PENGELOMPOKAN KUALITAS UDARA AMBIEN MENURUT KABUPATEN KOTA DI JAWA TENGAH MENGGUNAKAN ANALISIS KLASTER - Diponegoro University | Institutional Repository (UNDIP-IR)
PENGELOMPOKAN KUALITAS UDARA AMBIEN
MENURUT KABUPATEN/KOTA DI JAWA TENGAH
MENGGUNAKAN ANALISIS KLASTER
SKRIPSI
Disusun oleh
RIZKI TAHER DWI KURNIAWATI
24010210141017
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
PENGELOMPOKAN KUALITAS UDARA AMBIEN
MENURUT KABUPATEN/KOTA DI JAWA TENGAH
MENGGUNAKAN ANALISIS KLASTER
RIZKI TAHER DWI KURNIAWATI
24010210141017
Skripsi
Diajukan Sebagai Syarat untuk Memperoleh Gelar Sarjana Sains
pada Jurusan Statistika
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
iii
iv
iii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat, hidayah,
dankarunia-Nya sehingga penulis dapat menyelesaikan penulisan Tugas Akhir
dengan judul
Pengelompokan Pengukuran Kualitas Udara Ambien Menurut
Kabupaten atau Kota di Jawa Tengah Tahun 2013 Menggunakan Analisis
Klaster .
Penulis menyadari tanpa bantuan dari berbagai pihak, tugas akhir ini tidak
akan dapat diselesaikan dengan baik. Oleh karena itu, penulis ingin
menyampaikan terima kasih kepada:
1. Ibu Dra. Dwi Ispriyanti, M.Si selaku Ketua Jurusan Statistika Fakultas Sains
dan Matematika Universitas Diponegoro.
2. Ibu Rita Rahmawati, S.Si, M.Si selaku dosen pembimbing I dan Ibu Yuciana
Wilandari M.Si selaku dosen pembimbing II yang telah berkenan meluangkan
waktu dalam memberikan masukan, arahan, dan bimbingan kepada penulis.
3. Seluruh Bapak dan Ibu Dosen Jurusan Statistika FSM Universitas Diponegoro
yang telah memberikan ilmu yang sangat berguna.
4. Semua pihak yang telah membantu dalam penulisan tugas akhir ini yang tidak
dapat disebutkan satu per satu.
Penulis menyadari bahwa tugas akhir ini masih jauh dari kesempurnaan.
Oleh karena itu kritik dan saran yang sifatnya membangun sangat penulis
harapkan demi kesempurnaan penulisan selanjutnya.
Semarang,
iv
Februari 2015
Penulis
! " ! CO, dan HC. Untuk membantu mencari solusi pencemaran
udara digunakan analisisklaster. Analisis Klaster (cluster analysis)
mengelompokkan objek berdasar kemiripan objek. Semakin kecil jarak Euclidean
maka semakin besar kemiripannya. Proses pengklasteran dengan metode average
linkage dilakukan terhadap data jenis kawasan dan jenis polutan. Proses
pengklasteran menghasilkan 2 klaster untuk jenis kawasan dan 2 klaster untuk
jenis polutan. Dari hasil analisis pada jenis kawasan, klaster 1 terdiri dari 33
⁄
⁄
kabupaten/kota dengan hasil ukur antara 507
hingga 6760
dapat dikatakan memiliki kondisi kualitas udara yang baik serta pada klaster 2
⁄
terdiri dari 2 kabupaten/kota dengan hasil ukur 11856,6
dan 10594,8
⁄
dikatakan memiliki kondisi kualitas udara yang buruk. Pada jenis
polutan, klaster 1 terdiri dari 34 kabupaten/kota dengan hasil ukur antara 30
⁄
⁄
hingga 10810
yang dikatakan memiliki kondisi udara yang
baik serta pada klaster 2 terdiri dari 1 kabupaten/kota yang memiliki kondisi udara
yang buruk dengan nilai polutan HC sebesar 20095 ⁄
.
ata kunci: udara ambien, euclidean, average linkage, analisis klaster.
v
ABSTRACT
Ambient air is free of air inhaled daily by living creatures. Ambient air quality can
be said to be decreased which is known from the results of measuring the quality
of ambient air. The measurements carried out on residential areas, industrial areas,
and traffic congested area and to SO2, NO2, CO, and HC. To help find solutions
used cluster analysis of air pollution. Cluster analysis classifying objects based on
object similarity. Similarities object seen by the small size of the Euclidean
distance. The process of clustering with average linkage method performed on the
data type of the region and type of pollutants. Clustering process produces two
clusters for different kinds of land and 2 clusters for these types of pollutants.
From the analysis on the type of region, cluster 1 is composed of 33 districts/cities
⁄
⁄
with the results of measuring between 507
to 6760
can be
said to have a good air quality conditions and in cluster 2 consists of two
⁄
districts/cities with the results of measuring 11856.6
and 10594.8
⁄
is said to have poor air quality conditions. On the type of pollutant,
⁄
Cluster 1 consists of 34 districts/towns with the measuring between 30
to 10810 ⁄
which is said to have good air condition and the second cluster
consists of one district/cities that have poor air conditions with a value of 20095
HC pollutants ⁄
.
