ANALISIS CLUSTER DENGAN METODE K-MEANS (TEORI DAN CONTOH STUDY KASUS)
|
|
- Sucianty Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS MULTIVARIAT ANALISIS CLUSTER DENGAN METODE K-MEANS (TEORI DAN CONTOH STUDY KASUS) Oleh : Rizka Fauzia Dosen Pengampu: Santi Wulan Purnami S.Si., M.Si. PROGRAM STUDI SARJANA JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2 1. CLUSTERING Pendahuluan Clustering adalah suatu metode pengelompokan berdasarkan ukuran kedekatan(kemiripan).clustering beda dengan group, kalau group berarti kelompok yang sama,kondisinya kalau tidak ya pasti bukan kelompoknya.tetapi kalau cluster tidak harus sama akan tetapi pengelompokannya berdasarkan pada kedekatan dari suatu karakteristik sample yang ada, salah satunya dengan menggunakan rumus jarak ecluidean.aplikasinya cluster ini sangat banyak, karena hamper dalam mengidentifikasi permasalahan atau pengambilan keputusan selalu tidak sama persis akan tetapi cenderung memiliki kemiripan saja. Manfaat Identifikasi obyek (Recognition) : Dalam bidang mage Processing, Computer Vision atau robot vision Decission Support System dan data mining Segmentasi pasar, pemetaan wilayah, Manajemen marketing dll. Prinsip dasar : Similarity Measures (ukuran kedekatan) Distances dan Similarity Coeficients untuk beberapa sepasang dari item Ecluidean Distance: d ( x, y) ( x1 y1) ( x2 y2)... ( x p y p ) Atau : 2 d( x, y) x i yi p i 1 1 / 2 2
3 2. TINJAUAN PUSTAKA 2.1 Analisis Kelompok (Cluster Analisis) Analisis kelompok (Cluster analiysis) merupakan sebuah metode analisis untuk mengelompokan objek-objek pengamatan menjadi beberapa kelompok sehingga akan diperoleh kelompok dimana objek-objek dalam satu kelompok mempunyai banyak persamaan sedangkan dengan anggota kelompok yang lain mempunyai banyak perbedaan (Johnson dan Wichern, 2007). Prosedur pengelompokan pada dasarnya ada dua, yaitu pengelompokan dengan prosedur hierarki dan tak berhierarki. Pada penelitian ini metode yang dipakai adalah prosedur hierarki karena jumlah kelompok yang akan dibentuk belum ditentukan. 2.2 Analisis Cluster Hierarki Pada metode ini terdapat n objek dan k kelompok, tetapi kelompok yang akan terbentuk tidak ditentukan terlebih dahulu. Pembentukan kelompok dilakukan dengan pemotongan dendogram yang dihasilkan dari analisis. Dalam pembentukan kelompok ditentukan jarak antara dua objek yang nantinya digabungkan menjadi satu.single Linkage Method, Complete Linkage Method, Average Linkage Method, dan Ward`s Method merupakan merupakan metode hirarki, bagian dari metode agglomerative yang memiliki ukuran kemiripan yang berbeda saat pengklasteran. Single Linkage Method pengelompokannya didasarkan pada jarak terdekat antar cluster, Complete Linkage Method pengelompokannya didasarkan pada jarak terjauh antar cluster, Average Linkage Method pengelompokannya didasarkan pada jarak rata-rata antar cluster, sedangkan Ward`s Method pengklasteran didasarkan pada error sum of square (ESS) yang minimum (Johnson dan Wichern, 2007). Beberapa macam jarak yang biasa dipakai di dalam analisis cluster adalah sebagai berikut. 3
4 Tabel 2.1 Macam-Macam Jarak yang Digunakan No. Jarak Formula 1. Euclidean 2. Manhattan 3. Pearson 2.3 Analisis Cluster Nonhirarki Metode cluster nonhirarki diawali dengan proses penentuan jumlah cluster terlebih dahulu. Secara umum metode ini meminimumkan fungsi objektif atau kriteria optimal sehingga dapat mengatasi masalah optimasi untuk memenuhi kriteria optimal. Berdasarkan karakteristik datanya metode non-hirarki dibagi menjadi beberapa model, yaitu partitioning clustering, overlapping clustering dan model hybrid. Partitioning clustering merupakan metode rekontruktif yang berusaha meminimumkan fungsi objektif. Contoh dari partitioning clustering antara lain algoritma K-Means clustering dan Analisis Residual. Overlappingclustering biasanya digunakan ketika sejumlah data mengalami tumpang tindih (overlap) sehingga setiap data termasuk ke dalam beberapa cluster. Contoh dari overlapping clustering antara lain Fuzzy C-Means, Fuzzy Substractiveclustering dan Gaussian Mixture Model. Sedangkan model hybrid yaitu suatu metode clustering dimana metode tersebut menggabungkan karakteristik dari partitioning, overlapping, dan hirarki. (Johnson dan Wichern, 2007) 4
5 3. METODE K-MEANS Metode K-Means pertama diperkenalkan oleh James B MacQueen pada tahun 1967 dalam proceeding of the 5 th berkeley symposium on Mathematical Statistic and Probability. Dasar pengelompokkan dalam metode ini adalah menempatkan objek berdasarkan rata-rata cluster terdekat. Oleh karena itu, metode ini bertujuan untuk meminimumkan error akibat partisi n objek ke dalam k cluster. Error partisi disebut sebagai fungsi objektif. Misalkan X = {X i }, i = 1,2,...,n merupakan titik-titik dalam ruang berdimensi n (R n ) dan titik tersebut dikelompokkan ke dalam i cluster, C i, i = 1,2,..., k. Misalkan c i centroid dari cluster c i sehingga jumlah kuadrat antara c i dan titik di dalam cluster yaitu x i, didefinisikan sebagai berikut. 2 J ( ck ) xi ci ( ci xi ) (2.4) Prinsip dasar metode K-Means adalah meminimumkan jumlah kuadrat error dari seluruh i cluster adalah sebagai berikut. SSE k i 1 xi ci 2 ( ci xi) (2.5) (Hair dkk, 2010) Komponen K-Means Algoritma K-Means memerlukan 3 komponen adalah sebagai berikut (Hair dkk, 2010). 1. Jumlah Cluster K K-Means merupakan bagian dari metode non-hirarki sehingga dalam metode ini jumlah K harus ditentukan terlebih dahulu. Jumlah cluster dapat ditentukan melalui pendekatan metode hirarki. Namun perlu diperhatikan bahwa tidak terdapat aturan khusus dalam menentukan jumlah cluster K, terkadang jumlah cluster yang diinginkan tergantung pada subjektif seseorang. 2. Cluster Awal Cluster awal yang dipilih berkaitan dengan penentuan pusat cluster awal (centroid awal). Oleh karena adanya pemilihan cluster awal yang berbeda ini maka kemungkinan besar solusi cluster yang dihasil akan berbeda pula. 5
