BAB II LANDASAN TEORI. tugas akhir dengan judul sistem pendukung keputusan pengalokasian daerah

dokumen-dokumen yang mirip
BAB I PENDAHULUAN. di Indonesia yang bersifat multidimensi, multisektor dengan beragam

BAB II KAJIAN PUSTAKA A. Sistem Pendukung Keputusan Decision support system atau sistem penunjang keputusan disingkat menjadi DSS, secara umum

Bab 2 Tinjauan Pustaka

BAB 2 LANDASAN TEORI

BAB II TINJAUAN PUSTAKA

METODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami

BAB 2 TINJAUAN PUSTAKA

Decision Support System (DSS)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI. yang terdiri dari komponen-komponen atau sub sistem yang berorientasi untuk

BAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang

BAB II TINJAUAN PUSTAKA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS CLUSTER DENGAN METODE K-MEANS (TEORI DAN CONTOH STUDY KASUS)

Pemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP).

BAB III K-MEDIANS CLUSTERING

BAB II KAJIAN TEORI. linier, varian dan simpangan baku, standarisasi data, koefisien korelasi, matriks

Pertemuan 5. Pemodelan Sistem Penunjang Keputusan (DSS) Dengan Analytic Hierarchical Proces (AHP).

PEMERINTAH PROVINSI MALUKU

SISTEM PENDUKUNG KEPUTUSAN PENGAJUAN KREDIT DENGAN METODE SAW PADA KJKS AR RAHMAH. Ervin Fightorini 1, Bowo Nurhadiono 2

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Pengenalan Pola. K-Means Clustering

BAB 2 LANDASAN TEORI

BAB II TINJAUAN PUSTAKA Sistem Pendukung Keputusan

Analisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster

BAB III KERANGKA PEMIKIRAN

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Cluster Analysis. Hery Tri Sutanto. Jurusan Matematika MIPA UNESA. Abstrak

Kata kunci: Cluster, Knowledge Discovery in Database, Algoritma K-Means,

BAB II LANDASAN TEORI

Analisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016

BAB I PENDAHULUAN. Hilir tahun adalah Indragiri Hilir berjaya dan gemilang Pada

BAB II LANDASAN TEORI 2.1. Sistem Pendukung keputusan Pengertian keputusan Keputusan adalah suatu reaksi terhadap beberapa solusi alternative

BAB X ANALISIS SISTEM PENDUKUNG KEPUTUSAN (SPK) SEMI TERSTRUKTUR

Perencanaan Strategis Pengendalian Manaajemen Pengendalian Operasi

BAB 2 LANDASAN TEORI

I R A P R A S E T Y A N I N G R U M

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis

MANAGEMENT SUPPORT SYSTEM (MSS)

BAB I PENDAHULUAN. masyarakat Indonesia tidak bisa memenuhi kebutuhan hidupnya. berbagai aspek kehidupan masyarakat, dan dilaksanakan secara terpadu.

BAB 2 TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

Semester Ganjil 2014 Fak. Teknik Jurusan Teknik Informatika Universitas Pasundan. Caca E. Supriana, S.Si.,MT.

BAB II LANDASAN TEORI. Menurut Pujawan dan Erawan (2010) memilih supplier merupakan

LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING

BAB 2 TINJAUAN PUSTAKA

BAB II. KAJIAN PUSTAKA. A. Sistem Pendukung Keputusan/ Decision Support System (DSS)

INTRO Metode AHP dikembangkan oleh Saaty dan dipergunakan untuk menyelesaikan permasalahan yang komplek dimana data dan informasi statistik dari masal

KLASTERISASI PROSES SELEKSI PEMAIN MENGGUNAKAN ALGORITMA K-MEANS

BAB II TINJAUAN PUSTAKA

3. METODE PENELITIAN 3.1 Kerangka Pemikiran

BAB 2 LANDASAN TEORI

Modul ke: CHAPTER 12 ENHANCING DECISION MAKING. Fakultas. Dr. Istianingsih. Ekonomi Dan Bisnis. Program Studi Magister Akuntansi.

PENDEKATAN MODEL OBJECTIVE MATRIX-AHP UNTUK PENGAMBILAN KEPUTUSAN PENILAIAN KINERJA PELAYANAN PADA KANTOR KELURAHAN

Strategi Organisasi, Struktur Proyek, Budaya Proyek

IMPLEMENTASI SISTEM REKOMENDASIAN PENERIMAAN BEASISWA DENGAN MENGGUNAKAN FMADM

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

PENERAPAN METODE TOPSIS UNTUK MENDUKUNG PROGRAM BANTUAN PERUMAHAN RAKYAT

BAB 1 PENDAHULUAN. Krisis ekonomi yang muncul sebagai dampak dari krisis moneter dan

BAB 2 LANDASAN TEORI

SISTEM PENUNJANG KEPUTUSAN PENERIMAAN BEASISWA MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (STUDI KASUS PENERIMAAN BEASISWA DI SMP N 5 PRINGSEWU)

DECISION SUPPORT SYSTEM (DSS) 2005 PRENTICE HALL, DECISION SUPPORT SYSTEMS AND INTELLIGENT SYSTEMS, 7TH EDITION, TURBAN, ARONSON, AND LIANG

STRATEGIC OF HUMAN RESOURCE MANAGEMENT

Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Menggunakan Metode AHP

kapabilitas komputer untuk meningkatkan kualitas keputusan.