Keywords: ambient air, euclidean, average linkage, cluster analysis.
vi
#$%T$R &'&
()*aman
+,-,.,/ 0121- 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333 4
+,-,.,/ 56/768,+,/ 3333333333333333333333333333333333333333333333333333333333333333333333333333333344
9,:, 56/7,/:,; 333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333444
2,8:;,9 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333
v
,>8:;,?: 3333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333 @4
2, =
>,> ==
56/2,+1-1,/
A3A
-BCBD >EFBGBHI 333333333333333333333333333333333333333333333333333333333333333333333333 A
A3J
5EDKLKMBH .BMBFBN333333333333333333333333333333333333333333333333333333333333333333 O
A3O
5ELPBCBMBH .BMBFBN 3333333333333333333333333333333333333333333333333333333333333333 O
A3Q
:KRKBH 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333 O
:=/0,1,/ 518:,9,
J3A
1SBDB ,LP4EH 33333333333333333333333333333333333333333333333333333333333333333333333333 T
J3J
,HBF4M4M 9FBMCED (Cluster Analysis) 3333333333333333333333333333333333333333 U
J3O
:BNBVBH ,HBF4M4M 9FBMCED 33333333333333333333333333333333333333333333333333333333 W
J3O3A
5EDKLKMBH .BMBFBN 333333333333333333333333333333333333333333333333 X
J3O3J
,MKLM4 ,HBF4M4M 9FBMCED3333333333333333333333333333333333333333 AY
J3O3O
5EL4F4NBH 1GKDBH 0BDBG3333333333333333333333333333333333333333 AJ
Z[\[]
^_`abacde ^fgh_ijf ^_eklbdhm_fde[[[[[[[[[[[[[[[[[[[[[[[[ n]
Z[\[o
p_ekaem_fqf_mdhalde rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ZZ
Z[\[s
tdbaidha ide ^_`fguabde rbdhm_f [[[[[[[[[[[[[[[[[[[[[[[[[[[[ ZZ
vwv xxx pyz{|{}{~x ^yy}xzxw
\[n
j`_f |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z\
\[Z
tdfad_b |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z\
\[\
p_mgi_ wedbahah |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z]
\[]
|adkfd` wbaf ^_ekgbdcde |dmd [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z
vwv xt ^ypvwww
][n
|_hlfaqha |dmd [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z
][Z
whj`ha wedbahah rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \
][Z[n
whj`ha d`q_b dyek p_dwlaba
Representative)
][Z[Z
(
Sampel
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[\n
whj`hapjbmalgbae_dfamdh[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[\Z
][\
^_fcamjekde dfdl Euclidean [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \\
][]
^fgh_h ^_eklbdhm_fde [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \s
][o
xem_fqf_mdha rbdhm_f [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \
][s
tdbaidha ide ^_`fguabde rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ]]
vwv t ryxp^}w [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ]
|wzw ^zwrw [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ o
DAFTAR GAMBAR
Halaman
Gambar 1
Euclidean
Gambar 2
¡¢£¤ £ ¡ ¥ ¦
Gambar 3
§¨ ¢£ ¢ ¡©¢ ª¢ «
Gambar 4
¢£ ¡ ¬¢¨ «
DAFTAR TABEL
Halaman
Tabel 1
®¯°±¯²¯³ ´°µ° ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹ ¿½³¸º ¶¯w¯º ¯³ÀÀÀ ÁÂ
Tabel 2
®¯°±¯²¯³ ´°µ° ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹ ¿½³¸º ÃÄ·µ¹¯³ ÀÀÀÀÀ ÁÅ
Tabel 3
Ƹ·¯¸ ÇÈÉ ¾¯º¸³ÊË°¯º¸³Ê ǯ²¸¯±½· ¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÁ
Tabel 4
Ƹ·¯¸ ÇÈÉ ¾¯º¸³ÊË°¯º¸³Ê ǯ²¸¯±½· ¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÌ
Tabel 5