6 3. Ukuran Jarak Dalam hal ini, ukuran jarak digunakan untuk menentukan observasi ke dalam cluster berdasarkan centroid terdekat. Ukuran jarak yang digunakan dalam metode K- Means adalah jarak Euclidean Algoritma K-Means Adapun algoritma K-Means dalam pembentukan cluster sebagai berikut. 1. Matriks data X = {x ij } berukuran nxp dengan i = 1,2,...,n, j = 1,2,...,p dan asumsikan jumlah cluster awal K 2. Tentukan pusat cluster 3. Menghitung jarak setiap objek ke setiap centroid dengan menggunakan jarak Euclidean atau dapat ditulis sebagai berikut. start Banyaknya cluster K Tentukan pusat Hitung jarak obyek ke pusat Kelompokkan obyek berdasar jarak minimum Ada obyek yang harus dipindah? ya tidak end Gambar 1. Flowchart algoritma K-Means d 2 ( xi, ci ) ( xi ci ) (2.6) 4. Setiap objek disusun ke centroid terdekat dan kumpulan objek tersebut akan membentuk cluster. 6
7 5. Menentukan centroid baru dari cluster yang baru terbentuk, dimana centroid baru itu diperoleh dari rata-rata setiap objek yang terlatak pada cluster yang sama. 6. Mengulang langkah 3, jika centroid awal dan baru tidak sama. (Hair dkk, 2010) Gambar 1 berikut menunjukkan diagram alir dari algoritma K-Means. 7
8 4. CONTOH PENGHITUNGAN DENGAN METODE K-MEANS Tabel 4.1 Daftar obyek yang akan diolah dalam clustering Obyek atribut1 (X): indeks atribut 2 (Y): ph berat Obat A 1 1 Obat B 2 1 Obat C 4 3 Obat D Menghitung jarak obyek ke centroid dengan menggunakan rumus jarak Euclid. Misalnya jarak obyek pupuk C=(4,3) ke centroid pertama adalah dan jaraknya dengan centroid kedua adalah. Hasil perhitungan jarak ini disimpan dalam bentuk matriks k x n, dengan k banyaknya cluster dan n banyak obyek. Setiap kolom dalam matriks tersebut menunjukkan obyek sedangkan baris pertama menunjukkan jarak ke centroid pertama, baris kedua menunjukkan jarak ke centroid kedua. Matriks jarak setelah iterasi ke-0 adalah sebagai berikut: 3. Clustering obyek : Memasukkan setiap obyek ke dalam cluster (grup) berdasarkan jarak minimumnya. Jadi obat A dimasukkan ke grup 1, dan obat B, C dan D dimasukkan ke grup 2. Keanggotaan obyek ke dalam grup dinyatakan dengan matrik, elemen dari matriks bernilai 1 jika sebuah obyek menjadi anggota grup. 8
9 4. Iterasi-1, menetukan centroid : Berdasarkan anggota masing-masing grup, selanjutnya ditentukan centroid baru. Grup 1 hanya berisi 1 obyek, sehingga centroidnya tetap. Grup 2 mempunyai 3 anggota, sehingga centroidnya ditentukan berdasarkan rata-rata koordinat ketiga anggota tersebut:. 5. Iterasi-1, menghitung jarak obyek ke centroid: selanjutnya, jarak antara centroid baru dengan seluruh obyek dalam grup dihitung kembali sehingga diperoleh matriks jarak sebagai berikut: 6. Iterasi-1, clustering obyek: langkah ke-3 diulang kembali, menentukan keanggotaan grup berdasarkan jaraknya. Berdasarkan matriks jarak yang baru, maka obat B harus dipindah ke grup Iterasi-2, menentukan centroid: langkah ke-4 diulang kembali untuk menentukan centroid baru berdasarkan keanggotaan grup yang baru. Grup 1 dan grup 2 masingmasing mempunyai 2 anggota, sehingga centroidnya menjadi dan 8. Iterasi-2, menghitung jarak obyek ke centroid : ulangi langkah ke-2, sehingga diperoleh matriks jarak sebagai berikut: 9
10 9. Iterasi-2, clustering obyek: mengelompokkan tiap-tiap obyek berdasarkan jarak minimumnya, diperoleh: Hasil pengelompokkan pada iterasi terakhir dibandingkan dengan hasil sebelumnya, diperoleh. Hasil ini menunjukkan bahwa tidak ada lagi obyek yang berpindah grup, dan algoritma telah stabil. Hasil akhir clustering ditunjukkan dalam Tabel 2. Tabel 4.2 Hasil clustering Obyek atribut1 (X): indeks atribut 2 (Y): ph Grup hasil berat Obat A Obat B Obat C Obat D Kelebihan dan Kelemahan algoritma K-means Algoritma K-means dinilai cukup efisien, yang ditunjukkan dengan kompleksitasnya O(tkn), dengan catatan n adalah banyaknya obyek data, k adalah jumlah cluster yang dibentuk, dan t banyaknya iterasi. Biasanya, nilai k dan t jauh lebih kecil daripada nilai n. Selain itu, dalam iterasinya, algoritma ini akan berhenti dalam kondisi optimum lokal. Hal yang dianggap sebagai kelemahan algoritma ini adalah adanya keharusan menetukan banyaknya cluster yang akan dibentuk, hanya dapat digunakan dalam data yang mean-nya dapat ditentukan, dan tidak mampu menangani data yang mempunyai 10
11 penyimpangan-penyimpangan (noisy data dan outlier). Beberapa kelemahan algoritma K-means adalah: (1) sangat bergantung pada pemilihan nilai awal centroid, (2) tidak jelas berapa banyak cluster k yang terbaik, (3) hanya bekerja pada atribut numerik. Similarity dan Dissimilarity Memperhatikan input dalam algoritma K-Means, dapat dikatakan bahwa algoritma ini hanya mengolah data kuantitatif. Algoritma K-means hanya dapat mengolah atribut numerik. Sebuah basis data, tidak mungkin hanya berisi satu macam type data saja, akan tetapi beragam type. Sebuah basis data dapat berisi data-data dengan type sebagai berikut: symmetric binary, asymmetric binary, nominal, ordinal, interval dan ratio. Berbagai macam atribut dalam basis data yang berbeda type harus diolah terlebih dahulu menjadi data numerik, sehingga dapat diberlakukan algoritma K-means dalam pembentukan clusternya. Pengukuran similarity dan dissimilarity dapat digunakan untuk pengolahan data tersebut Atribut yang berbeda tipe sama artinya dengan adanya ketidaksamaan (dissimilarity) antar atribut tersebut. Ketidaksamaan (dissimilarity) antara dua obyek dapat diukur dengan menghitung jarak antar obyek berdasarkan beberapa sifatnya. Hubungan dissimilarity antara 2 buah data obyek a=(a1,a2,,ap) dan b=(b1,b2,.,bp) dapat dinyatakan dengan pengukuran jarak antara 2 obyek tersebut. Beberapa sifat jarak (dissimilarity) adalah sebagai berikut d(a, b) 0, jarak kedua obyek selalu positif atau nol, d(a, a) = 0, jarak terhadap diri sendiri adalah nol, d(a, b) = d(b, a), jarak kedua obyek adalah simetri, d(a, b) d(a, c) + d(c, b), jarak memenuhi ketidaksamaan segitiga. Misalkan dissimilarity antara obyek i dan obyek j dinyatakan dengan d ij dan similarity dinyatakan dengan s ij. Hubungan antara relationship dissimilarity dengan similarity dinyatakan dengan s ij.=1- d ij, dengan similarity terbatas pada 0 dan 1 ([5]). Jika similarity bernilai satu (benar-benar sama), maka dissimilarity nol, dan jika similarity bernilai nol (sangat berbeda), dissimilarity bernilai satu. Setelah perhitungan jarak atau 11
