Distribution Geographic System Paket Perijinan Usaha di Wilayah Kota Surabaya menggunakan Metode K-Means berbasis GIS

Transkripsi

1 Distribution Geographic System Paket Perijinan Usaha di Wilayah Kota Surabaya menggunakan Metode K-Means berbasis GIS Nur Ulfatur Roiha 1, Yoyon K. Suprapto 2 Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember (ITS) Surabaya, Indonesia nur.ulfatur14@mhs.ee.its.ac.id 1, yoyonsuprapto@ee.its.ac.id 2 Abstract This Paket perijinan pada aplikasi Surabaya Single Window banyak diminati oleh masyarakat karena proses perijinan hanya satu kali namun bisa mendapatkan banyak ijin usaha. Semakin meningkatnya permohonan paket perijinan usaha membuat stake holder harus meningkatkan fasilitas dan infrastruktur terkait dengan perijinan tersebut. Oleh karena itu dibutuhkan distribusi paket perijinan di setiap kelurahan maupun kecamatan. Distribusi dan prediksi data ditampilkan dalam bentuk peta data spasial untuk memudahkan stake holder mengambil keputusan. Penelitian ini menggunakan metode clusterisasi K-means. Keywords component; formatting; style; styling; insert (key words) I. PENDAHULUAN Surabaya merupakan kota terbesar kedua di Indonesia yang menahbiskan dirinya sebagai Kota perdagangan dan jasa. Hal inilah yang menarik minat para investor untuk menanam modalnya di Surabaya yang mengakibatkan banyak pembangunan disegala sektor baik infrastruktur berupa jalan raya, pemukiman, pertokoan maupun gedung-gedung pencakar langit. Namun untuk mendirikan usaha, investor perlu untuk mengurus surat ijin usaha di UPTSA (Unit Pelayanan Satu Atap). Semua pemohon harus mengurus di UPTSA dan tidak perlu lagi berhubungan dengan masing-masing SKPD. Bahkan Pemerintah Kota Surabaya mempermudah perijinan dengan mengimplementasikan aplikasi SSW (Surabaya Single Window). Dengan adanya aplikasi ini pengurusan ijin dapat dilakukan di rumah dan tidak perlu hadir di UPTSA. cukup mengakses website surabaya.go.id dan mengupload semua dokumen persyaratan perijinan. Dokumen yang berbentuk digital ini secara otomatis akan dibroadcast ke SKPD terkait untuk dianalisa dan diterbitkan ijinnya. Dengan adanya sistem ini tidak ada pertemuan antara pemohon dan SKPD yang menerbitkan ijin usaha sehingga mencegah tindak korupsi maupun mencegah main mata antara pengusaha dan SKPD penerbit ijin. Adapun perijinan yang dilayani melalui aplikasi Surabaya Single Window diantaranya adalah Surat Keterangan Rencana Kota (SKRK), dokumen lingkungan (Amdal/UKL-UPL/SPPL Rekom Amdalalin, dan Rencana Drainase Kota), Izin Mendirikan Bangunan (IMB), Izin Gangguan (HO), dan Tanda Daftar Usaha Pariwisata (TDUP) dan masih banyak lainnya. Bagi pemohon yang ingin mendirikan usaha yang membutuhkan banyak ijin usaha, maka Pemerintah Kota Surabaya memfasilitasi pengurusan banyak ijin usaha dalam satu waktu secara paralel. Adapun perijinan paket yang disediakan adalah: 1. SKRK-Surat Rekom-IMB-HO-TDUP (25) 2. SKRK-Surat Rekom-IMB-HO (10) 3. SKRK-Surat Rekom-IMB (11) 4. Surat Rekom-IMB-HO-TDUP (12) 5. Surat Rekom-IMB-HO (13) 6. Surat Rekom-IMB (14) 7. Surat Rekom-HO-TDUP (15) 8. Surat Rekom-HO (16) 9. IMB-HO-TDUP (17) 10. IMB-HO (18) 11. HO-TDUP (19) 12. SKRK-IMB (20) Clustering paket perijinan