Íij¹ÄΠϯ¹¯ Яº¸· ý³ÊµÑµ²¯³ ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹
¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÌÒ
Tabel 6
Íij¹ÄΠϯ¹¯ Яº¸· ý³ÊµÑµ²¯³ ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹
¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÓ
Tabel 7
Ƹ·¯¸ Centroid ¾¯º¸³ÊË°¯º¸³Ê ¶·¯º¹½² µ³¹µÑ ¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÒÔ
Tabel 8
Ƹ·¯¸ Centroid ¾¯º¸³ÊË°¯º¸³Ê ¶·¯º¹½² µ³¹µÑ ¿½³¸º ÃÄ·µ¹¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÌ
Tabel 9
ý²±¯³»¸³Ê¯³ Cluster Membership µ³¹µÑ ¿½³¸º ¶¯¯wº¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÕ
Tabel 10 ý²±¯³»¸³Ê¯³ Cluster Membership µ³¹µÑ ¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÖ
DAFTAR LAMPIRAN
Halaman
Lampiran 1
×ØÙØ ÚØÛÜÝ ÞßàáâãâäØà åâØÝÜÙØÛ æçØäØ èéêÜßà åØêâëØÙßà
ØÙØâ åìÙØ ÞäìíÜàÛÜ îØØwïßàáØð ñßäçØÛØäãØà îßàÜÛ åØw
ØÛØà òòòòóô
Lampiran 2
×ØÙØ ÚØÛÜÝ ÞßàáâãâäØà åâØÝÜÙØÛ æçØäØ èéêÜßà åØêâëØÙßà
ØÙØâ åìÙØ ÞäìíÜàÛÜ îØØwïßàáØð ñßäçØÛØäãØà îßàÜÛ åØw
ØÛØà òòòòóõ
Lampiran 3
æöÜ èÛâéÛÜ åØÜÛßä÷øØßyä ÷ùÝãÜà (åøù) âàÙâã îßàÜÛ åØwØÛØà òòóú
Lampiran 4
æöÜ èÛâéÛÜ åØÜÛßä÷øØßyä ÷ùÝãÜà (åøù) âàÙâã îßàÜÛ ÞìÝâÙØà òòò óú
Lampiran 5
æöÜ èÛâéÛÜ øâÝÙÜãìÝÜàßØäÜÙØÛ âàÙâã îßàÜÛ åØØwÛØà òòòòòòòòòòòòòòòòòòò óó
Lampiran 6
æöÜ èÛâéÛÜ øâÙÜãìÝÜàßØäÜÙØÛ âàÙâã îßàÜÛ ÞìÝâÙØàòòòòòòòòòòòòòòòòòòòòòòò óó
Lampiran 7
øØÙäÜãÛ îØäØã ûâüÝÜçßØà âàÙâã îßàÜÛ åØwØÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòò óý
Lampiran 8
øØÙäÜãÛ îØäØã ûâüÝÜçßØà âàÙâã îßàÜÛ ÞìÝâÙØàòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò ýþ
Lampiran 9
ÚØÛÜÝ ÞßàáãÝØÛÙßäØà øßàááâàØãØà øßÙìçß Average Linkage
âàÙâã îßàÜÛ åØØwÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòýý
Lampiran 10
ÚØÛÜÝ ÞßàáãÝØÛÙßäØà øßàááâàØãØà øßÙìçß Average Linkage
âàÙâã îßàÜÛ ÞìÝâÙØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò ýÿ
Lampiran 11
×ßàçìáäØé âàÙâã îßàÜÛ åØØwÛØà çßàáØà
Lampiran 12
×ßàçìáäØé âàÙâã îßàÜÛ ÞìÝâÙØà çßàáØà Average Linkage òòòòòòòòò ý
Lampiran 13 Cluster Membership
çßàáØà øßÙìçß
Average Linkage òòòòò
ý
Average Linkage
âàÙâã îßàÜÛ åØw
ØÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòÿ
Lampiran 14 Cluster Membership
çßàáØà øßÙìçß
Average Linkage
âàÙâã îßàÜÛ ÞìÝâÙØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòÿþ
Lampiran 15
Centroid
Linkage
w
Lampiran 16
Centroid
Linkage
Lampiran 17 Cluster Membership
Centroid Linkage
w
Lampiran 18 Cluster Membership
Centroid Linkage
Lampiran 19
w
Centroid Linkage
Lampiran 20
Centroid Linkage
!"#$ %&'& #
1()
'*+*, -.*/*01
2345a adalah camp65an be5bagai ga7 8ang 9idak be5:45na dan 9idak be5ba6
(7epe59i ok7igen dan ni95ogen) 8ang memen6;< 564ng di a9a7 b6=i 7epe59i 8ang
dihi56> makhl6? hid6> apabila be5napa7 (@AAB, 2012). 2345a dibedakan menjadi
6345a emi7i dan 6345a ambien. 2345a emi7i 8ai96 6345a 8ang dikel645kan oleh 76=be5
emi7i 7epe59i knalpo9 kenda5aan be5mo9o5 dan ce5obong ga7 b64ng ind6795i.
Cedangkan 6345a ambien adalah 63a5a beba7 di pe5m6?4an b6=i 8ang 7eha5i-ha5i
dihi56> oleh makhl6? hid6> (DD EFGHI J4h6K 1LLL). 2345a ambien inilah 8ang bia7a
dimanfaa9kan
6n96?
kegia9an
7eha5i-ha5i
7epe59i
menge5ingkan
pakaian,
mengge5akkan kinci5 angin, memban96 p5o7e7 pen8e5b6?4n, dan lain-lain.
Demanfaa9an
6345a
ambien
ha567
dilak6?4n
7eca5a
bijak7ana
dengan
mempe59imbangkan kepen9ingan gene5a7i 7eka5ang dan 8ang akan da9ang.
