangga
tabel 3.19 dan variabel tabel 3.20
Hasil keputusan metode
K-means mampu
memberikan keputusan sesuai
Hasil perhitungan manual 2 dengan
hasil akhir Cluster1 4
Cluster2 2 Cluster3 1,3
Jumlah RTM 75 17
Untuk melakukan uji
komparasi antara hasil
metode K- means dengan
kenyataan Semua data uji yang tampak
pada data rumah tangga tabel 3.21 dan variabel
tabel 3.22 Hasil keputusan
metode K-means
mampu memberikan
keputusan sesuai Hasil perhitungan
manual 3 dengan hasil akhir Cluster1
1,3,4 Cluster2 2 Cluster3 5
Jumlah RTM 40
18 Untuk
melakukan uji komparasi
antara hasil metode K-
means dengan kenyataan
Semua data uji yang tampak pada data rumah tangga
tabel 3.23 dan variabel tabel 3.24
Hasil keputusan metode
K-means mampu
memberikan keputusan sesuai
Hasil perhitungan manual 4 dengan
hasil akhir Cluster1 1,2 Cluster2 3
Cluster3 4 Jumlah RTM 50
19 Untuk
melakukan uji komparasi
antara hasil metode K-
Semua data uji yang tampak pada data rumah tangga
tabel 3.25 dan variabel tabel 3.26
Hasil keputusan metode
K-means mampu
memberikan keputusan sesuai
Tabel 3.30 Desain kasus uji coba pada data uji lanjutan No
Tujuan Input
Output yang diharapkan
means dengan kenyataan
keputusan sesuai Hasil perhitungan
manual 5 dengan hasil akhir Cluster1
2,3,1 Cluster2 5 Cluster3 4
Jumlah RTM 40
Berikut ini adalah perhitungan manual 1 : Matrik Awal 5x11 :
1 2
3 4
5 6
7 8
9 10 11
Sumi 1
3 2
3 1
2 3
1 2
3 1 2
23 2
2 3
1 1
2 1
1 2
3 1 3
20 A
5 x 11
= 3
1 3
2 1
1 2
3 2
1 3 2
21 4
1 2
1 1
2 3
1 3
1 1 2
18 5
2 1
3 2
1 1
2 3
3 3 3
24 Gambar 3.25 Matrik Awal Kecamatan Wringin Kelurahan Ampelan
Cari Sum terbesar, Max = 24 Cari Sum terkecil, Min = 18
Banyak Kelompok Yang diinginkan, K = 3 Banyak data, n = 5
Penyekatan dinotasikan P5,3 Menentukan Kelompok Awal :
Score data 1: 3 23 – 18 24 -18 + 1 = 3,5 Score data 2: 3 20 – 18 24 -18 + 1 = 2
Score data 3: 3 21 – 18 24 -18 + 1 = 2,5 Gambar 3.26 Range Score
Ketentuan Score : Cluster 1 score 1.00 – 1.99
Cluster 2 score 2.00 – 2.99 Cluster 3 score 3.00 – 4.00
Score data 4: 3 18 – 18 24 -18 + 1 = 1 Score data 5: 3 24 – 18 24 -18 + 1 = 4
Jadi Kelompok Awal : Cluster1 4
Mendekati miskin Cluster2 2,3
Miskin Cluster3 1,5
Sangat Miskin
1 2
3 4
5 6
7 8
9 10
11 1
1 2
1 1
2 3
1 3
1 1
2
B 3 x 11
= 2
1,5 3
1,5 1
1,5 1,5
2 2
2 2
2,5
3
2,5 1,5
3 1,5
1,5 2
1,5 2,5
3 2
2,5
Gambar 3.27 Matrik B Awal
Jarak Euclid tiap data terhadap clusternya sendiri : D4,1 = 0