dibutuhkan untuk mengetahui paket perijinan apa yang paling diminati maupun tidak begitu diminati oleh masyarakat. Penelitian ini juga dapat dimanfaatkan untuk perencanaan pembangunan fasilitas maupun infrastruktur berdasarkan peningkatan perkembangan paket perijinan. A. Teori Dasar II. TINJAUAN PUSTAKA 1) Geographic Information System (GIS) Aronoff (1989), SIG adalah suatu sistem berbasis komputer yang memiliki kemampuan dalam menangani data berefer geografi yaitu pemasukan data, manajemen data (penyimpanan dan pemanggilan kembali), manipulasi dan analisis data, serta keluaran sebagai hasil akhir (output). Hasil akhir (output) dapat dijadikan acuan dalam pengambilan keputusan pada masalah yang berhubungan dengan geografi. Contoh Geographic Information System (GIS) dapat dilihat pada gambar 1. 7

2 Gambar 1. Peta Kota Surabaya 2) Data Mining Data mining disebut juga pattern recognition merupakan pengolahan data untuk menemukan pola yang tersembunyi dari data tersebut. Hasil dari pengolahan data dengan metode data mining ini dapat digunakan untuk mengambil keputusan di masa depan [3]. Umumnya data mining digunakan untuk data yang berskala besar dan banyak diaplikasikan di berbagai bidang kehidupan baik industri, kesehatan, pendidikan, pedagangan dan masih banyak lainnya. Data mining merupakan metode pengolahan data berskala besar oleh karena itu data mining ini memiliki peranan penting dalam bidang industri, keuangan, cuaca, ilmu dan teknologi. Secara umum kajian data mining membahas metode-metode seperti, clustering, klasifikasi, regresi, seleksi variable, dan market basket analisis[3]. 3) Clustering Clustering merupakan suatu metode data mining dan digunakan untuk mencari data kemudian mengelompokkannya berdasarkan similarity (kemiripan karakteristik) antara satu data dengan data yang lain. Clustering sendiri merupakan salah satu metode data mining yang bersifat tanpa bimbingan/arahan (unsupervised). Hal ini artinya tidak ada guru dan tidak ada training/latihan serta tidak memerlukan target output. Clustering sendiri ada dua pengelompokan data, yaitu hierarchical clustering dan non-hierarchical clustering [7]. Hierarchical clustering merupakan suatu pengelompokan data yang diawali dengan mencari dua objek yang memiliki kemiripan kesamaan yang paling dekat. Kemudian dicari objek yang memiliki kesamaan terdekat yang kedua. Begitu seterusnya sehingga membentuk suatu hierarki. Mulai dari yang mempunyai kemiripan karakteristik terdekat sampai yang paling tidak mirip. Metode non-hierarchical berbeda dengan metode hierarchical. Jika pada metode hierarchical, hal pertama yang dilakukan adalah mencari kemiripan terdekat. metode non hierarchical, hal yang pertama dilakukan adalah menentukan jumlah cluster/kelompok yang hendak dibentuk. K-Means clustering termasuk dalam metode non-hierarchical [2]. 