2345a emi7i dapa9 mencema5i 6345a ambien apabila pengelolaan lingk6ngan
9idak baik. 2K96? mendapa9kan 6345a ambien 8ang be5k6ali9a7 baik pe5l6 dilak6?4n
pengendalian pencema5an 6345a. Dengendalian pencema5an 6345a dapa9 dilak6?4n
7alah 7a96K8a dengan meman9a6 a9a6 meng6?65 k64li9a7 6345a, baik 63a5a ambien
a9a6>6K 6345a emi7i. Dada pe5kembangan e5a globali7a7i 7aa9 ini, k64li9a7 6345a
ambien dapa9 dika9akan mengalami pen656K4n. Den656K4n k64li9a7 6345a ambien ini
di7ebabkan oleh be5bagai kegia9an man67ia 7epe59i da5i kenda5aan be5mo9o5, kegia9an
1
2
indMNOPi, pembakaPan Nampah, kebakaPan hMOan, dan lain-lain. QMRliOaN MSRPa ambien
Tang bMPMU SRpaO mePMgikan makhlMU VWdMXY
ZengMUMPan kMRliOaN MSRPa ambien dilakMURn di ka[RNan pePM\ahan, ka[RNan
indMNOPi, dan ka[RNan padaO lalM linOaN dimana di ka[RNan-ka[RNan OePNebMO banTak
OePjadi kegiaOan manMNia. ]elain iOM^ pengMUMPan kMRliOaN MSaPa ambien jM_a
dilakMURn OePhadap `aO-`aO Tang dapaO menjadi polMOan NepePOi ]a 2, ba2, ca^ dan
dc. Zat yang tidak melebihi baku mutu udara dapat dikatakan zat tersebut dalam
kondisi baik, sedangkan zat yang melebihi baku mutu udara dikatakan zat tersebut
dalam kondisi buruk dan berpotensi dapat mencemari udara ambien. Dari hasil
pengukuran kualitas udara ambien tersebut dapat diketahui kualitas udara ambien
jenis kawasan dan jenis polutan. Untuk mengetahui jenis kawasan dan jenis polutan
yang dapat mempengaruhi kualitas udara ambien, salah satunya dapat dilakukan
dengan mengelompokkan jenis kawasan dan jenis polutan tersebut. Dari hasil
pengelompokan kemudian dapat digunakan sebagai bahan pertimbangan dalam
mencari solusi untuk mengatasi kualitas udara ambien yang mulai menurun.
Salah satu analisis yang dapat digunakan untuk melakukan proses
pengelompokan tersebut adalah analisis klaster (efghijk lmlfnhoh). Analisis klaster
melakukan pengelompokan objek berdasarkan karakteristik yang dimiliki objek (Hair
et al., 2010). Setiap kelompok (klaster) terdiri dari beberapa objek yang memiliki
karakteristik yang sama dengan prinsip homogenitas grup. Oleh karena itu penulis
tertarik untuk meneliti lebih jauh mengenai pengelompokan terhadap objek-objek
pencemaran udara yaitu pengelompokan jenis kawasan dan jenis polutan menurut
3
kabpqrsen/kosa melalpt
uvwxywz{|q{}rx
~prztsr
rr |twx
wxpps
~rpqrswx~{sr t rr wxyr wxyypxr}rx xrztt ~zrsw .
1
Pada penulisan tugas akhir ini, permasalahan yang akan dibahas adalah:
1.
Bagaimana pengelompokan kualitas udara ambien kabupaten/kota di Jawa
Tengah Tahun 2013 berdasarkan jenis kawasan dan jenis polutan?
2.
Bagaimana analisis kualitas udara ambien kabupaten/kota di Jawa Tengah
Tahun 2013 berdasarkan jenis kawasan dan jenis polutan pada setiap kelompok
atau klaster yang terbentuk?
1
Permasalahan dalam tugas akhir ini dibatasi pada data yang digunakan adalah
data hasil pengukuran kualitas udara ambien di Jawa Tengah menurut kabupaten/kota
tahun 2013 berdasarkan jenis polutan dan jenis kawasan. Sedangkan metode
pengklasteran atau metode pengelompokan yang digunakan adalah ¡¢£.
1¤ ¥¦
Tujuan dalam penelitian ini adalah:
1. Mengetahui pengelompokan atau kelompok-kelompok kualitas udara ambien
menurut kabupaten/kota di Jawa Tengah Tahun 2013 berdasarkan jenis kawasan
dan jenis polutan.