D2,2 = 0,25 + 0 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0 + 1 + 1 + 0,25 = 4,25 D3,2 = 0,25 + 0 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0 + 1 + 1 + 0,25 = 4,25
D1,3 = 0,25 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0,25 + 0,25 + 0 + 1 + 0,25 = 3,75 D5,3 = 0,25 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0,25 + 0,25 + 0 + 1 + 0,25 = 3,75
Kesalahan penyekatan, E[P5,3] = 0 + 4,25 + 4,25 + 3,75 + 3,75 = 16 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 4 + 0 + 4 + 0 + 0 + 0 + 0 + 1 + 4 + 0 + 0 = 13 D1,2 = 2,25 + 1 + 2,25 + 0 + 0,25 + 2,25 + 1 + 0 + 1 + 1 + 0,25 = 9,25
D1,3 = 3,75 R311 = 12 13 – 2 3,75 = -1
karena R 0,
maka data 1 dipindahkan dari cluster3 ke cluster1 untuk mengurangi kesalahan penyekatan. Sehingga E[P’5,3] = 16 + -1 = 15
Pengelompokan kedua : Cluster1 4,1
Cluster2 2,3 Cluster3 5
1 2
3 4
5 6
7 8
9 10
11 1
2 2
2 1
2 3
1 2,5
2 1
2
B 3 x 11
= 2
1,5 3
1,5 1
1,5 1,5
2 2
2 2
2,5
3
2 1
3 2
1 1
2 3
3 3
3
Gambar 3.28 Matrik B kedua
Jarak Euclid tiap data terhadap clusternya sendiri : D4,1 =1 + 0 + 1 + 0 + 0 + 0 + 0 + 0,25 + 1 + 0 + 0 = 3,25
D1,1 = 1 + 0 + 1 + 0 + 0 + 0 + 0 + 0,25 + 1 + 0 + 0 = 3,25 D2,2 = 4,25
D3,2 = 4,25 D5,3 = 0
Kesalahan penyekatan, E[P5,3] = 3,25 + 3,25 + 4,25 + 4,25 + 0 = 15 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 3,25 D1,2 = 2,25 + 1 + 2,25 + 0 + 0,25 + 2,25 + 1 + 0 + 1 + 1 + 0,25 = 11,25
D1,3 = 1 + 1 + 0 + 1 + 1 + 4 + 1 + 1 + 0 + 4 + 1 = 15 R112 = 23 11,25 – 2 3,25 = 1
R113 = 12 15 – 2 3,25 = 1
D2,1 = 0 + 1 + 1 + 0 + 0 + 4 + 0 + 0,25 + 1 + 0 + 1 = 8,25 D2,2 = 4,25
D2,3 = 0 + 4 + 4 + 1 + 1 + 0 + 1 + 1 + 0 + 4 + 0 = 16 R221 = 23 8,25 – 2 4,25 = -3
karena R 0, maka data 2 dipindahkan dari cluster2 ke cluster1 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’5,3] = 15 + -3 = 12 Pengelompokan ketiga :
Cluster1 4,1,2 Cluster2 3
Cluster3 5
1 2
3 4
5 6
7 8
9 10
11 1
2 2,33
1,67 1
2 2,33
1 2,33
2,33 1
2,33
B 3 x 11
= 2
1 3
2 1
1 2
3 2
1 3
2
3
2 1
3 2
1 1
2 3
3 3
3
Gambar 3.29 Matrik B Ketiga
Jarak Euclid tiap data terhadap clusternya sendiri : D4,1 = 1 + 0,11 + 0,45 + 0 + 0 + 0,45 + 0 + 0,45 + 1,77 + 0 + 0,11 = 4,34
D1,1 = 1 + 0,11 + 1,77 + 0 + 0 + 0,45 + 0 + 0,11 + 0,45 + 0 + 0,11 = 4 D2,1 = 0 + 0,45 + 0,45 + 0 + 0 + 1,77 + 0 + 0,11 + 0,45 + 0 + 0,45 = 3,68
D3,2 = 0 D5,3 = 0
Kesalahan penyekatan, E[P5,3] = 4,34 + 4 + 3,68 + 0 + 0 = 12,02 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 4