4) Selecting a Template (Heading 2) K-Means clustering merupakan salah satu metode yang menerapkan sistem kerja non hierarchical. Setiap objek dikelompokkan berdasarkan cluster yang telah dibentuk diawal. Setiap objek yang mempunyai kemiripan dengan anggota yang berada dalam cluster yang sama dibandingkan dengan objek yang diluar cluster mereka. Sehingga masingmasing cluster memiliki karakteristik yang unik [3]. Langkah-langkah untuk mengimplementasikan metode K- Means menurut Santosa [2] dilakukan berdasarkan tahapantahapan: a. Ditentukan jumlah cluster k yang diinginkan b. Inisialisasi centroid dari setiap cluster. Umumnya inisialisasi centroid dilakukan dengan cara diberikan angka-angka random. c. Setelah diketahui centroidnya, maka setiap objek akan diukur kedekatannya dengan masing-masing centroid. Objek yang paling dekat dengan centroid, maka akan menentukan objek tersebut akan menjadi anggota cluster yang mana. Perhitungan jarak antara objek dan pusat cluster dapat dilakukan dengan berbagai metode seperti euclidean distance maupun manhattan distance. Perhitungan jarak dapat menggunakan metode Euclidean distance yang dapat dilihat pada persamaan 1: Selain menggunakan metode euclidean distance, untuk meng hitung jarak, juga bisa menggunakan metode manhattan distance. Persamaan metode manhattan distance dapat dilihat pada persamaan 2: Keterangan: n = Jumlah variabel Xi = Poin awal Yi = Target point d. Pada awalnya centroid bersifat dinamis sehingga perlu dihitung antara pusat cluster dengan anggota-anggota cluster. Umumnya centroid adalah rata-rata dari semua data / objek dalam cluster tertentu. Namun median dari cluster tersebut juga dapat dijadikan dasar perhitungan. e. setiap objek dapat menjadi centroid yang baru. Jika pusat cluster tidak berubah lagi maka proses clustering selesai. Atau, kembali ke langkah c sampai pusat cluster tidak berubah lagi (2) 8

3 B. Penelitian sebelumnya Metode K-Means dapat digunakan untuk mengkluster mahasiswa berdasarkan IPK dan kampung halaman. Penelitian ini bertujuan untuk memprediksi strategi promosi yang dilakukan di kota-kota di Indonesia [1]. Clustering K-means dapat digunakan untuk menemukan wilayah yang berpot menghasilkan bahan tambang sehingga dapat menjadi informasi penting bagi para investor maupun pengusaha. Pada penelitian ini K-means diaplikasikan berdasarkan jarak terdekat objek bukan berdasarkan karakteristik objek [2]. III. METODOLOGI Metode yang digunakan dalam penelitian ini adalah bertujuan untuk memperlihatkan bagaimana sebuah model clustering data mining bisa memberikan distribusi paket perijinan usaha berdasarkan atribut yang ada. Berikut adalah tahapan yang dilakukan pada penelitian kali ini: pada data, seperti kesalahan cetak (tipografi) dan membersihkan data yang tidak relevan termasuk data missing dalam atribut [8]. Data yang dilakukan cleaning adalah dapat dilihat pada tabel 1: Tabel 1. Data yang tidak sesuai standar NO_REG LUAS TANAH PA KE T KELURAHAN KECAMATAN JENIS USAH A BULAK BANTENG KENJERAN DR. SOETOMO TEGALSARI SAWAHAN SAWAHAN SEMEMI BENOWO --- SIMOKERT SIMOLAWANG --- O SIWALANKERT WONOCOL O O BABAT PAKAL --- JERAWAT KEPUTIH SUKOLILO BANYU URIP SAWAHAN 4 Data yang tersimpan dalam database sejumlah record namun yang tidak sesuai sesuai sebanyak 9 record. Tabel 2. Jumlah Data Jumlah data Sebelum Cleaning Jumlah Data Setelah Cleaning D. Transformation Pada proses ini dicari fitur-fitur yang mendukung data paket perijinan pada SSW (Surabaya Single Window) dan mengubah data-data agar dapat dilakukan clustering. Gambar 3. Tahapan Penelitian A. Basis Data SSW