4
2. §¨©ª«©«¬®® ¯°«¬±«® °²«³« «´µ¨© ¯«µ°¶«±¨©·¯¸±« ² ¹«º« »¨©ª«¼ »«¼°©
½¾¿À µ¨³²«®«³¯«© Á¨©® ¯«º«®«© ²«© Á¨©® ¶¸¬°±«© ¶«²« ®¨±«¶ ¯¨¬¸´¶¸¯ «±«°
¯¬«®±¨³ «©ª ±¨³µ¨©±°¯Ã
MENURUT KABUPATEN/KOTA DI JAWA TENGAH
MENGGUNAKAN ANALISIS KLASTER
SKRIPSI
Disusun oleh
RIZKI TAHER DWI KURNIAWATI
24010210141017
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
PENGELOMPOKAN KUALITAS UDARA AMBIEN
MENURUT KABUPATEN/KOTA DI JAWA TENGAH
MENGGUNAKAN ANALISIS KLASTER
RIZKI TAHER DWI KURNIAWATI
24010210141017
Skripsi
Diajukan Sebagai Syarat untuk Memperoleh Gelar Sarjana Sains
pada Jurusan Statistika
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
iii
iv
iii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat, hidayah,
dankarunia-Nya sehingga penulis dapat menyelesaikan penulisan Tugas Akhir
dengan judul
Pengelompokan Pengukuran Kualitas Udara Ambien Menurut
Kabupaten atau Kota di Jawa Tengah Tahun 2013 Menggunakan Analisis
Klaster .
Penulis menyadari tanpa bantuan dari berbagai pihak, tugas akhir ini tidak
akan dapat diselesaikan dengan baik. Oleh karena itu, penulis ingin
menyampaikan terima kasih kepada:
1. Ibu Dra. Dwi Ispriyanti, M.Si selaku Ketua Jurusan Statistika Fakultas Sains
dan Matematika Universitas Diponegoro.
2. Ibu Rita Rahmawati, S.Si, M.Si selaku dosen pembimbing I dan Ibu Yuciana
Wilandari M.Si selaku dosen pembimbing II yang telah berkenan meluangkan
waktu dalam memberikan masukan, arahan, dan bimbingan kepada penulis.
3. Seluruh Bapak dan Ibu Dosen Jurusan Statistika FSM Universitas Diponegoro
yang telah memberikan ilmu yang sangat berguna.
4. Semua pihak yang telah membantu dalam penulisan tugas akhir ini yang tidak
dapat disebutkan satu per satu.
Penulis menyadari bahwa tugas akhir ini masih jauh dari kesempurnaan.
Oleh karena itu kritik dan saran yang sifatnya membangun sangat penulis
harapkan demi kesempurnaan penulisan selanjutnya.
Semarang,
iv
Februari 2015
Penulis
! " ! CO, dan HC. Untuk membantu mencari solusi pencemaran
udara digunakan analisisklaster. Analisis Klaster (cluster analysis)
mengelompokkan objek berdasar kemiripan objek. Semakin kecil jarak Euclidean
maka semakin besar kemiripannya. Proses pengklasteran dengan metode average
linkage dilakukan terhadap data jenis kawasan dan jenis polutan. Proses
pengklasteran menghasilkan 2 klaster untuk jenis kawasan dan 2 klaster untuk
jenis polutan. Dari hasil analisis pada jenis kawasan, klaster 1 terdiri dari 33
⁄
⁄
kabupaten/kota dengan hasil ukur antara 507
hingga 6760
dapat dikatakan memiliki kondisi kualitas udara yang baik serta pada klaster 2
⁄
terdiri dari 2 kabupaten/kota dengan hasil ukur 11856,6
dan 10594,8
⁄
dikatakan memiliki kondisi kualitas udara yang buruk. Pada jenis
polutan, klaster 1 terdiri dari 34 kabupaten/kota dengan hasil ukur antara 30
⁄
⁄
hingga 10810
yang dikatakan memiliki kondisi udara yang
baik serta pada klaster 2 terdiri dari 1 kabupaten/kota yang memiliki kondisi udara
yang buruk dengan nilai polutan HC sebesar 20095 ⁄
.
ata kunci: udara ambien, euclidean, average linkage, analisis klaster.
v
ABSTRACT
Ambient air is free of air inhaled daily by living creatures. Ambient air quality can
be said to be decreased which is known from the results of measuring the quality
of ambient air. The measurements carried out on residential areas, industrial areas,
and traffic congested area and to SO2, NO2, CO, and HC. To help find solutions
used cluster analysis of air pollution. Cluster analysis classifying objects based on
object similarity. Similarities object seen by the small size of the Euclidean
distance. The process of clustering with average linkage method performed on the
data type of the region and type of pollutants. Clustering process produces two
clusters for different kinds of land and 2 clusters for these types of pollutants.
From the analysis on the type of region, cluster 1 is composed of 33 districts/cities
⁄
⁄
with the results of measuring between 507
to 6760
can be
said to have a good air quality conditions and in cluster 2 consists of two
⁄
districts/cities with the results of measuring 11856.6
and 10594.8
⁄
is said to have poor air quality conditions. On the type of pollutant,
⁄
Cluster 1 consists of 34 districts/towns with the measuring between 30
to 10810 ⁄
which is said to have good air condition and the second cluster
consists of one district/cities that have poor air conditions with a value of 20095
HC pollutants ⁄
.