12 dissimilarity dari setiap variabel, maka seluruh hasil dikumpulkan menjadi sebuah indeks similarity (atau dissimilarity) antara dua obyek ([5]). Selanjutnya hasil tersebut dapat diolah menjadi obyek-obyek yang akan dikelompokkan dalam cluster-cluster oleh algoritma K-means. 12
13 ANALISIS CLUSTER NON-HIERARKI K-MEANS CLUSTERING STUDI KASUS FAKTOR PERCERAIAN DI KABUPATEN/KOTA DI JAWA TIMUR DENGAN BANTUAN SPSS Variabel penelitian yang digunakan dalam praktikum ini dengan menggunakan data pengelompokan kabupaten / kota di jawa timur berdasarkan faktor-faktor penyebab perceraian tahun 2010 adalah sebagai berikut. Variabel X 1 (Moral) X 2 (Meninggalkan Kewajiban) X 3 (Kawin Dibawah Umur) X 4 (Penganiayaan) X 5 (Dihukum) X 6 (Cacat Biologis) X 7 (Sering Berselisih) Variabel Penelitian untuk Metode Analisis Cluster Penjelasan Persentase penyebab utama perceraian karena moral per kabupaten/kota. Variabel ini diukur berdasarkan rasio jumlah perceraian karena poligami tidak sehat, krisis akhlak, dan cemburu terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena meninggalkan kewajiban per kabupaten/kota. Variabel ini diukur ber-dasarkan rasio jumlah perceraian karena kawin paksa, ekonomi, dan tidak tanggung jawab terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena kawin di bawah umur per kabupaten/kota. Variabel ini diukur berdasarkan rasio jumlah perceraian karena kawin dibawah umur terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena penganiayaan per kabupaten/kota. Variabel ini diukur berdasarkan rasio jumlah perceraian karena kekejaman mental dan kekejaman fisik terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena dihukum per kabupaten/kota. Variabel ini diukur berdasarkan rasio jumlah perceraian karena dihukum terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena cacat biologis per kabupaten/kota. Variabel ini diukur berdasarkan rasio jumlah perceraian karena cacat biologis terhadap total perceraian pada kabupaten/kota. Persentase penyebab utama perceraian karena terus menerus berselisih per kabupaten/kota. Variabel ini diukur ber-dasarkan rasio jumlah perceraian karena politis, gangguan pihak ketiga, tidak ada keharmonisan terhadap total per-ceraian pada kabupaten/kota. 13
14 Karena jumlah data Kabupaten/Kota di Jawa Timur berdasarkan faktor perceraian banyak maka, berdasarkan teori akan lebih efisien jika menggunakan analisis cluster nonhierarki dengan metode K-Means. Hasil analisis yang diperoleh adalah sebagai berikut. 4.1 Pengelompokan Kabupaten/Kota dengan Menggunakan 2 cluster Dengam menggunakan analisis cluster non-herarki dapat ditemtukan jumalh cluster yang akan digunakan. Alternatif pertama yakni dengan menggunakan 2 cluster didapatkan hasil pengelompokan sebagai berikut. Tabel 4.3Jarak Pusat dengan 2 Cluster Variabel Cluster 1 2 Moral 31,84 1,39 Meninggalkan Kewajiban 1,80 68,74 Kawin Dibawah Umur 0,50 0,34 Penganiayaan 0,80 0,25 Dihukum 4,79 0,21 Cacat Biologis 0,50 0,21 Sering Berselisih 59,78 28,85 Berdasarkan Tabel 4.3, dapat diketahui jarak pusat yang dihasilkan sebelum dilakukan iterasi. Untuk cluster pertama, pada variabel (moral) didapatkan jarak pusatsebesar 31,84. Untuk variabel meninggalkan kewajiban) didaptakan jarak pusat sebesar 1,80. Pada variabel (kawin dibawah umur) didapatkan jarak pusatsebesar 0,50. Pada variabel (penganiayaan didapatkan jarak pusatsebesar 0,80. Pada variabel (dihukum) didapatkan jarak pusatsebesar 4,79. Pada variabel (cacat biologis) didapatkan jarak pusatsebesar 0,50. Pada variabel (sering berselisish) didapatkan jarak pusatsebesar 59,78. Untuk cluster kedua, pada variabel (moral) didapatkan jarak pusatsebesar 1,39. Untuk variabel meninggalkan kewajiban) didaptakan jarak pusat 14
15 sebesar 68,74. Pada variabel (kawin dibawah umur) didapatkan jarak pusatsebesar 0,34. Pada variabel (penganiayaan) didapatkan jarak pusatsebesar 0,25. Pada variabel (dihukum) didapatkan jarak pusatsebesar 0,21. Pada variabel (cacat biologis) didapatkan jarak pusatsebesar 0,21. Pada variabel (sering berselisish) didapatkan jarak pusatsebesar 28,85. Untuk mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 37 kasus yang diteliti pada 7 variabel di atas, dapat dilihat jumlah iterasi yang dihasilkan adalah sebagai berikut. Tabel 4.4 Jumlah Iterasi untuk 2 Cluster Iterasi Perubahan Jarak Pusat Cluster ,158 23, ,898 0, ,623 0, ,365 0, ,273 0, ,000 0,000 Berdasarkan Tabel 4.4 di atas dapat menjelaskan bahwa proses clustering yang dilakukan pada data faktor perceraian di Provinsi Jawa Timur pada Tahun 2010 melalui 6 tahapan iterasi untuk mendapatkan cluster yang tepat. Iterasi pertama menghasilkan cluster pusat 1 sebesar 30,158 dan cluster pusat 2 adalah sebesar 223,995. Iterasi kedua menghasilkan cluster pusat 1 sebesar 1,898 dan cluster pusat 2 adalah sebesar 0,753. Iterasi ketiga menghasilkan cluster pusat 1 sebesar 1,623 dan cluster pusat 2 adalah sebesar 0,753. Iterasi keempat menghasilkan cluster pusat 1 sebesar 1,365 dan cluster pusat 2 adalah sebesar 0,657. Iterasi kelima menghasilkan cluster pusat 1 sebesar 1,273 dan cluster pusat 2 adalah sebesar 0,667. Sedangkan, pada iterasi keenam menghasilkan cluster pusat 1 sebesar 0,000 dan cluster pusat 2 adalah sebesar 0,