D1,2 = 4 + 1 + 1 + 0 + 1 + 1 + 4 + 0 + 4 + 4 + 0 = 20 D1,3 = 1 + 1 + 0 + 1 + 1 + 4 + 1 + 1 + 0 + 4 + 1 = 15
R112 = 12 20 – 32 4 = 4 R113 = 12 15 – 32 4 = 1,5
D2,1 = 3,68 D2,2 = 1 + 0 + 1 + 0 + 1 + 1 + 4 + 0 + 4 + 4 + 1 = 17
D3,3 = 0 + 4 + 4 + 1 + 1 + 0 + 1 + 1 + 0 + 4 + 0 = 16 R122 = 12 17 – 32 3,68 = 2,98
R123 = 12 16 – 32 3,68 = 2,48 D3,1 = 1 + 0,45 + 0,11 + 0 + 1 + 0,11 + 4 + 0,11 + 1,77 + 4 + 0,11 = 12,66
D3,2 = 0 D3,3 = 1 + 4 + 1 + 1 + 0 + 1 + 1 + 1 + 4 + 0 + 1 = 15
R231 = 34 12,66 – 0 = 9,5 R233 = 12 15 – 0 = 7,5
D4,1 = 4,34 D4,2 = 0 + 1 + 1 + 0 + 1 + 1 + 4 + 1 + 0 + 4 + 0 = 13
D4,3 = 1 + 1 + 4 + 1 + 1 + 4 + 1 + 0 + 4 + 4 + 1 = 22 R142 = 12 13 – 32 4,34 = -0,01
karena R 0, maka data 4 dipindahkan dari cluster1 ke cluster2 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’5,3] = 12,02 + -0,01 = 12,01 Pengelompokan keempat :
Cluster1 1,2 Cluster2 3,4
Cluster3 5
1 2
3 4
5 6
7 8
9 10
11 1
2,5 2,5
2 1
2 2
1 2
3 1
2,5
B 3 x 11
= 2
1 2,5
1,5 1
1,5 2,5
2 2,5
1 2
2
3
2 1
3 2
1 1
2 3
3 3
3
Gambar 3.30 Matrik B Keempat
Jarak Euclid tiap data terhadap clusternya sendiri : D1,1 = 0,25 + 0,25 + 1 + 0 + 0 + 1 + 0 + 0 + 0 + 0 + 0,25 = 2,75
D2,1 = 0,25 + 0,25 + 1 + 0 + 0 + 1 + 0 + 0 + 0 + 0 + 0,25 = 2,75 D3,2 = 0 + 0,25 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0,25 + 0 + 1 + 0 = 3,25
D4,2 = 0 + 0,25 + 0,25 + 0 + 0,25 + 0,25 + 1 + 0,25 + 0 + 1 + 0 = 3,25 D5,3 = 0
Kesalahan penyekatan, E[P5,3] = 2,75 + 2,75 + 3,25 + 3,25 + 0 = 12 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 2,75 D1,2 = 4 + 0,25 + 2,25 + 0 + 0,25 + 0,25 + 1 + 0,25 + 4 + 1 + 0 = 13,25
D1,3 = 1 + 1 + 0 + 1 + 1 + 4 + 1 + 1 + 0 + 4 + 1 = 15 R112 = 23 13,25 – 2 2,75 = 3,33
R113 = 12 15 – 2 2,75 = 2 D2,1 = 2,75
D2,2 = 1 + 0,25 + 0,25 + 0 + 0,25 + 2,25 + 1 + 0,25 + 4 + 1 + 1 = 11,25 D3,3 = 0 + 4 + 4 + 1 + 1 + 0 + 1 + 1 + 0 + 4 + 0 = 16
R122 = 23 11,25 – 2 2,75 = 2 R123 = 12 16 – 2 2,75 = 2,5
D3,1 = 2,25 + 0,25 + 0 + 0 + 1 + 0 + 4 + 0 + 4+ 4 + 0,25 = 15,75 D3,2 = 3,25
D3,3 = 1 + 4 + 1 + 1 + 0 + 1 + 1 + 1 + 4 + 0 + 1 = 15 R231 = 23 15 – 2 3,25 = 4
R233 = 12 15 – 2 3,25 = 1 D4,1 = 2,25 + 0,25 + 1 + 0 + 0 + 1 + 0 + 1 + 4 + 0 + 0,25 = 9,75
D4,2 = 3,25 D4,3 = 1 + 1 + 4 + 1 + 1 + 4 + 1 + 0 + 4 + 4 + 1 = 22
R241 = 23 9,75 – 2 3,25 = 0 R243 = 12 22 – 2 3,25 = 4,5
D5,1 = 0,25 + 2,25 + 1 + 1 + 1 + 1 + 1 + 1 + 0 + 4 + 0,25 = 12,75 D5,2 = 1 + 2,25 + 2,25 + 1 + 0,25 + 2,25 + 0 + 0,25 + 4 + 1 + 1 = 15,25