Keywords: ambient air, euclidean, average linkage, cluster analysis.
vi
#$%T$R &'&
()*aman
+,-,.,/ 0121- 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333 4
+,-,.,/ 56/768,+,/ 3333333333333333333333333333333333333333333333333333333333333333333333333333333344
9,:, 56/7,/:,; 333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333444
2,8:;,9 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333
v
,>8:;,?: 3333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333333 @4
2, =
>,> ==
56/2,+1-1,/
A3A
-BCBD >EFBGBHI 333333333333333333333333333333333333333333333333333333333333333333333333 A
A3J
5EDKLKMBH .BMBFBN333333333333333333333333333333333333333333333333333333333333333333 O
A3O
5ELPBCBMBH .BMBFBN 3333333333333333333333333333333333333333333333333333333333333333 O
A3Q
:KRKBH 33333333333333333333333333333333333333333333333333333333333333333333333333333333333333 O
:=/0,1,/ 518:,9,
J3A
1SBDB ,LP4EH 33333333333333333333333333333333333333333333333333333333333333333333333333 T
J3J
,HBF4M4M 9FBMCED (Cluster Analysis) 3333333333333333333333333333333333333333 U
J3O
:BNBVBH ,HBF4M4M 9FBMCED 33333333333333333333333333333333333333333333333333333333 W
J3O3A
5EDKLKMBH .BMBFBN 333333333333333333333333333333333333333333333333 X
J3O3J
,MKLM4 ,HBF4M4M 9FBMCED3333333333333333333333333333333333333333 AY
J3O3O
5EL4F4NBH 1GKDBH 0BDBG3333333333333333333333333333333333333333 AJ
Z[\[]
^_`abacde ^fgh_ijf ^_eklbdhm_fde[[[[[[[[[[[[[[[[[[[[[[[[ n]
Z[\[o
p_ekaem_fqf_mdhalde rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ZZ
Z[\[s
tdbaidha ide ^_`fguabde rbdhm_f [[[[[[[[[[[[[[[[[[[[[[[[[[[[ ZZ
vwv xxx pyz{|{}{~x ^yy}xzxw
\[n
j`_f |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z\
\[Z
tdfad_b |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z\
\[\
p_mgi_ wedbahah |dmd[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z]
\[]
|adkfd` wbaf ^_ekgbdcde |dmd [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z
vwv xt ^ypvwww
][n
|_hlfaqha |dmd [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ Z
][Z
whj`ha wedbahah rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \
][Z[n
whj`ha d`q_b dyek p_dwlaba
Representative)
][Z[Z
(
Sampel
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[\n
whj`hapjbmalgbae_dfamdh[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[\Z
][\
^_fcamjekde dfdl Euclidean [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \\
][]
^fgh_h ^_eklbdhm_fde [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \s
][o
xem_fqf_mdha rbdhm_f [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ \
][s
tdbaidha ide ^_`fguabde rbdhm_f[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ]]
vwv t ryxp^}w [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ ]
|wzw ^zwrw [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ o
DAFTAR GAMBAR
Halaman
Gambar 1
Euclidean
Gambar 2
¡¢£¤ £ ¡ ¥ ¦
Gambar 3
§¨ ¢£ ¢ ¡©¢ ª¢ «
Gambar 4
¢£ ¡ ¬¢¨ «
DAFTAR TABEL
Halaman
Tabel 1
®¯°±¯²¯³ ´°µ° ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹ ¿½³¸º ¶¯w¯º ¯³ÀÀÀ ÁÂ
Tabel 2
®¯°±¯²¯³ ´°µ° ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹ ¿½³¸º ÃÄ·µ¹¯³ ÀÀÀÀÀ ÁÅ
Tabel 3
Ƹ·¯¸ ÇÈÉ ¾¯º¸³ÊË°¯º¸³Ê ǯ²¸¯±½· ¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÁ
Tabel 4
Ƹ·¯¸ ÇÈÉ ¾¯º¸³ÊË°¯º¸³Ê ǯ²¸¯±½· ¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÌ
Tabel 5