16 Hasil akhir dari proses clustering dengan menggunakan 2 clustersetelah dilakukan iterasi adalah sebagai berikut. Tabel 4.5Final Centersdengan 2 cluster Variabel Cluster 1 2 Moral 10,26 9,28 Meninggalkan Kewajiban 28,12 50,31 Kawin Dibawah Umur 0,49 0,62 Penganiayaan 1,06 1,29 Dihukum 0,97 0,45 Cacat Biologis 0,85 0,85 Sering Berselisih 58,25 37,20 Berdasarkan Tabel 4.5, dapat diketahui final jarak pusat clustering yang dihasilkan setelah dilakukan iterasi. Untuk cluster pertama, pada variabel (moral) didapatkan jarak pusatsebesar 10,26. Untuk variabel meninggalkan kewajiban) didaptakan jarak pusat sebesar 28,12. Pada variabel (kawin dibawah umur) didapatkan jarak pusatsebesar 0,49. Pada variabel (penganiayaan didapatkan jarak pusatsebesar 1,06. Pada variabel (dihukum) didapatkan jarak pusatsebesar 0,97. Pada variabel (cacat biologis) didapatkan jarak pusatsebesar 0,85. Pada variabel (sering berselisish) didapatkan jarak pusatsebesar 58,25. Untuk cluster kedua, pada variabel (moral) didapatkan jarak pusatsebesar 9,28. Untuk variabel meninggalkan kewajiban) didaptakan jarak pusat sebesar 50,31. Pada variabel (kawin dibawah umur) didapatkan jarak pusatsebesar 0,62. Pada variabel (penganiayaan) didapatkan jarak pusatsebesar 1,29. Pada variabel (dihukum) didapatkan jarak pusatsebesar 0,45. Pada variabel (cacat biologis) didapatkan jarak pusatsebesar 0,85. Pada variabel (sering berselisish) 16
17 didapatkan jarak pusatsebesar 37,20. Jarak antara jarak pusat final terdekat berdasarkan (Lampiran 3.) adalah sebesar 30,611. Berikut ini merupakan hasil pngelompokkan Kabupaten/Kota di Jawa Timur berdasarkan faktor penyebab perceraian pada tahun
18 Tabel 4.6 Hasil Pengelompokkan 2 cluster Cluster Anggota Total Cluster Bangil, Bangkalan, Kraksaan, Magetan, Malang (Kab), Malang 12 1 (Kota), Pamekasan, Pasuruan, Probolinggo, Sampang, Anggota Cluster 2 Situbondo, Surabaya Banyuwangi, Bawean, Blitar, Bojonegoro, Bondowoso, Gresik, Jember, Jombang, Kangean, Kediri (Kab), Kediri (Kota), Lamongan, Lumajang, Madiun (Kab), Madiun (Kota), Mojokerto, Nganjuk, Ngawi, Pacitan, Ponorogo, Sidoarjo, Sumenep, Trenggalek, Tuban, Tulungagung 25 Anggota Berdasarkan Taebl 4.6,dapat diketahui bahwa anggota cluster 1 adalah Bangil, Bangkalan, Kraksaan, Magetan, Malang (Kab), Malang (Kota), Pamekasan, Pasuruan, Probolinggo, Sampang, Situbondo, Surabaya. Sedangkan anggota cluster 2 adalah Banyuwangi, Bawean, Blitar, Bojonegoro, Bondowoso, Gresik, Jember, Jombang, Kangean, Kediri (Kab), Kediri (Kota), Lamongan, Lumajang, Madiun (Kab), Madiun (Kota), Mojokerto, Nganjuk, Ngawi, Pacitan, Ponorogo, Sidoarjo, Sumenep, Trenggalek, Tuban, Tulungagung. Analisis berikutnya merupakan analisis of variance (ANOVA) pada cluster 1 dan 2 yang bertujuan untuk mengetahui apakan variabel yang digunakan berkontribusi terhadap pembentukan cluster. Jika didapatkan p-value untuk masing-masing variabel kurang dari α=0,05 maka dapat dikatakan variabel tersebut signifikan atau berkontribusi terhadap pembentukan cluster. Hasil analisis keragaman pada 2 cluster adalah sebagai berikut. 18
19 Variabel Tabel 4.7Analisis Keragaman (ANOVA) dengan 2 Cluster Mean Square Cluster db Mean Square Error db F P-value Moral 7, , ,216 0,645 Meninggalkan Kewajiban 3992, , ,853 0,000 Kawin Dibawah Umur 0, , ,400 0,531 Penganiayaan 0, , ,452 0,506 Dihukum 2, , ,738 0,061 Cacat Biologis 0, , ,000 0,993 Sering Berselisih 3594, , ,217 0,000 Berdasarkan Tabel 4.7, dapat diketahuiuntuk variabel (moral), (kawin dibawah umur), (penganiayaan), (dihukum), dan (cacat biologis) didapatkan p-value masing-masing sebesar 0,645; 0,531; 0,506; 0,061; 0,993 yang lebih besar dibandingkan α=0,05. Sehingga dapat disimpulkan variabel,,, dan tidak signifikan atau tidak berkontribusi terhadap pembentukan cluster. Sedangkan untuk variabel (meninggalkan kewajiban) dan (sering berselisih) menghasilkan p-value masing-masing sebesar 0,000 yang lebih kecil dibandingkan α=0,05. Sehingga dapat disimpulkan variabel dan signifikan atau berkontribusi terhadap pembentukan cluster. 19
Kata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,
K- Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K-Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperincidengan Algoritma K Means
K Pembentukan cluster dalam Knowledge Discovery in Database dengan Algoritma K Means Oleh: Sri Andayani Jurusan Pendidikan Matematika FMIPA UNY,email: andayani@uny.ac.id Abstrak Pembentukan cluster merupakan
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciLampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000)
Lampiran 1 LAPORAN REALISASI DAU, PAD TAHUN 2010 DAN REALISASI BELANJA DAERAH TAHUN 2010 KABUPATEN/KOTA DI JAWA TIMUR (dalam Rp 000) Kabupaten/Kota DAU 2010 PAD 2010 Belanja Daerah 2010 Kab Bangkalan 497.594.900
Lebih terperinciPengelompokkan Kabupaten / Kota di Jawa Timur berdasarkan Faktor-Faktor penyebab Perceraian Tahun 2010
SEMINAR TUGAS AKHIR Pengelompokkan Kabupaten / Kota di Jawa Timur berdasarkan Faktor-Faktor penyebab Perceraian Tahun 2010 LOGO Oleh : Luthfi Kurnia Hidayati (1309106007) Pembimbing : Dra. Lucia Aridinanti,
Lebih terperinciEVALUASI/FEEDBACK KOMDAT PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN
EVALUASI/FEEDBACK PRIORITAS, PROFIL KESEHATAN, & SPM BIDANG KESEHATAN MALANG, 1 JUNI 2016 APLIKASI KOMUNIKASI DATA PRIORITAS FEEDBACK KETERISIAN DATA PADA APLIKASI PRIORITAS 3 OVERVIEW KOMUNIKASI DATA
Lebih terperinciBAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode
BAB III K-MEANS CLUSTERING 3.1 Analisis Klaster Analisis klaster merupakan salah satu teknik multivariat metode interdependensi (saling ketergantungan). Oleh karena itu, dalam analisis klaster tidak ada
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,,
1 ANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,, Universitas Negeri Malang E-mail: desypurwaningyas@ymail.com Abstrak: Dengan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 68 TAHUN 2015 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciPENGELOMPOKAN KABUPATEN / KOTA DI JAWA TIMUR BERDASARKAN FAKTOR-FAKTOR PENYEBAB PERCERAIAN TAHUN 2010
PENGELOMPOKAN KABUPATEN / KOTA DI JAWA TIMUR BERDASARKAN FAKTOR-FAKTOR PENYEBAB PERCERAIAN TAHUN 00 Luthfi Kurnia Hidayati Dra. Lucia Aridinanti, MS MahasiswaJurusan Statistika Institut Teknologi Sepuluh
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017
\ PERATURAN NOMOR 121 TAHUN 2016 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2017 DENGAN RAHMAT TUHAN YANG MAHA ESA. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan masyarakat khususnya