D5,3 = 0 R351 = 23 12,75 – 0 = 8,5
R352 = 23 15,25 – 0 = 10,17 Karena Hasil R semua positif maka hasilnya adalah Pengelompokan keempat
Cluster1 1,2 Cluster2 3,4 Cluster3 5 Jumlah RTM = 2 + 15 100 = 60
Jadi termasuk kelurahan gerdu taskin.
Berikut ini adalah perhitungan manual 2 : Matrik Awal 4x11 :
1 2
3 4
5 6
7 8
9 10 11
Sumi 1
3 3
3 2
3 3
3 1
2 2 2
27 2
1 2
2 2
2 2
2 2
2 2 2
21 A
4x 11
= 3
2 3
2 2
2 2
3 1
2 3 1
23 4
1 1
1 1
1 1
1 1
1 1 1
11 Gambar 3.31 Matrik Awal Kecamatan Wringin Kelurahan Gubrih
Cari Sum terbesar, Max = 27 Cari Sum terkecil, Min = 11
Banyak Kelompok Yang diinginkan, K = 3 Banyak data, n = 4
Penyekatan dinotasikan P4,3 Menentukan Kelompok Awal :
Score data 1: 3 27 – 11 27 -11 + 1 = 4 Score data 2: 3 21 – 11 27 -11 + 1 = 2,88
Score data 3: 3 23 – 11 27 -11 + 1 = 3,25 Score data 4: 3 11 – 11 27 -11 + 1 = 1
Jadi Kelompok Awal : Cluster1 4
Mendekati miskin Cluster2 2
Miskin Cluster3 1,3
Sangat Miskin
1 2
3 4
5 6
7 8
9 10
11 1
1 1
1 1
1 1
1 1
1 1
1
B 3 x 11
= 2
1 2
2 2
2 2
2 2
2 2
2
3
2,5 3
2,5 2
2,5 2,5
3 1
2 2,5
1,5
Gambar 3.32 Matrik B Awal
Jarak Euclid tiap data terhadap clusternya sendiri : D1,3 = 0,25 + 0 + 0,25 + 0 + 0,25 + 0,25 + 0 + 0 + 0 + 0,25 + 0,25 = 1,5
D2,2 = 0 D3,3 = 0,25 + 0 + 0,25 + 0 + 0,25 + 0,25 + 0 + 0 + 0 + 0,25 + 0,25 = 1,5
D4,1 = 0
Kesalahan penyekatan, E[P5,3] = 1,5 + 0 + 1,5 + 0 = 3 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 4 + 4 + 4 + 1 + 4 + 4 + 4 + 0 + 1 + 1 + 1 = 28 D1,2 = 4 + 1 + 1 + 0 + 1 + 1 + 1 + 1 + 0 + 0 + 0 = 10
D1,3 = 1,5 R311 = 12 28 – 2 1,5 = 11
R312 = 12 10 – 2 1,5 = 2 D2,1 = 0 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 10
D2,2 = 0 D2,3 = 2,25 + 1 + 0,25 + 0 + 0,25 + 0,25 + 1 + 1 + 0 + 0,25 + 0,25 = 6,5
R221 = 12 10 – 0 = 5 R223 = 23 6,5 – 0 = 4,33
D3,1 = 1 + 4 + 1 + 1 + 1 + 1 + 4 + 0 + 1 + 4 + 0 = 18 D3,2 = 1 + 1 + 0 + 0 + 0 + 0 + 1 + 1 + 0 + 1 + 1 = 6
D3,3 = 1,5 R331 = 12 18 – 2 1,5 = 6
R332 = 12 6 – 2 1,5 = 0 D4,1 = 0
D4,2 = 0 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 10 D4,3 = 2,25 + 4 + 2,25 + 1 + 2,25 + 2,25 + 4 + 0 + 1 + 2,25 + 0,25 = 21,5
R142 = 12 10 – 0 = 5 R143 = 23 21,5 – 0 = 14,33
Karena Hasil R semua positif maka tidak ada perpindahan data antar cluster yang dapat mengurangi kesalahan penyekatan, maka hasilnya adalah
Cluster1 4 Cluster2 2
Cluster3 1,3 Jumlah RTM = 1 + 24 100 = 75
Jadi termasuk kelurahan gerdu taskin.