Data yang digunakan berasal dari Database SSW (Surabaya Single Window) yang menggunakan database oracle. Namun data ini masih harus diolah agar dapat digunakan karena masih berupa data kasar. B. Data Selection Pemilihan (seleksi) data dari database SSW yang hanya terkait dengan paket perijinan. C. Pre Processing atau Cleaning Proses cleaning meliputi: membuang duplikasi data ataupun data redundan, memeriksa data yang inkonsisten, memperbaiki field-field yang kosong memperbaiki kesalahan IV. HASIL DAN PEMBAHASAN Agar data diatas dapat diolah menggunakan metode K- Means clustering, maka data yang berjenis nominal seperti kelurahan, kecamatan dan jenis usaha diinisialisasikan dalam bentuk angka. Untuk inisialisasi dilakukan langkah-langkah: Terdapat pembagian wilayah berdasarkan asal kecamatan, yaitu: a. Kecamatan Bubutan meliput kelurahan: Alun-Alun Contong, Bubutan, Gundih, Jepara, Tembok Dukuh b. Kecamatan Genteng, meliputi kelurahan: Embong Kaliasin, Genteng, Kapasari, Ketabang, Peneleh c. Kecamatan Simokerto, meliputi kelurahan: Kapasan, Sidodadi, Simokerto, Simolawang, Tambak Rejo d. Kecamatan Tegalsari, meliputi kelurahan: Dr. Soetomo, Kedungdoro, Keputran, Tegalsari, Wonorejo e. Kecamatan Bulak, meliputi kelurahan: Bulak, Kedung Cowek, Kenjeran, Sukolilo Baru, f. Kecamatan Kenjeran, meliputi kelurahan: Bulak Banteng, Sidotopo Wetan, Tambak Wedi, Tanah Kali Kedinding 9

4 g. Kecamatan Krembangan, meliputi kelurahan: Dupak, Kemayoran, Krembangan Selatan, Morokrembangan, Perak Barat h. Kecamatan Pabean Cantian, meliputi kelurahan: Bongkaran, Krembangan Utara, Nyamplungan, Perak Timur, Perak Utara i. Kecamatan Semampir, meliputi kelurahan: Ampel, Pegirian, Sidotopo, Ujung, Wonokusumo j. Kecamata Dukuh Pakis, meliputi kelurahan: Dukuh Kupang, Dukuh Pakis, Gunung Sari, Pradah Kali Kendal k. Kecamatan Gayungan, meliputi kelurahan: Dukuh Menanggal, Gayungan, Ketintang, Menanggal l. Kecamatan Jambangan, meliputi kelurahan: Jambangan, Karah, Kebonsari, Pagesangan m. Kecamatan Karangpilang, meliputi kelurahan: Karangpilang, Kebraon, Kedurus, Waru Gunung n. Kecamatan Sawahan, meliputi kelurahan: Banyu Urip, Kupang Krajan, Pakis, Petemon, Putat Jaya, Sawahan o. Kecamatan Wiyung, meliputi kelurahan: Babatan, Balas Klumprik, Jajar Tunggal, Wiyung p. Kecamatan Wonocolo, meliputi kelurahan: Bendul Merisi, Jemur Wonosari, Margorejo, Sidosermo, Siwalankerto q. Kecamatan Wonokromo, meliputi kelurahan: Darmo, Jagir, Ngagel, Ngagel Rejo, Sawunggaling, Wonokromo r. Kecamatan Gubeng, meliputi kelurahan: Airlangga, Baratajaya, Gubeng, Kertajaya, Mojo, Pucang Sewu s. Kecamatan Gunung Anyar, meliputi kelurahan: Gunung Anyar, Gunung Anyar Tambak, Rungkut Menanggal, Rungkut Tengah t. Kecamatan Mulyorejo, meliputi kelurahan: Dukuh Sutorejo, Kalijudan, Kalisari, Kejawan Putih Tambak, Manyar Sabrangan, Mulyorejo u. Kecamatan Rungkut, meliputi kelurahan: Kalirungkut, Kedung Baruk, Medoan Ayu, Penjaringansari, Rungkut Kidul, Wonorejo v. Kecamatan Sukolilo, meliputi kelurahan: Gebang Putih, Keputih, Klampis Ngasem, Medokan Semampir, Menur Pumpungan, Nginden Jangkungan, Semolowaru w. Kecamatan Tambaksari, meliputi kelurahan: Gading, Dukuh Setro, Kapas Madya, Pacarkeling, Pacarkembang, Ploso, Rangkah, Tambaksari