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 69 TAHUN 2009 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2010 GUBERNUR JAWA TIMUR, Menimbang Mengingat : a. bahwa dalam upaya meningkatkan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 78 TAHUN 2013 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2014 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciJumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota
Jumlah Penduduk Jawa Timur dalam 7 (Tujuh) Tahun Terakhir Berdasarkan Data dari Dinas Kependudukan dan Pencatatan Sipil Kab./Kota TAHUN LAKI-LAKI KOMPOSISI PENDUDUK PEREMPUAN JML TOTAL JIWA % 1 2005 17,639,401
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2014 TENTANG UPAH MINIMUM KABUPATEN/KOTA DI JAWA TIMUR TAHUN 2015 GUBERNUR JAWA TIMUR. Menimbang : a. bahwa dalam upaya meningkatkan kesejahteraan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Identifikasi Variabel Prediktor pada Model MGWR Setiap variabel prediktor pada model MGWR akan diidentifikasi terlebih dahulu untuk mengetahui variabel prediktor yang berpengaruh
Lebih terperinciGrafik Skor Daya Saing Kabupaten/Kota di Jawa Timur
Grafik Skor Daya Saing Kabupaten/Kota di Jawa Timur TOTAL SKOR INPUT 14.802 8.3268.059 7.0847.0216.8916.755 6.5516.258 5.9535.7085.572 5.4675.3035.2425.2185.1375.080 4.7284.4974.3274.318 4.228 3.7823.6313.5613.5553.4883.4733.3813.3733.367
Lebih terperinciBAB II GAMBARAN UMUM INSTANSI. 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur
BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Singkat PT PLN (Persero) Distribusi Jawa Timur PT PLN (Persero) Distribusi Jawa Timur merupakan salah satu unit pelaksana induk dibawah PT PLN (Persero) yang merupakan
Lebih terperinciAnalisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)
Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari
Lebih terperinciPENGELOMPOKKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR KEMISKINAN DENGAN METODE CLUSTER ANALYSIS
PENGELOMPOKKAN KABUPATEN/KOTA DI PROVINSI JAWA TIMUR BERDASARKAN INDIKATOR KEMISKINAN DENGAN METODE CLUSTER ANALYSIS 1 Nurul Komariyah (1309 105 013) 2 Muhammad Sjahid Akbar 1,2 Jurusan Statistika FMIPA
Lebih terperinciUniversitas Negeri Malang Kata Kunci: cluster, single linkage, complete linkage, silhouette, pembangunan manusia.
1 PERBANDINGAN JUMLAH KELOMPOK OPTIMAL PADA METODE SINGLE LINKAGE DAN COMPLETE LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE: Studi Kasus pada Data Pembangunan Manusia Jawa Timur Yuli Novita Indriani 1, Abadyo
Lebih terperinciBAB 3 METODE PENELITIAN. disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
BAB 3 METODE PENELITIAN 3.1 Gambaran Umum Objek Wilayah Provinsi Jawa Timur meliputi 29 kabupaten dan 9 kota. Peta wilayah disajikan pada Gambar 3.1 dan koordinat kabupaten/kota Provinsi Jawa Timur disajikan
Lebih terperinciP E N U T U P P E N U T U P
P E N U T U P 160 Masterplan Pengembangan Kawasan Tanaman Pangan dan Hortikultura P E N U T U P 4.1. Kesimpulan Dasar pengembangan kawasan di Jawa Timur adalah besarnya potensi sumberdaya alam dan potensi
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang. Indonesia merupakan salah satu negara berkembang yang memiliki
BAB I PENDAHULUAN A. Latar Belakang Indonesia merupakan salah satu negara berkembang yang memiliki pertumbuhan ekonomi yang terus meningkat dari tahun ketahun. Pertumbuhan ekonomi dapat didefinisikan sebagai
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 72 TAHUN 2012 TENTANG UPAH MINIMUM KABUPATEN / KOTA DI JAWA TIMUR TAHUN 2013 Menimbang: a. Bahwa dalam upaya meningkatkan kersejahteraan rakyat khususnya
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016
No. 010/06/3574/Th. IX, 14 Juni 2017 INDEKS PEMBANGUNAN MANUSIA (IPM) KOTA PROBOLINGGO TAHUN 2016 IPM Kota Probolinggo Tahun 2016 Pembangunan manusia di Kota Probolinggo pada tahun 2016 terus mengalami
Lebih terperinciPEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012
PEMBANGUNAN PERPUSTAKAAN DESA/KELURAHAN DI JAWA TIMUR 22 MEI 2012 OLEH : Drs. MUDJIB AFAN, MARS KEPALA BADAN PERPUSTAKAAN DAN KEARSIPAN PROVINSI JAWA TIMUR DEFINISI : Dalam sistem pemerintahan di Indonesia
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 2 TAHUN 2014 TENTANG PERKIRAAN ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU KEPADA PROVINSI JAWA TIMUR DAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN ANGGARAN
Lebih terperinciDANA PERIMBANGAN. Lampiran 1. Data Dana Perimbangan
Lampiran. Data Dana Perimbangan DANA PERIMBANGAN (Dalam Ribuan) No Daerah 2009 200 20 202 203 Kab. Bangkalan 628,028 64,037 738,324 870,077,004,255 2 Kab. Banyuwangi 897,07 908,07 954,894,70,038,299,958
Lebih terperinciAnalisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur
Nama : Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur Dimas Okky S. (1307030006) Dosen Pembimbing : Dr.Dra.Ismaini Zain, MSi PENDAHULUAN LATAR BELAKANG Partisipasi
Lebih terperinciINDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015
BPS PROVINSI JAWA TIMUR No. 40/06/35/Th. XIV, 15 Juni 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2015 IPM Jawa Timur Tahun 2015 Pembangunan manusia di Jawa Timur pada tahun 2015 terus mengalami
Lebih terperinciRINGKASAN PERMOHONAN PERKARA Registrasi Nomor 41/PHPU.D-VI/2008 Tentang Sengketa perselisihan hasil suara pilkada provinsi Jawa Timur
RINGKASAN PERMOHONAN PERKARA Registrasi Nomor 41/PHPU.D-VI/2008 Tentang Sengketa perselisihan hasil suara pilkada provinsi Jawa Timur I. PEMOHON Hj. Khofifah Indar Parawansa dan Mudjiono, selanjutnya disebut
Lebih terperinciGUBERNUR JAWA TIMUR GUBERNUR JAWA TIMUR,
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 57 TAHUN 2005 TENTANG PENETAPAN DEFINITIF BAGIAN PENERIMAAN PAJAK PENGHASILAN ORANG PRIBADI DALAM NEGERI (PASAL 25/29) DAN PAJAK PENGHASILAN PASAL
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 125 TAHUN 2008
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 125 TAHUN 2008 TENTANG ORGANISASI DAN TATA KERJA UNIT PELAKSANA TEKNIS DINAS PEKERJAAN UMUM BINA MARGA PROVINSI JAWA TIMUR GUBERNUR JAWA TIMUR MENIMBANG
Lebih terperinciAnalisis Cluster Kabupaten/Kota Berdasarkan Pertumbuhan ekonomi Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No.1, (013) 337-350 (301-98X Print) 1 Analisis Cluster Kabupaten/Kota Berdasarkan Pertumbuhan ekonomi Jawa Timur Siti Machfudhoh, Nuri Wahyuningsih Jurusan Matematika,