Berikut ini adalah perhitungan manual 3 : Matrik Awal 5x11 :
1 2
3 4
5 6
7 8
9 10 11
Sumi 1
1 1
1 1
1 1
1 1
1 1 1
11 2
1 2
1 2
1 1
1 2
2 1 1
15 A
5 x 11
= 3
1 1
1 1
1 1
1 1
1 1 1
11 4
1 1
1 1
1 1
1 1
1 1 1
11 5
2 2
1 1
1 1
2 2
2 1 1
16 Gambar 3.33 Matrik Awal Kecamatan Wringin Kelurahan Banyuwulu
Cari Sum terbesar, Max = 16 Cari Sum terkecil, Min = 11
Banyak Kelompok Yang diinginkan, K = 3 Banyak data, n = 5
Penyekatan dinotasikan P5,3 Menentukan Kelompok Awal :
Score data 1: 3 11 – 11 16 -11 + 1 = 1 Score data 2: 3 15 – 11 16 -11 + 1 = 2,4
Score data 3: 3 11 – 11 16 -11 + 1 = 1 Score data 4: 3 11 – 11 16 -11 + 1 = 1
Score data 5: 3 16 – 11 16 -11 + 1 = 4 Jadi Kelompok Awal :
Cluster1 1,3,4 Mendekati miskin
Cluster2 2 Miskin
Cluster3 5 Sangat Miskin
1 2
3 4
5 6
7 8
9 10
11 1
1 1
1 1
1 1
1 1
1 1
1
B 3 x 11
= 2
1 2
1 2
1 1
1 2
2 1
1
3
2 2
1 1
1 1
2 2
2 1
1
Gambar 3.34 Matrik B Awal
Jarak Euclid tiap data terhadap clusternya sendiri : D1,1 = 0
D3,1 = 0 D4,1 = 0
D2,2 = 0 D5,3 = 0
Kesalahan penyekatan, E[P5,3] = 0 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 0 D1,2 = 4
D1,3 = 5 R112 = 12 4 – 0 = 2
R113 = 12 5 – 0 = 2,5 D2,1 = 4
D2,2 = 0 D3,3 = 3
R221 = 34 4 – 0 = 3 R223 = 12 3 – 0 = 1,5
D3,1 = 0 D3,2 = 4
D3,3 = 5 R132 = 12 4 – 0 = 2
R133 = 12 5 – 0 = 2,5 D4,1 = 0
D4,2 = 4 D4,3 = 5
R142 = 12 4 – 0 = 2 R143 = 12 5 – 0 = 2,5
D5,1 = 5 D5,2 = 3
D5,3 = 0 R351 = 34 5 – 0 = 3,75
R352 = 12 3 – 0 = 1,5 Karena Hasil R semua positif maka tidak ada perpindahan data antar cluster yang
dapat mengurangi kesalahan penyekatan, maka hasilnya adalah Cluster1 1,3,4
Cluster2 2 Cluster3 5
Jumlah RTM = 1 + 15 100 = 40 Jadi bukan termasuk kelurahan gerdu taskin.