x. Kecamatan Tenggilis Mejoyo, meliputi kelurahan: Kendangsari, Kutisari, Panjang Jiwo, Tenggilis Mejoyo y. Kecamatan Asemrowo, meliputi kelurahan: Asemrowo, Genting Kalianak, Tambak Sarioso z. Kecamatan Benowo, meliputi kelurahan: Kandangan, Romokalisari, Sememi, Tambak Oso Wilangun aa. Kecamatan Lakarsantri, meliputi kelurahan: Bangkingan, Jeruk, Lakarsantri, Lidah Kulon, Lidah Wetan, Sumur Welut bb. Kecamatan Pakal, meliputi kelurahan: Babat Jerawat, Benowo, Pakal, Sumber Rejo cc. Kecamatan Sambikerep, meliputi kelurahan: Bringin, Lontar, Made, Sambikerep dd. Kecamatan Sukomanunggal, meliputi kelurahan: Putat Gede, Simomulyo, Simomulyo Baru, Sonokwijenan, Sukomanunggal, Tanjung Sari ee. Kecamatan Tandes, meliputi kelurahan: Balongsari, Banjar Sugihan, Karangpoh, Manukan Kulon, Manukan Wetan, Tandes Kemudian kecamatan tersebut diurutkan dari yang terbesar berdasarkan freku permohonan ijin pelayanan paket yang berasal dari kecamatan tersebut. Setelah itu kecamatan yang memiliki freku terbesar diberi inisial dengan angka 1 dan wilayah yang memiliki freku terbesar kedua diberi inisial dengan angka 2, begitu seterusnya hingga kecamatan dengan freku paling sedikit. Hasil dari inisialisasi kecamatan dapat dilihat pada tabel 3. Tabel 3. Inisialisasi Data Kecamatan Kecamatan Freku Inisial Rungkut Mulyorejo Tambaksari Sukolilo Gubeng Wiyung Gunung Anyar Lakarsantri Tandes Dukuh Pakis Jambangan Sawahan Sambikerep Tenggilis Mejoyo Sukomanunggal Wonocolo Gayungan Wonokromo Asemrowo Pakal Karang Pilang Kenjeran Tegalsari Genteng Benowo Pabean Cantikan Bubutan Bulak Simokerto Semampir Krembangan Selain kecamatan, jenis usaha juga termasuk ke dalam data nominal sehingga perlu diinisialisasikan ke dalam bentuk angka. Seperti pada kecamatan, pada jenis usaha juga diberikan inisialisasi berdasarkan freku paket perijinan pada jenis tersebut. Hasil dari inisialisasi jenis usaha tersebut dapat dilihat pada tabel 4. 10

5 Tabel 4. Inisialisasi Jenis Usaha Rumah Tinggal Ruko Toko Modern Restoran Kos kosan 83 5 Toko 73 6 Gudang dan 68 7 industri Industri 59 8 Kantor 59 9 Gudang Gudang dan Rumah usaha Rumah tinggal dan toko Rumah tinggal dan Rumah tinggal dan kos kosan Hotel Home industri Minimarket Sekolah Klinik Guest house Bengkel Toko dan Salon Kantor bank Showroom Peran 8 27 Restoran dan kafe 8 28 Rumah tinggal 8 29 dan tempat usaha Katering 7 30 Toko dan 7 31 Rumah sakit 7 32 Apartemen 7 33 Karaoke keluarga 7 34 Kafe dan 7 35 Poliklinik 7 36 Gudang dan 6 37 industri dan Rumah tinggal 6 38 dan Rukan 6 39 Kafe 6 40 Panti pijat 6 41 Apotik 5 42 Tempat usaha 5 43 Peran 5 44 Percetakan 5 45 Parkir 5 46 Laboratorium dan klinik 5 47 Rumah tinggal 5 48 dan Kos kosan dan 4 49 rumah tinggal Toko dan 4 50 Rumah tinggal 4 51 dan Peran dan 4 52 industri Depot 4 53 Menara 4 54 telekomunikasi Gedung olah raga 4 55 futsal Panti asuhan 4 56 Pasar 4 57 Restoran dan toko 4 58 Rumah 4 59 Toko dan 4 60 Toko dan bengkel 4 61 Toko dan depo air 4 62 minum isi ulang Toko dan depot 4 63 Fitnes 3 64 Salon dan spa 3 65 Rumah tinggal 3 66 dan laundry Laundry 3 67 Rumah tinggal 3 68 dan salon Klinik utama 3 69 Kantor dan toko 3 70 Kafe dan salon 3 71 Losmen 3 72 Rumah tinggal 3 73 dan usaha Gedung pendidikan 3 74 Non rumah tinggal 3 75 Mix use atau 3 76 supermarket bahan bangunan dan peran dan apartement Toko swalayan 3 77 Toko roti dan 3 78 pembuatan roti Rumah tinggal 3 79 dan Workshop 3 80 Restoran dan