Lebih terperinciPenerapan Hybrid Hierarchical Clustering Via Mutual Cluster dalam Pengelompokan Kabupaten di Jawa Timur Berdasarkan Variabel Sektor Pertanian
SEMINAR TUGAS AKHIR 2011 Penerapan Hybrid Hierarchical Clustering Via Mutual Cluster dalam Pengelompokan Kabupaten di Jawa Timur Berdasarkan Variabel Sektor Pertanian Dosen Pembimbing : Santi Wulan Purnami,
Lebih terperinciPENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA
PENERAPAN ALGORITMA K-MEANS PADA KUALITAS GIZI BAYI DI INDONESIA Diajeng Tyas Purwa Hapsari Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email :
Lebih terperinciANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN
1 ANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN, dan, Universitas Negeri Malang Email: lina_ninos26@yahoo.com ABSTRAK:
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 5 TAHUN 2005 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 5 TAHUN 2005 TENTANG PENETAPAN SEMENTARA BAGIAN PENERIMAAN PAJAK PENGHASILAN ORANG PRIBADI DALAM NEGERI PASAL 25/29 DAN PAJAK PENGHASILAN PASAL 21
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciBERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR
BERITA RESMI STATISTIK BPS PROVINSI JAWA TIMUR No. 25/04/35/Th. XV, 17 April 2016 INDEKS PEMBANGUNAN MANUSIA (IPM) JAWA TIMUR TAHUN 2016 IPM Jawa Timur Tahun 2016 Pembangunan manusia di Jawa Timur pada
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Penaksir Robust Metode mencari himpunan bagian dari himpunan X sejumlah h elemen di mana n p 1 h n di mana determinan matrik kovariansi minimum. Misalkan himpunan bagian
Lebih terperinciKEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016
KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/ 557 /KPTS/013/2016 TENTANG PENETAPAN KABUPATEN / KOTA SEHAT PROVINSI JAWA TIMUR TAHUN 2016 GUBERNUR JAWA TIMUR, Menimbang : a. bahwa dalam rangka tercapainya kondisi
Lebih terperinciPemetaan Kabupaten/Kota di Jawa Timur Menurut Jaminan Kesehatan dengan Metode Biplot
SidangTugas Akhir Pemetaan Kabupaten/Kota di Jawa Timur Menurut Jaminan Kesehatan dengan Metode Biplot Oleh: Intan Nur Aini (1309 030 064) Dosen Pembimbing: Dr. Sutikno,S.Si, M.Si Surabaya, 11 July 2012
Lebih terperinciPEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG
PEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG PERUBAHAN PERTAMA PERATURAN DAERAH PROPINSI DAERAH TINGKAT I JAWA TIMUR NOMOR 8 TAHUN 1996 TENTANG ORGANISASI
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
Lebih terperinciMuhammad Aqik Ardiansyah. Dra. Destri Susilaningrum, M.Si Januari Dr. Setiawan, MS
Muhammad Aqik Ardiansyah Fatah Nurdin 1310 Hamsyah 030 076 1310 030 033 08 Januari 2014 PROGRAM STUDI DIPLOMA III STATISTIKA JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciBAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR. Provinsi Jawa Timur membentang antara BT BT dan
BAB IV GAMBARAN UMUM PROVINSI JAWA TIMUR 4. 1 Kondisi Geografis Provinsi Jawa Timur membentang antara 111 0 BT - 114 4 BT dan 7 12 LS - 8 48 LS, dengan ibukota yang terletak di Kota Surabaya. Bagian utara
Lebih terperinciper km 2 LAMPIRAN 1 LUAS JUMLAH WILAYAH JUMLAH KABUPATEN/KOTA (km 2 )
LAMPIRAN 1 LUAS WILAYAH,, DESA/KELURAHAN, PENDUDUK, RUMAH TANGGA, DAN KEPADATAN PENDUDUK MENURUT LUAS RATA-RATA KEPADATAN WILAYAH RUMAH JIWA / RUMAH PENDUDUK DESA KELURAHAN DESA+KEL. PENDUDUK (km 2 ) TANGGA
Lebih terperinciBAB 4 ANALISA DAN PEMBAHASAN. faktor faktor yang mempengaruhi, model regresi global, model Geographically
BAB 4 ANALISA DAN PEMBAHASAN Pada bab ini dibahas tentang pola penyebaran angka buta huruf (ABH) dan faktor faktor yang mempengaruhi, model regresi global, model Geographically Weighted Regression (GWR),
Lebih terperinciSEMINAR TUGAS AKHIR 16 JANUARI Penyaji : I Dewa Ayu Made Istri Wulandari Pembimbing : Prof.Dr.Drs. I Nyoman Budiantara, M.
16 JANUARI ANALISIS FAKTOR FAKTOR YANG MEMPENGARUHI PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR DENGAN METODE REGRESI NONPARAMETRIK BIRESPON SPLINE Penyaji : I Dewa Ayu Made Istri Wulandari
Lebih terperinciEVALUASI TEPRA KABUPATEN/KOTA PROVINSI JAWA TIMUR OKTOBER 2016
EVALUASI TEPRA KABUPATEN/KOTA PROVINSI JAWA TIMUR OKTOBER 2016 Realisasi belanja APBD Provinsi dan Kabupaten/Kota se-provinsi Jawa Timur Oktober 2016 PROVINSI KABUPATEN/KOTA Provinsi Gorontalo Provinsi
Lebih terperinci2. JUMLAH USAHA PERTANIAN
BPS PROVINSI JAWA TIMUR No. 61/09/35/Tahun XI, 2 September 2013 HASIL SENSUS PERTANIAN 2013 PROVINSI JAWA TIMUR (ANGKA SEMENTARA) JUMLAH RUMAH TANGGA USAHA PERTANIAN DI PROVINSI JAWA TIMUR TAHUN 2013 SEBANYAK
Lebih terperinciCLUSTER POTENSI SEKTOR PERIKANAN PADA PERAIRAN UMUM DI JAWA TIMUR TAHUN 2016
CLUSTER POTENSI SEKTOR PERIKANAN PADA PERAIRAN UMUM DI JAWA TIMUR TAHUN 2016 R.A. Norromadani Yuniati 1), Farizi Rachman 2) 1 Program Studi Manajemen Bisnis, Jurusan Teknik Bangunan Kapal, Politeknik Perkapalan
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 75 TAHUN 2015 TENTANG
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 75 TAHUN 2015 TENTANG PERKIRAAN ALOKASI DANA BAGI HASIL CUKAI HASIL TEMBAKAU KEPADA PROVINSI JAWA TIMUR DAN KABUPATEN/KOTA DI JAWA TIMUR TAHUN ANGGARAN
Lebih terperinciPEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG
PEMERINTAH PROPINSI JAWA TIMUR PERATURAN DAERAH PROPINSI JAWA TIMUR NOMOR 2 TAHUN 2000 TENTANG PERUBAHAN PERTAMA PERATURAN DAERAH PROPINSI DAERAH TINGKAT I JAWA TIMUR NOMOR 8 TAHUN 1996 TENTANG ORGANISASI
Lebih terperinciBAB III METODE PENELITAN. Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur.
BAB III METODE PENELITAN A. Lokasi Penelitian Lokasi pada penelitian ini adalah Kabupaten/Kota Provinsi Jawa Timur. Pemilihan lokasi ini salah satunya karena Provinsi Jawa Timur menepati urutan pertama
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciNomor : KT.304/ 689 /MJUD/XI/2014 Surabaya, 20 Nopember 2014 Lampiran : - Perihal : Awal Musim Hujan 2014/2015 Prov. Jawa Timur.