BAB V KESIMPULAN DAN SARAN. pengaruh variabel-variabel dalam model TQM dengan kualitas kinerja.

IV METODE PENELITIAN Metode Pengumpulan Data Metode pengumpulan data yang digunakan untuk memperkuat dan mendukung analisis penelitian adalah:

BAB 2 TINJAUAN PUSTAKA

III. METODOLOGI KAJIAN

LEMBARAN DAERAH KABUPATEN GUNUNGKIDUL (Berita Resmi Pemerintah Kabupaten Gunungkidul) Nomor : 2 Tahun : 2015

BAB IV HASIL DAN PEMBAHASAN. A. Kontribusi Usaha Mikro Kecil dan Menengah (UMKM) terhadap. 1. Peran UMKM terhadap Perekonomian di Indonesia

Konsep Dasar Sistem Pendukung Keputusan (SPK)

BAB III LANDASAN TEORI. Kata perpustakaan berasal dari kata pustaka, yang berarti: kitab,bukubuku,

I. PENDAHULUAN. Kabupaten Karawang yang sejahtera, tertib, aman dan bersih yang menjadi

SISTEM INFORMASI PENDUKUNG KEPUTUSAN

SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PERANGKAT KANTOR DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DI BAPENDA PROVINSI JAWA BARAT

BAB IV ANALISIS DAN PERANCANGAN

1 Array dan Tipe Data Bentukan

PENERAPAN AHP SEBAGAI MODEL SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN RUMAH BERSALIN CONTOH KASUS KOTA PANGKALPINANG

BAB 2 LANDASAN TEORI

BAB 2 TINJAUAN PUSTAKA

CLUSTERING KARYAWAN BERDASARKAN KINERJA DENGAN MENGGUNAKAN LOGIKA FUZZY C-MEAN

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PERGURUAN TINGGI UNTUK SISWA YANG MELANJUTKAN KULIAH PADA SMA N 1 TEGAL

SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN KREDIT SEPEDA MOTOR UNTUK KONSUMEN PT.FIF CABANG MEDAN MENGGUNAKAN METODE ANALYTIC HIERARCHI PROCESS (AHP)

III METODE PENELITIAN. Daerah penelitian adalah wilayah pesisir di Kecamatan Punduh Pidada,

BAB III K-MEANS CLUSTERING. Analisis klaster merupakan salah satu teknik multivariat metode

BAB 2 LANDASAN TEORI

P3 Masalah & Keputusan. A. Sidiq P. Program Studi Teknik Informatika Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

DECISION SUPPORT SYSTEMS

BAB V VISI, MISI, TUJUAN DAN SASARAN

BAB 2 TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA. berbagai alternatif untuk mencapai suatu tujuan atau beberapa tujuan. untuk membangun rencana kedepan. (Turban dkk.

Jurnal SISFO Vol. 7, No.1, Februari 2013 STIKOM Dinamika Bangsa - Jambi 1

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI

III KERANGKA PEMIKIRAN

BAB 2 LANDASAN TEORI

Transkripsi:

6 BAB II LANDASAN TEORI Bab ini menguraikan teori-teori yang digunakan dalam penyusunan tugas akhir dengan judul sistem pendukung keputusan pengalokasian daerah Gerakan Terpadu Pengentasan Kemiskinan (GERDU TASKIN) di beberapa kecamatan di kabupaten Bondowoso. 2.1 Kemiskinan Inti dari kemiskinan adalah dengan pendekatan rumah tangga yang mengacu kepada ketidakmampuan rumah tangga dalam memenuhi kebutuhan minimum. Kemiskinan merupakan salah satu masalah serius yang sedang dihadapi di Indonesia yang bersifat multidimensi, multisektor dengan beragam karakteristiknya sesuai kondisi spesifik wilayah dan sampai saat ini masih merupakan masalah utama yang harus segera diatasi karena menyangkut harkat dan martabat manusia dan bangsa sehingga merupakan salah satu kendala yang mendasar untuk lebih meningkatkan Indeks Pembangunan Manusia di suatu daerah. 2.2 Gerdu Taskin Gerakan Terpadu Pengentasan Kemiskinan atau GERDU TASKIN adalah program terpadu dalam mempercepat penanggulangan kemiskinan. Kebijakan ini diprogramkan karena masih besarnya angka kemiskinan, dimana berdasarkan hasil pendataan Badan Pusat Statistik (BPS) dengan menggunakan