6 Workshop dan 3 82 Restoran dan 2 83 rumah tinggal Depot atau 2 84 Workshop dan 2 85 percetakan Rusunami atau 2 86 apartemen Pijat tradisional 2 87 Pijat refleksi 2 88 Perumahan 2 89 Perdagangan dan 2 90 jasa Lembaga 2 91 pendidikan Parkir dan 2 92 Klinik gigi 2 93 Karaoke keluarga dan 2 94 Karaoke dan 2 95 Kantor dan 2 96 showroom Kantor dan depot 2 97 Kantor dan 2 98 industri Industri dan 2 99 bengkel dan Kafe dan dan kos kosan Perdagangan dan jasa Ruko atau rukan Tempat usaha Tempat hiburan dan tempat usaha Hotel dan Tempat tinggal dan toko dan dan kafe dan Jasa pengiriman ekpedisi Karaoke Gudang dan pengelolaan dan pengemasan Ruko dan kos kosan Gudang dan pengemasan Klinik hewan Fasilitas umum Asrama Komplek ruko Fasum pendidikan Rumah tinggal dan industri Bengkel dan showroom Bengkel dan Klinik pratama Pujasera Pub dan bar dan penjualan minuman beralkohol Salon dan butik kantin Rumah tinggal dan bengkel Bengkel dan Rumah tinggal dan tempat usaha pra percetakan Salon dan kafe Showroom dan bengkel sepeda motor Showroom dan hotel Showroom dan sebagai kelengkapan Showroom Salon dan Rumah tinggal dan biro perjalanan wisata umroh dan haji Salon mobil dan billyard dan dan bar Sarana pelayanan kesehatan berupa Sarana pengobatan klinik Rumah tinggal dan cuci mobil 12

7 dan acessoris dan kafe Toko tempat penyimpanan barang Butik dan salon dan rumah tinggal Warung Wedding service Rumah usaha dan Workshop dan bengkel dan dan Workshop dan RUMAH TOKO BENGKEL DAN KANTOR Rumah tinggal dan terbuka Rumah tinggal dan home industri Rumah tinggal dan depot Ruko dan minimarket dan Ruko dan Ruko dan tempat tinggal Ruko dan tempat usaha kesehatan Kondominium Konveksi Klinik utama brain Komplek pertokoan Klinik pratama dan laboratorium Klinik pratama dan sarana penunjang beserta Tempat usaha atau Tempat usaha dan dan Tempat usaha dan Tempat usaha dan workshop Tempat usaha kesehatan Tempat usaha konfeksi Klinik rawat inap Ruko dan Klinik umum Klinik umum dan Bengkel dan rumah tinggal Bengkel mobil Bengkel mobil dan Bengkel motor Budidaya ikan hias Air isi ulang dan industri Sentra pkl Klinik kesehatan Karaoke dewasa dan dan kafe Rumah tinggal dan toko dan kos kosan Tempat tinggal dan toko dan Tempat tinggal dan toko dan sebagai kelengkapannya Tempat hiburan malam dan karaoke dan bar dan nightklub Tempat ibadah Tempat kos kosan Tempat parkir dan ballroom Software house Spbu dan dan toko Superblock apartemen Supermarket Swalayan Tempat hiburan dan karaoke Tempat bilyard dan karaoke Tempat hiburan Tempat hiburan dan bilyard dan kafe dan Rumah dinas