Berikut ini adalah perhitungan manual 4 :
Matrik Awal 4x11 :
1 2
3 4
5 6
7 8
9 10 11
Sumi 1
1 2
1 2
3 1
1 2
2 3 1
19 2
2 3
2 2
1 1
3 2
3 3 1
23 A
4x 11
= 3
2 1
3 2
1 1
2 3
1 2 3
21 4
1 2
3 1
2 3
3 2
1 3 2
23 Gambar 3.35 Matrik Awal Kecamatan Wringin Kelurahan Jatisari
Cari Sum terbesar, Max = 23 Cari Sum terkecil, Min = 19
Banyak Kelompok Yang diinginkan, K = 3 Banyak data, n = 4
Penyekatan dinotasikan P4,3 Menentukan Kelompok Awal :
Score data 1: 3 19 – 19 23 -19 + 1 = 1 Score data 2: 3 23 – 19 23 -19 + 1 = 4
Score data 3: 3 21 – 19 23 -19 + 1 = 2,5 Score data 4: 3 23 – 19 23 -19 + 1 = 4
Jadi Kelompok Awal : Cluster1 1
Mendekati miskin Cluster2 3
Miskin Cluster3 2,4
Sangat Miskin
1 2
3 4
5 6
7 8
9 10
11 1
1 2
1 2
3 1
1 2
2 3
1
B 3 x 11
= 2
2 1
3 2
1 1
2 3
1 2
3
3
2 2,5
2,5 1,5
1,5 2
3 2
2 3
1,5
Gambar 3.36 Matrik B Awal
Jarak Euclid tiap data terhadap clusternya sendiri : D1,1 = 0
D2,2 = 0 D3,3 = 3,5
D4,1 = 3,5 Kesalahan penyekatan, E[P4,3] = 0 + 0 + 3,5 + 3,5 = 7
Jarak Euclid tiap data terhadap ketiga cluster : D1,1 = 0
D1,2 = 18 D1,3 = 11,25
R112 = 12 18 – 0 = 9 R113 = 23 10,5 – 0 = 7,5
D2,1 = 12 D2,2 = 16
D2,3 = 3,25 R321 = 12 12 – 23,25 = -0,5
karena R 0, maka data 2 dipindahkan dari cluster3 ke cluster1 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’4,3] = 7 + -0,5 = 6,5 Pengelompokan kedua :
Cluster1 1,2 Cluster2 3
Cluster3 4
1 2
3 4
5 6
7 8
9 10
11 1
1,5 2,5
1,5 2
2 1
2 2
2,5 3
1
B 3 x 11
= 2
2 1
3 2
1 1
2 3
1 2
3
3
1 2
3 1
2 3
3 2
1 3
2
Gambar 3.37 Matrik B Kedua
Jarak Euclid tiap data terhadap clusternya sendiri : D1,1 = 3
D2,1 = 3 D3,2 = 0
D4,2 = 0 Kesalahan penyekatan, E[P4,3] = 3 + 3 + 0 + 0 = 6
Jarak Euclid tiap data terhadap ketiga cluster : D1,1 = 3
D1,2 = 18 D1,3 = 16
R112 = 12 18 – 2 3 = 3 R113 = 12 16 – 2 3 = 2
D2,1 = 3 D2,2 = 16
D3,3 = 14 R122 = 12 16 – 2 3 = 2
R123 = 12 14 – 2 3 = 1 D3,1 = 14
D3,2 = 0 D3,3 = 12
R231 = 23 14 – 0 = 9,3 R233 = 12 12 – 0 = 6
D4,1 = 12 D4,2 = 12
D4,3 = 0 R341 = 23 12 – 0 = 8
R342 = 12 12 – 0 = 6 Karena Hasil R semua positif maka hasilnya adalah Pengelompokan kedua
Cluster1 1,2 Cluster2 3 Cluster3 4
Jumlah RTM = 1 + 14 100 = 50 Jadi termasuk kelurahan gerdu taskin.