BMKG BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN METEOROLOGI KLAS I JUANDA SURABAYA Alamat : Bandar Udara Juanda Surabaya, Telp. 031 8667540 Pes. 104, Fax. 031-8673119 E-mail : meteojuanda@bmg.go.id
Lebih terperinciKata kunci : Strategi T3, C-means, Fuzzy c-means
PERBANDINGAN PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN INDIKATOR PENCAPAIAN STRATEGI T3 UNTUK SEKOLAH MENENGAH KEJURUAN DENGAN METODE C-MEANS DAN FUZZY C-MEANS 1 Finda Qori ah dan 2 Sony Sunaryo
Lebih terperinciBAB IV GAMBARAN UMUM OBJEK PENELITIAN. sebuah provinsi yang dulu dilakukan di Indonesia atau dahulu disebut Hindia
BAB IV GAMBARAN UMUM OBJEK PENELITIAN A. Profil Eks Karesidenan Madiun Karesidenan merupakan pembagian administratif menjadi kedalam sebuah provinsi yang dulu dilakukan di Indonesia atau dahulu disebut
Lebih terperinciBADAN PUSAT STATISTIK PROVINSI JAWA TIMUR
BADAN PUSAT STATISTIK PROVINSI JAWA TIMUR Seuntai Kata Sensus Pertanian 2013 (ST2013) merupakan sensus pertanian keenam yang diselenggarakan Badan Pusat Statistik (BPS) setiap 10 (sepuluh) tahun sekali
Lebih terperinciBAB I PENDAHULUAN. Sekarang ini penelitian sering kali melibatkan beberapa variabel
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sekarang ini penelitian sering kali melibatkan beberapa variabel pengamatan. Data yang diperoleh dengan mengukur lebih dari satu variabel pengamatan pada setiap
Lebih terperinciOleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si
Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran
Lebih terperinciGUBERNUR JAWA TIMUR TIMUR
GUBERNUR JAWA TIMUR TIMUR PERATURAN DAERAH PROVINSI JAWA TIMUR NOMOR 16 TAHUN 2016 TENTANG PEMBENTUKAN DAN SUSUNAN BADAN KOORDINASI WILAYAH PEMERINTAHAN DAN PEMBANGUNAN PROVINSI JAWA TIMUR DENGAN RAHMAT
Lebih terperinciGUBERNUR JAWA TIMUR GUBERNUR JAWA TIMUR,
GUBERNUR JAWA TIMUR KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 1 TAHUN 2003 TENTANG HARGA ECERAN TERTINGGI (NET) MINYAK TANAH Dl PANGKALAN MINYAK TANAH Dl JAWA TIMUR GUBERNUR JAWA TIMUR, Menimbang : bahwa dalam
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciGUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 94 TAHUN 2016
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 94 TAHUN 2016 TENTANG NOMENKLATUR, SUSUNAN ORGANISASI, URAIAN TUGAS DAN FUNGSI SERTA TATA KERJA CABANG DINAS PENDIDIKAN PROVINSI JAWA TIMUR DENGAN
Lebih terperinciINSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Seminar Hasil Tugas Akhir
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 Seminar Hasil Tugas Akhir 1 PEMODELAN DAN PEMETAAN RATA-RATA USIA KAWIN PERTAMA WANITA DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DI PROVINSI JAWA TIMUR
Lebih terperinciGambar 1. Analisa medan angin (streamlines) (Sumber :
BMKG BADAN METEOROLOGI KLIMATOLOGI DAN GEOFISIKA STASIUN METEOROLOGI KLAS I JUANDA SURABAYA Alamat : Bandar Udara Juanda Surabaya, Telp. 031 8667540 Pes. 104, Fax. 031-8673119 E-mail : meteojuanda@bmg.go.id
Lebih terperinciSEMINAR HASIL TUGAS AKHIR. Presented by Rizky Amalia Yulianti Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si
SEMINAR HASIL TUGAS AKHIR Presented by Rizky Amalia Yulianti 1309 100 076 Dosen Pembimbing : Dr. Vita Ratnasari, S.Si, M.Si Agenda 1. 2. 3. 4. 5. Pendahuluan Tinjauan Metodelogi Hasil dan Kesimpulan 1.
Lebih terperinciGUBERNUR JAWA TIMUR KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/359/KPTS/013/2015 TENTANG PELAKSANAAN REGIONAL SISTEM RUJUKAN PROVINSI JAWA TIMUR
GUBERNUR JAWA TIMUR KEPUTUSAN GUBERNUR JAWA TIMUR NOMOR 188/359/KPTS/013/2015 TENTANG PELAKSANAAN REGIONAL SISTEM RUJUKAN PROVINSI JAWA TIMUR GUBERNUR JAWA TIMUR, Menimbang : bahwa dalam rangka meningkatkan
Lebih terperinciVISITASI KE SEKOLAH/MADRASAH BADAN AKREDITASI NASIONAL SEKOLAH/MADRASAH
Perhatian! 1. Format Kartu Kendali Validasi Proses Visitasi di bawah ini, mohon di print oleh asesor sebanyak 16 set (sesuai kebutuhan/jumlah sasaran visitasi). Selanjutnya tiap-tiap sekolah/ madrasah
Lebih terperinciBAB II GAMBARAN UMUM INSTANSI. ditingkatkan saat beberapa perusahaan asal Belanda yang bergerak di bidang pabrik
6 BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Berdirinya PT PLN (Persero) Pada abad ke-19, perkembangan ketenagalistrikan di Indonesia mulai ditingkatkan saat beberapa perusahaan asal Belanda yang bergerak
Lebih terperinciBAB I PENDAHULUAN. masyarakat. Program dari kegiatan masing-masing Pemerintah daerah tentunya
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia telah menerapkan penyelenggaraan Pemerintah daerah yang berdasarkan asas otonomi daerah. Pemerintah daerah memiliki hak untuk membuat kebijakannya
Lebih terperinciEVALUASI PROGRAM KKBPK DATA MARET 2017 PERWAKILAN BADAN KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL PROPINSI JAWA TIMUR,
EVALUASI PROGRAM KKBPK DATA MARET 2017 PERWAKILAN BADAN KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL PROPINSI JAWA TIMUR, 2017 1 INDIKATOR KKP 2 INDIKATOR PROGRAM TAHUN 2017 NO INDIKATOR PROGRAM 2017 SASARAN
Lebih terperinciJURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER. Ayunanda Melliana Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.