8 Rumah industri Sablon Restoran dan karaoke dan kelab malam dan bar Rukan dan Rumah tingggal dan kos kosan Ruang pamer keramik Restoran dan pub Restoran dan pub dan karaoke dan bar dan kafe Restoran dan atau kafe Kos kosan dan ruko Kos kosan dan toko Bengkel dan garasi dan pengangkutan dan Bengkel dan workshop dan Rumah tinggal dan usaha toko bangunan Rumah tinggal dan usaha dan workshop Rumah tinggal dan warung Apartemen dan dan sarana olah raga dan commercial area Rumah tinggal dan toko dan depot dan Rumah tinggal dan toko dan Rumah tinggal dan toko dan Rumah tinggal dan dan showroom dan workshop Rumah tinggal dan katering dan persewaan tenda Rumah tinggal dan klinik Rumah tinggal dan klinik dan spa dan klinik Rumah tinggal dan klinik dan rumah bersalin dan optik dan dan laboratorium Rumah tinggal dan klinik dokter gigi Apartement dan hotel Rumah tinggal dan kos kosan dan dan salon Rumah tinggal dan laundry Peran dan guest house Peran dan industri dan peran Peran dan showroom Pertokoan dan salon dan karaoke dan ruang serbaguna dan Bilyard Bilyard dan karaoke dan bar dan kafe dan pub dan dan peran dan pertokoan Billyard dan dan karaoke Pijat refleksi dan kafe Pijat refleksi dan salon dan spa Apotik dan klinik kesehatan Parkir gereja dan gedung sekolah minggu atau paud kristen dan pastori Perdagangan dan jasa komersial

9 Jenis Usaha Perdagangan dan toko dan dan Freku Inisial Bar dan Barber shop dan bauty salon dan massage Percetakan dan penjilidan Cuci mobil Cuci mobil dan bengkel mobil Cuci mobil dan motor Dapur untuk prasarana sekolah Depo air minum isi ulang Peran dan Mushola Universitas Non rumah tinggal Masjid Mess dan toko dan Pabrik limbah Pengadaan barang cetakan Penjualan alat tulis Penjualan alat tulis dan elektronik Perdagangan dan toko dan dan Perdagangan dan jasa komersial Perdagangan dan toko dan dan Penumpukan kayu Depot dan pengepakan makanan Depot dan tempat bermain anak Depot dan toko Diskotik dan bar dan kelab malam Fasilitas pendidikan sd dan smp dan pesantren Klinik kesehatan dan laboratorium Jenis Usaha Freku Inisial dan klinik dan Fasilitas umum kesehatan dan Garmen Gedung dinas tenaga kerja Gedung olah raga futsal Gedung pendidikan dan pelatihan Gedung pertemuan dan olah raga Gedung sekolah sd dan smp Gedung serbaguna Gudang dan workshop Gudang atau servis mesin Gudang dan bengkel Gudang dan terbuka Gudang dan pembuatan plastik Gudang dan pengisian elpiji dan Gudang dan percetakan Gudang transit Hotel backpacker Hotel dan apartement dan peran dan sarana dan olah raga dan Hotel dan peran dan apartemen Hotel dan peran dan Jasa penyiaran radio dan Kafe dan bar Kafe dan Kafe dan persewaan meeting room dan photo copy Kafe dan pub dan

10 bar dan dan karaoke Kafe dan pujasera Kafe dan dan bar Kafe dan dan kelab malam dan bar Kafe dan dan studio foto Kafe dan rumah tinggal Kafe dan rumah tinggal dan toko dan Kafe dan toko roti Kafe mix Kafe dan eatery Kantor dan Kantor dan hotel Kantor dan industri barang perhiasan Kantor dan kafe Kantor dan kerajinan Kantor dan kos kosan Kantor dan pabrik Kantor dan pengelasan tangki Kantor dan penyimpanan barang Kantor dan Kantor dan rumah toko Kantor dan rumah tinggal Kantor dan tempat usaha dan workshop Klinik bersalin Klinik dan laboratorium dan Klinik dan rawat inap Klinik dan salon Katering atau jasa boga Katering dan dan butik Keagenan dan biro Jenis Usaha perjalanan Kantor dan toko dan dan kafe Freku Inisial Kantor dan travel Kantor dan workshop Kantor dan dan industri Kantor dan hotel Kantor jasa pariwisata dan penyelenggara dan pertunjukan pariwisata dan pengurusan dokumen Kantor laboratorium Kantor penempatan kendaraan / garasi bus dan reparasi Toko roti dan usaha pembuatan roti Karaoke dan bar Karaoke dan pub dan bar Karaoke dan pub dan bar dan kafe dan dan rumah toko Karaoke dan pub dan bar dan kafe dan Karaoke dan pub dan bar dan Karaoke dan dan bar Karaoke dan dan pub dan bar dan peran dan pertokoan Karaoke dewasa Klinik dan spa dan salon Pondok pesantren mahasiswa Praktek dokter Praktek dokter dan Praktek dokter