Berikut ini adalah perhitungan manual 5 : Matrik Awal 5x11 :
1 2
3 4
5 6
7 8
9 10 11
Sumi 1
1 2
2 1
1 3
3 2
1 2 3
21 2
1 1
2 2
3 3
2 2
1 1 2
20 A
5 x 11
= 3
1 2
3 1
2 3
3 3
2 2 1
23 4
3 2
1 1
2 1
3 3
2 1 3
22 5
3 1
3 2
3 1
1 3
2 1 1
21 Gambar 3.38 Matrik Awal Kecamatan Wringin Kelurahan Ambulu
Cari Sum terbesar, Max = 23 Cari Sum terkecil, Min = 20
Banyak Kelompok Yang diinginkan, K = 3 Banyak data, n = 5
Penyekatan dinotasikan P5,3 Menentukan Kelompok Awal :
Score data 1: 3 21 – 20 23 -20 + 1 = 2 Score data 2: 3 20 – 20 23 -20 + 1 = 1
Score data 3: 3 23 – 20 23 -20 + 1 = 4 Score data 4: 3 22 – 20 23 -20 + 1 = 3
Score data 5: 3 21 – 20 23 -20 + 1 = 2 Jadi Kelompok Awal :
Cluster1 2 Mendekati miskin
Cluster2 1,5 Miskin
Cluster3 3,4 Sangat Miskin
1 2
3 4
5 6
7 8
9 10
11 1
1 1
2 2
3 3
2 2
1 1
2
B 3 x 11
= 2
2 1,5
2,5 1,5
2 2
2 2,5
1,5 1,5
2
3
2 2
2 1
2 2
3 3
2 1,5
2
Gambar 3.39 Matrik B Awal
Jarak Euclid tiap data terhadap clusternya sendiri : D2,1 = 0
D1,2 = 6,75 D5,2 = 6,75
D3,3 = 4,25 D4,3 = 4,25
Kesalahan penyekatan, E[P5,3] = 0 + 6,75 + 6,75 + 4,25 + 4,25 = 22 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 9 D1,2 = 6,75
D1,3 = 9 R211 = 12 9 – 2 6,75 = -9
karena R 0, maka data 1 dipindahkan dari cluster2 ke cluster1 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’5,3] = 22 + -9 = 13 Pengelompokan kedua :
Cluster1 2,1 Cluster2 5
Cluster3 3,4
1 2
3 4
5 6
7 8
9 10
11 1
1 1,5
2 1,5
2 3
2,5 2
1 1,5
2,5
B 3 x 11
= 2
3 1
3 2
3 1
1 3
2 1
1
3
2 2
2 1
2 2
3 3
2 1,5
2
Gambar 3.40 Matrik B kedua
Jarak Euclid tiap data terhadap clusternya sendiri : D2,1 = 2,25
D1,1 = 2,25 D5,2 = 0
D3,3 = 4,25 D4,3 = 4,25
Kesalahan penyekatan, E[P5,3] = 2,25 + 2,25 + 0 + 4,25 + 4,25 = 13 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 2,25
D1,2 = 23 D1,3 = 6,25
R112 = 12 23 – 2 2,25 = 7 R113 = 23 6,25 – 2 2,25 = -0,3
karena R 0, maka data 1 dipindahkan dari cluster1 ke cluster3 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’5,3] = 13 + -0,3 = 12,7 Pengelompokan ketiga :
Cluster1 2 Cluster2 5
Cluster3 3,4,1
1 2
3 4
5 6
7 8
9 10
11 1
1 1
2 2
3 3
2 2
1 1
2
B 3 x 11
= 2
3 1
3 1
3 1
1 3
2 1
1
3
1,67 2
2 1
1,67 2,33
3 2,67
1,67 1,67
2,33
Gambar 3.41 Matrik B Ketiga
Jarak Euclid tiap data terhadap clusternya sendiri : D2,1 = 0