JURUSAN STATISTIKA - FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER Seminar hasil TUGAS AKHIR Ayunanda Melliana 1309100104 Dosen Pembimbing : Dr. Dra. Ismaini Zain, M.Si PENDAHULUAN Latar Belakang Rumusan Masalah
Lebih terperinci1.1. UMUM. Statistik BPKH Wilayah XI Jawa-Madura Tahun
1.1. UMUM 1.1.1. DASAR Balai Pemantapan Kawasan Hutan adalah Unit Pelaksana Teknis Badan Planologi Kehutanan yang dibentuk berdasarkan Surat Keputusan Menteri Kehutanan No. 6188/Kpts-II/2002, Tanggal 10
Lebih terperinciBAB III METODE PENELITIAN. menggunakan metode statistik. Penelitian dengan pendekatan kuantitatif yang
BAB III METODE PENELITIAN 3.1. Jenis dan Pendekatan Penelitian Dalam penelitian kali ini, penulis menggunakan jenis pendekatan kuantitatif, yaitu pendekatan yang menguji hubungan signifikan dengan cara
Lebih terperinciBERITA RESMI STATISTIK
BERITA RESMI STATISTIK BPS KABUPATEN LAMONGAN PROFIL KEMISKINAN DI LAMONGAN MARET 2016 No. 02/06/3524/Th. II, 14 Juni 2017 RINGKASAN Jumlah penduduk miskin (penduduk dengan pengeluaran per kapita per bulan
Lebih terperinciPENDAHULUAN 1. Latar Belakang
I. PENDAHULUAN 1. Latar Belakang Kedelai merupakan salah satu tanaman yang menjadi komoditas utama di Indonesia. Bagian yang dimanfaatkan pada tanaman kedelai adalah bijinya. Berdasarkan Sastrahidajat
Lebih terperinciPERKIRAAN BIAYA (Rp) PENUNJUKAN LANGSUNG/ PEMBELIAN SECARA ELEKTRONIK PENGADAAN LANGSUNG
PENGUMUMAN RENCANA UMUM BARANG/JASA PEMERINTAH DINAS PERKEBUNAN PROVINSI JAWA TIMUR NOMOR : 027/1388/114.5/2013 TANGGAL : 1 April 2013 ALAMAT : JL. GAYUNG KEBONSARI NO. 171 SURABAYA NO NAMA PAKET 1 059114
Lebih terperinciAPLIKASI GENERALIZED VEHICLE ROUTING PROBLEM (GVRP) PADA MASALAH DISTRIBUSI
APLIKASI GENERALIZED VEHICLE ROUTING PROBLEM (GVRP) PADA MASALAH DISTRIBUSI Oleh : Kuzairi Dosen Pembimbing : Prof. Drs. Basuki Widodo, M.Sc. Ph. D. Program Pasca Sarjana Jurusan Matematika Fakultas Matematika
Lebih terperinciLABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA Modul II CLUSTERING TUJUA PRAKTIKUM 1. Mahasiswa mempunyai pengetahuan dan kemampuan dasar dalam
Lebih terperinciKABUPATEN / NO ORGANISASI PERANGKAT DAERAH ALAMAT KANTOR KOTA. Dinas PMD Kab. Trenggalek
NO BAKORWIL MADIUN ALAMAT DINAS PMD KABUPATEN/ SE JAWA TIMUR 1 MADIUN - - 2 MADIUN Dinas PMD Kab. Madiun Jl. Mayjen Soengkono No. 42 Madiun Telp. (0351) 462270, 463577 3 MAGETAN Dinas PMD Kab. Magetan
Lebih terperinciBAB II GAMBARAN UMUM INSTANSI
6 BAB II GAMBARAN UMUM INSTANSI 2.1 Sejarah Berdirinya PT PLN (Persero) Pada akhir abad ke-19, perkembangan ketenagalistrikan di Indonesia mulai ditingkatkan saat beberapa perusahaan asal Belanda yang
Lebih terperinciGambar 3.16 Layer Jalan Kali Jatim Gambar 3.17 Atribut Tabel Jalan Kali Gambar 3.18 Layer layanan TV Gambar 3.
DAFTAR GAMBAR Gambar 2.1 Pembagian Saluran Frekuensi... 14 Gambar 2.2 Skema Jangkauan... 16 Gambar 2.3 Aplikasi WEB-GIS... 17 Gambar 2.4 Tampilan web apabila telah terinstall ms4w... 20 Gambar 2.5 Tampilan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Lokasi penelitian Adapun lokasi penelitian ini adalah di provinsi Jawa Timur yang terdiri dari 38 kota dan kabupaten yaitu 29 kabupaten dan 9 kota dengan mengambil 25 (Dua
Lebih terperinciBAB I PENDAHULUAN. mengurus dan mengatur keuangan daerahnya masing-masing. Hal ini sesuai
BAB I PENDAHULUAN 1.1 Latar Belakang Pemerintah pusat memberikan kebijakan kepada pemerintah daerah untuk mengurus dan mengatur keuangan daerahnya masing-masing. Hal ini sesuai dengan Undang-undang Nomor
Lebih terperinciLaporan Eksekutif Pendidikan Provinsi Jawa Timur 2013 Berdasarkan Data Susenas 2013 BADAN PUSAT STATISTIK PROVINSI JAWA TIMUR Laporan Eksekutif Pendidikan Provinsi Jawa Timur 2013 Nomor Publikasi : 35522.1402
Lebih terperinciLampiran 1. Tabel Durbin-Watson LAMPIRAN
L1 Lampiran 1. Tabel Durbin-Watson LAMPIRAN L2 Lampiran 2. Tabel Kolmogrov-Smirnov One-Sided Test One-Sided Test n P=0.9 0.95 0.975 0.99 0.995 P=0.9 0.95 0.975 0.99 0.995 n Two Sided test Two Sided test
Lebih terperinciCluster Analysis. Hery Tri Sutanto. Jurusan Matematika MIPA UNESA. Abstrak
S-17 Cluster Analysis Hery Tri Sutanto Jurusan Matematika MIPA UNESA Abstrak Dalam analisis cluster mempelajari hubungan interdependensi antara seluruh set variabel perlu diteliti. Tujuan utama analisis
Lebih terperinciUPAH MINIMUM KABUPATENIKOTA DI JA WA TlMUR TAHUN 2004
LAMPlRAN 165 LAMPIRANI UPAH MINIMUM KABUPATENIKOTA DI JA WA TlMUR TAHUN 2004 HAL TANGGAL NOMOR : KEPUTUSAN GUBERNUR JAWA TIMUR : 18 November 2003 : 188/273/kpls/013/2003 NO DAERAH UMK Th. 2004 RplBulan
Lebih terperinciGUBERNUR JAWA TIMUR DENGAN RAHMAT TUHAN YANG MAHA ESA GUBERNUR JAWA TIMUR,
GUBERNUR JAWA TIMUR PERATURAN GUBERNUR JAWA TIMUR NOMOR 114 TAHUN 2016 TENTANG NOMENKLATUR, SUSUNAN ORGANISASI, URAIAN TUGAS DAN FUNGSI SERTA TATA KERJA UNIT PELAKSANA TEKNIS DINAS PEKERJAAN UMUM BINA
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciPemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel
Seminar Hasil Tugas Akhir Pemodelan Angka Putus Sekolah Usia SMA di Jawa Timur dengan Pendekatan Regresi Spline Multivariabel Mega Pradipta 1309100038 Pembimbing I : Dra. Madu Ratna, M.Si Pembimbing II
Lebih terperinciTABEL II.A.1. LUAS LAHAN KRITIS DI LUAR KAWASAN HUTAN JAWA TIMUR TAHUN
TABEL II.A.1. LUAS LAHAN KRITIS DI LUAR KAWASAN HUTAN JAWA TIMUR TAHUN 2008-2012 PADA MASING-MASING DAS (BRANTAS, SOLO DAN SAMPEAN) No Kabupaten Luas Wilayah Lahan Kritis Luar Kawasan Hutan (Ha) Ket. (Ha)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Pendekatan Penelitian Penelitian ini menggunakan pendekatan kuantitatif. Menurut Efferin, Darmadji dan Tan (2008:47) pendekatan kuantitatif disebut juga pendekatan
Lebih terperinci