Íij¹ÄΠϯ¹¯ Яº¸· ý³ÊµÑµ²¯³ ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹
¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÌÒ
Tabel 6
Íij¹ÄΠϯ¹¯ Яº¸· ý³ÊµÑµ²¯³ ¶µ¯·¸¹¯º ´»¯²¯ ¼°±¸½³ ¾½³µ²µ¹
¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÌÓ
Tabel 7
Ƹ·¯¸ Centroid ¾¯º¸³ÊË°¯º¸³Ê ¶·¯º¹½² µ³¹µÑ ¿½³¸º ¶¯w¯º¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÒÔ
Tabel 8
Ƹ·¯¸ Centroid ¾¯º¸³ÊË°¯º¸³Ê ¶·¯º¹½² µ³¹µÑ ¿½³¸º ÃÄ·µ¹¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÌ
Tabel 9
ý²±¯³»¸³Ê¯³ Cluster Membership µ³¹µÑ ¿½³¸º ¶¯¯wº¯³ ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÕ
Tabel 10 ý²±¯³»¸³Ê¯³ Cluster Membership µ³¹µÑ ¿½³¸º ÃÄ·µ¹¯³ÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀÀ ÒÖ
DAFTAR LAMPIRAN
Halaman
Lampiran 1
×ØÙØ ÚØÛÜÝ ÞßàáâãâäØà åâØÝÜÙØÛ æçØäØ èéêÜßà åØêâëØÙßà
ØÙØâ åìÙØ ÞäìíÜàÛÜ îØØwïßàáØð ñßäçØÛØäãØà îßàÜÛ åØw
ØÛØà òòòòóô
Lampiran 2
×ØÙØ ÚØÛÜÝ ÞßàáâãâäØà åâØÝÜÙØÛ æçØäØ èéêÜßà åØêâëØÙßà
ØÙØâ åìÙØ ÞäìíÜàÛÜ îØØwïßàáØð ñßäçØÛØäãØà îßàÜÛ åØw
ØÛØà òòòòóõ
Lampiran 3
æöÜ èÛâéÛÜ åØÜÛßä÷øØßyä ÷ùÝãÜà (åøù) âàÙâã îßàÜÛ åØwØÛØà òòóú
Lampiran 4
æöÜ èÛâéÛÜ åØÜÛßä÷øØßyä ÷ùÝãÜà (åøù) âàÙâã îßàÜÛ ÞìÝâÙØà òòò óú
Lampiran 5
æöÜ èÛâéÛÜ øâÝÙÜãìÝÜàßØäÜÙØÛ âàÙâã îßàÜÛ åØØwÛØà òòòòòòòòòòòòòòòòòòò óó
Lampiran 6
æöÜ èÛâéÛÜ øâÙÜãìÝÜàßØäÜÙØÛ âàÙâã îßàÜÛ ÞìÝâÙØàòòòòòòòòòòòòòòòòòòòòòòò óó
Lampiran 7
øØÙäÜãÛ îØäØã ûâüÝÜçßØà âàÙâã îßàÜÛ åØwØÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòò óý
Lampiran 8
øØÙäÜãÛ îØäØã ûâüÝÜçßØà âàÙâã îßàÜÛ ÞìÝâÙØàòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò ýþ
Lampiran 9
ÚØÛÜÝ ÞßàáãÝØÛÙßäØà øßàááâàØãØà øßÙìçß Average Linkage
âàÙâã îßàÜÛ åØØwÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòýý
Lampiran 10
ÚØÛÜÝ ÞßàáãÝØÛÙßäØà øßàááâàØãØà øßÙìçß Average Linkage
âàÙâã îßàÜÛ ÞìÝâÙØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò ýÿ
Lampiran 11
×ßàçìáäØé âàÙâã îßàÜÛ åØØwÛØà çßàáØà
Lampiran 12
×ßàçìáäØé âàÙâã îßàÜÛ ÞìÝâÙØà çßàáØà Average Linkage òòòòòòòòò ý
Lampiran 13 Cluster Membership
çßàáØà øßÙìçß
Average Linkage òòòòò
ý
Average Linkage
âàÙâã îßàÜÛ åØw
ØÛØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòÿ
Lampiran 14 Cluster Membership
çßàáØà øßÙìçß
Average Linkage
âàÙâã îßàÜÛ ÞìÝâÙØà òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòÿþ
Lampiran 15
Centroid
Linkage
w
Lampiran 16
Centroid
Linkage
Lampiran 17 Cluster Membership
Centroid Linkage
w
Lampiran 18 Cluster Membership
Centroid Linkage
Lampiran 19
w
Centroid Linkage
Lampiran 20
Centroid Linkage
!"#$ %&'& #
1()
'*+*, -.*/*01
2345a adalah camp65an be5bagai ga7 8ang 9idak be5:45na dan 9idak be5ba6
(7epe59i ok7igen dan ni95ogen) 8ang memen6;< 564ng di a9a7 b6=i 7epe59i 8ang
dihi56> makhl6? hid6> apabila be5napa7 (@AAB, 2012). 2345a dibedakan menjadi
6345a emi7i dan 6345a ambien. 2345a emi7i 8ai96 6345a 8ang dikel645kan oleh 76=be5
emi7i 7epe59i knalpo9 kenda5aan be5mo9o5 dan ce5obong ga7 b64ng ind6795i.
Cedangkan 6345a ambien adalah 63a5a beba7 di pe5m6?4an b6=i 8ang 7eha5i-ha5i
dihi56> oleh makhl6? hid6> (DD EFGHI J4h6K 1LLL). 2345a ambien inilah 8ang bia7a
dimanfaa9kan
6n96?
kegia9an
7eha5i-ha5i
7epe59i
menge5ingkan
pakaian,
mengge5akkan kinci5 angin, memban96 p5o7e7 pen8e5b6?4n, dan lain-lain.
Demanfaa9an
6345a
ambien
ha567
dilak6?4n
7eca5a
bijak7ana
dengan
mempe59imbangkan kepen9ingan gene5a7i 7eka5ang dan 8ang akan da9ang.