11 Jenis Usaha gigi dan kos kosan Pub dan bar dan kafe dan dan diskotik dan ruko Freku Inisial Restoran dan kafe Restoran atau depot Restoran atau bangunan komersial Restoran dan butik Restoran dan butik dan photo studio Restoran dan butik dan toko Restoran dan gedung serbaguna Restoran dan industri dan tempat tinggal Restoran dan kafe dan bar dan karaoke dewasa dan penginapan dan sarana olah raga dan bilyard dan klub malam Restoran dan kafe dewasa Toko dan dan industri kecil Toko dan dan workshop Toko dan jasa pemotongan dan dan Toko dan kafe dan Toko dan kafe dan pembuatan roti Toko dan dan Toko dan dan dan kafe Toko dan pembuatan roti Toko dan pengolahan Toko dan peralatan Toko dan dan Toko dan dan kursus Jenis Usaha Freku Inisial pendidikan dan salon Toko dan showroom mebel Toko modern dan dan gedung serbaguna Toko modern dan khursus pendidikan Toko modern dan dan gedung serbaguna Setelah semua data paket peijinan ditransformasi ke dalam bentuk angka, maka data-data tersebut telah dapat dikelompokan dengan menggunakan algoritma K-Means Clustering. Perhitungan jarak digunakan Metode Eucledian Distance dan Manhattan distance sebagai pembanding. Penyajian data dalam bentuk spasial dapat dilihat pada gambar 4. Penyajian data dalam bentuk spasial memudahkan stake holder melihat data sehingga dapat dijadikan dasar untuk mengambil keputusan. Gambar 4.Peta distribusi paket perijinan Kota Surabaya V. TINJAUAN PUSTAKA Clustering dengan menggunakan metode K-Means dapat digunakan untuk melihat distribusi paket perijinan di Kota Surabaya. Data disajikan dalam bentuk aplikasi data spasial untuk memudahkan stake holder untuk mengambil keputusan yang tepat Saran untuk penelitian berikutnya adalah dengan menambahkan fitur lain seperti lebar jalan. Karena perijinan paket umumnya digunakan oleh usaha yang membutuhkan lahan parkir maupun lebar jalan yang cukup besar. REFERENCES [1] Ong, Johan O Implementasi Algoritma K-Means clustering Untuk Menentukan Strategi Marketing President University. Jurnal Ilmiah Teknik Industri, Vol. 12, No. 1, Juni

12 [2] Santosa, B Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu [3] Agusta, Y K-Means - Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika Vol. 3 (Februari 2007): [4] Ian H. Witten, frank Eibe, and Mark A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3 rd ed., Asma Stephan and Burlington, Eds. United States of America: Morgan Kaufmann, 2011 [5] Aradea, Satriyo A., Ariyan, Z., Yuliana,A Penerapan Decision Tree untuk penentuan pola data Penerimaan Mahasiswa Baru. Jurnal Penelitian Sitrotika Vol 7 No 1. Universitas Diponegoro, Semarang. [6] Yuhefizar, Budi Santosa, I Ketut Eddy P, Yoyon K Suprapto Combination of Cluster Method for Segmentation of Web Visitors. Jurnal TELKOMNIKA Vol 11 No 1, Maret