D5,2 = 0 D3,3 = 4,11
D4,3 = 5,77 D1,3 = 2,81
Kesalahan penyekatan, E[P5,3] = 0 + 0 + 4,11 + 5,77 + 2,81 = 12,69 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 9
D1,2 = 26 D1,3 = 2,81
R311 = 12 9 – 32 2,81 = 0,29 R312 = 12 26 – 32 2,81 = 8,79
D2,1 = 0 D2,2 = 13
D3,3 = 7,13 R122 = 12 13 – 0 = 6,5
R123 = 23 7,13 – 0 = 5,35 D3,1 = 9
D3,2 = 16 D3,3 = 4,11
R331 = 12 9 – 32 6,45 = -5,18 karena R 0,
maka data 3 dipindahkan dari cluster3 ke cluster1 untuk mengurangi kesalahan penyekatan. Sehingga E[P’5,3] = 12,69 + -5,18 = 7,51
Pengelompokan keempat : Cluster1 2,3
Cluster2 5 Cluster3 4,1
1 2
3 4
5 6
7 8
9 10
11 1
1 1,5
2,5 1,5
2,5 3
2,5 2,5
1,5 1,5
1,5
B 3 x 11
= 2
3 1
3 2
3 1
1 3
2 1
1
3
2 2
1,5 1
1,5 2
3 2,5
1,5 1,5
3
Gambar 3.42 Matrik B Keempat
Jarak Euclid tiap data terhadap clusternya sendiri : D2,1 = 2,25
D3,1 = 2,25 D5,2 = 0
D4,3 = 3,25 D1,3 = 3,25
Kesalahan penyekatan, E[P5,3] = 2,25 + 2,25 + 0 + 3,25 + 3,25 = 11 Jarak Euclid tiap data terhadap ketiga cluster :
D1,1 = 6,25 D1,2 = 26
D1,3 = 3,25 R311 = 23 6,25 – 2 3,25 = -2,33
karena R 0, maka data 1 dipindahkan dari cluster3 ke cluster1 untuk mengurangi kesalahan
penyekatan. Sehingga E[P’5,3] = 11 + -2,33 = 8,67 Pengelompokan kelima :
Cluster1 2,3,1 Cluster2 5
Cluster3 4
1 2
3 4
5 6
7 8
9 10
11 1
1 1,67
2,33 1,33
2 3
2,67 2,33
1,33 1,67
2
B 3 x 11
= 2
3 2
1 1
2 1
3 3
2 1
3
3
3 1
3 2
3 1
1 3
2 1
1
Gambar 3.43 Matrik B Kelima
Jarak Euclid tiap data terhadap clusternya sendiri :
D2,1 = 3,13 D3,1 = 2,79
D1,1 = 2,77 D5,2 = 0
D4,3 = 0 Kesalahan penyekatan, E[P5,3] = 3,13 + 2,79 + 2,77 + 0 + 0 = 8,69
D1,1 = 2,77 D1,2 = 13
D1,3 = 26 R112 = 12 13 – 32 2,77 = 2,35
R113 = 12 26 – 32 2,77 = 8,85 D2,1 = 3,13
D2,2 = 13 D2,3 = 16
R122 = 12 13 – 32 3,13 = 1,8 R123 = 12 16 – 32 3,13 = 3,3
D3,1 = 2,79 D3,2 = 16
D3,3 = 17 R132 = 12 16 – 32 2,79 = 3,82
R133 = 12 17 – 32 2,79 = 4,32 D4,1 = 16,81
D4,2 = 15 D4,3 = 0
R341 = 34 15,49 – 0 = 12,61 R342 = 12 15 – 0 = 7,5
D5,1 = 15,49 D5,2 = 0
D5,3 = 15 R251 = 34 15,49 – 0 = 11,62
R253 = 12 15 – 0 = 7,5 Karena Hasil R semua positif maka hasilnya adalah Pengelompokan kelima
Cluster1 2,3,1 Cluster2 5
Cluster3 4 Jumlah RTM = 1 + 15 100 = 40
Jadi bukan termasuk kelurahan gerdu taskin.
3.7.7 Uji coba GIS terhadap data uji
Kategori