2345a emi7i dapa9 mencema5i 6345a ambien apabila pengelolaan lingk6ngan
9idak baik. 2K96? mendapa9kan 6345a ambien 8ang be5k6ali9a7 baik pe5l6 dilak6?4n
pengendalian pencema5an 6345a. Dengendalian pencema5an 6345a dapa9 dilak6?4n
7alah 7a96K8a dengan meman9a6 a9a6 meng6?65 k64li9a7 6345a, baik 63a5a ambien
a9a6>6K 6345a emi7i. Dada pe5kembangan e5a globali7a7i 7aa9 ini, k64li9a7 6345a
ambien dapa9 dika9akan mengalami pen656K4n. Den656K4n k64li9a7 6345a ambien ini
di7ebabkan oleh be5bagai kegia9an man67ia 7epe59i da5i kenda5aan be5mo9o5, kegia9an
1
2
indMNOPi, pembakaPan Nampah, kebakaPan hMOan, dan lain-lain. QMRliOaN MSRPa ambien
Tang bMPMU SRpaO mePMgikan makhlMU VWdMXY
ZengMUMPan kMRliOaN MSRPa ambien dilakMURn di ka[RNan pePM\ahan, ka[RNan
indMNOPi, dan ka[RNan padaO lalM linOaN dimana di ka[RNan-ka[RNan OePNebMO banTak
OePjadi kegiaOan manMNia. ]elain iOM^ pengMUMPan kMRliOaN MSaPa ambien jM_a
dilakMURn OePhadap `aO-`aO Tang dapaO menjadi polMOan NepePOi ]a 2, ba2, ca^ dan
dc. Zat yang tidak melebihi baku mutu udara dapat dikatakan zat tersebut dalam
kondisi baik, sedangkan zat yang melebihi baku mutu udara dikatakan zat tersebut
dalam kondisi buruk dan berpotensi dapat mencemari udara ambien. Dari hasil
pengukuran kualitas udara ambien tersebut dapat diketahui kualitas udara ambien
jenis kawasan dan jenis polutan. Untuk mengetahui jenis kawasan dan jenis polutan
yang dapat mempengaruhi kualitas udara ambien, salah satunya dapat dilakukan
dengan mengelompokkan jenis kawasan dan jenis polutan tersebut. Dari hasil
pengelompokan kemudian dapat digunakan sebagai bahan pertimbangan dalam
mencari solusi untuk mengatasi kualitas udara ambien yang mulai menurun.
Salah satu analisis yang dapat digunakan untuk melakukan proses
pengelompokan tersebut adalah analisis klaster (efghijk lmlfnhoh). Analisis klaster
melakukan pengelompokan objek berdasarkan karakteristik yang dimiliki objek (Hair
et al., 2010). Setiap kelompok (klaster) terdiri dari beberapa objek yang memiliki
karakteristik yang sama dengan prinsip homogenitas grup. Oleh karena itu penulis
tertarik untuk meneliti lebih jauh mengenai pengelompokan terhadap objek-objek
pencemaran udara yaitu pengelompokan jenis kawasan dan jenis polutan menurut
3
kabpqrsen/kosa melalpt
uvwxywz{|q{}rx
~prztsr
rr |twx
wxpps
~rpqrswx~{sr t rr wxyr wxyypxr}rx xrztt ~zrsw .
1
Pada penulisan tugas akhir ini, permasalahan yang akan dibahas adalah:
1.
Bagaimana pengelompokan kualitas udara ambien kabupaten/kota di Jawa
Tengah Tahun 2013 berdasarkan jenis kawasan dan jenis polutan?
2.
Bagaimana analisis kualitas udara ambien kabupaten/kota di Jawa Tengah
Tahun 2013 berdasarkan jenis kawasan dan jenis polutan pada setiap kelompok
atau klaster yang terbentuk?
1
Permasalahan dalam tugas akhir ini dibatasi pada data yang digunakan adalah
data hasil pengukuran kualitas udara ambien di Jawa Tengah menurut kabupaten/kota
tahun 2013 berdasarkan jenis polutan dan jenis kawasan. Sedangkan metode
pengklasteran atau metode pengelompokan yang digunakan adalah ¡¢£.
1¤ ¥¦
Tujuan dalam penelitian ini adalah:
1. Mengetahui pengelompokan atau kelompok-kelompok kualitas udara ambien
menurut kabupaten/kota di Jawa Tengah Tahun 2013 berdasarkan jenis kawasan
dan jenis polutan.
4
2. §¨©ª«©«¬®® ¯°«¬±«® °²«³« «´µ¨© ¯«µ°¶«±¨©·¯¸±« ² ¹«º« »¨©ª«¼ »«¼°©
½¾¿À µ¨³²«®«³¯«© Á¨©® ¯«º«®«© ²«© Á¨©® ¶¸¬°±«© ¶«²« ®¨±«¶ ¯¨¬¸´¶¸¯ «±«°
¯¬«®±¨³ «©ª ±¨³µ¨©±°¯Ã