7 kriteria desa berdasarkan hasil pendataan kemiskinan dengan indikator baru yang dilakukan oleh BPS Jawa Timur Tahun 2001, yang ada pada setiap Kabupaten. Dengan visi mewujudkan kemandirian bagi orang miskin, maka proses kegiatan Gerdu Taskin diarahkan pada : (i) peningkatan peran serta aktif dengan memberikan kepercayaan kepada masyarakat untuk menentukan sendiri kebutuhannya, merencanakan dan mengambil keputusan secara terbuka dan penuh tanggung jawab, (ii) membangun keswadayaan masyarakat dalam rangka peningkatan taraf hidupnya, sehingga mampu mengelola pembangunan di desa secara mandiri dan berkesinambungan, serta (iii) mewujudkan sinergi peran dinas/instansi sektoral dan pelaku pembangunan lainnya, seperti LSM, Perguruan tinggi, Swasta, Organisasi kemasyarakatan dan sebagainya, dalam memberikan fasilitas yang mendukung dan melengkapi program yang diputuskan oleh masyarakat. LSM dan perguruan tinggi bersama-sama untuk menentukan kriteria orang miskin sehingga program kemiskinan yang dilakukan dapat tepat pada sasarannya. 2.3 Teori Pengambilan Keputusan Pengambilan keputusan secara universal didefinisikan sebagai pemilihan diantara berbagai alternatif (Reksodihardjo, 1992). Pengertian ini mencakup pembuatan pilihan maupun pemecahan masalah. Pengambilan keputusan, sebagai bagian kunci kegiatan manajer merupakan proses melalui serangkaian kegiatan dipilih, dimana hal ini mencerminkan alternatif tindakan terbaik bagi penyelesaian masalah.

8 2.3.1 Jenis-jenis Keputusan Menurut Turban (1995), ada berbagai jenis/tipe keputusan, diantaranya adalah : 1. Berdasarkan model keputusannya, jenis keputusan terdiri dari : - Keputusan yang terstruktur Keputusan yang terstruktur adalah keputusan untuk jenis permasalahan yang memiliki sifat berulang untuk suatu periode tertentu dan telah memiliki suatu pola tertentu. - Keputusan ynag tidak terstruktur Keputusan yang tidak terstuktur adalah jenis keputusan untuk mengatasi permasalahan yang belum pernah terjadi sebelumnya. Umumnya bersifat trial-error. - Keputusan semi-terstruktur Keputusan semi terstruktur adalah merupakan gabungan dari kedua jenis keputusan diatas. 2. Berdasarkan level manajerial, jenis keputusan terbagi atas : - Keputusan strategis (strategic decision) Para pengambil keputusan adalah manajemen tingkat puncak (topmanager) atau high-level managerial. Keputusan yang diambil memiliki dampak menyeluruh/global untuk perusahaan. Keputusan yang diambil memiliki rentang waktu untuk jangka panjang. - Keputusan taktis (tactical decision/management control decision) Para pengambil keputusan melibatkan manajemen tingkat menengah (middle-manager). Keputusan yang diambil mencakup sebagian unit

9 organisasi perusahaan. Keputusan yang diambil untuk rentang waktu jangka menengah. Keputusan yang diambil merupakan implementasi dari keputusan strategis. - Keputusan operasional (operational decision) Para pengambil keputusannya merupakan manajemen tingkat lini (lowlevel managerial). Keputusan yang diambil menjangkau aktivitas operasional dan terkait dengan keputusan strategis dan taktis. Dampak yang dihasilkan sangat terbatas. 2.3.2 Tahapan keputusan Menurut Simon (1960), ada beberapa tahapan yang dilalui dalam proses pengambilan keputusan : 1. Tahapan intelijen Merupakan tahapan untuk melakukan formulasi dan identifikasi permasalahan. Indikasi permasalahan terletak pada perbedaan antara target yang ingin dicapai dengan hasil yang dicapai (kinerja/produktivitas). Proses identifikasi permasalahan dalam hal ini meliputi : - mengklasifikasikan permasalahan yang ada - mendekomposisikan permasalahan yang ada sehingga menjadi lebih mudah untuk dipahami - menentukan pihak-pihak mana saja yang terkait dengan permasalahan tersebut.

10 2. Tahapan desain Pada tahapan desain, proses yang dilakukan adalah melakukan analisa atas identifikasi permasalahan yang telah dibuat sebelumnya serta menyusun berbagai alternatif solusi yang bisa diambil. Proses analisa permasalahan menggunakan model untuk merepresentasikan permasalahan yang ada baik secara kuantitatif maupun kualitatif, menguji model yang telah dibuat dengan menghitung output/hasil dari tiap-tiap alternative solusi yang muncul serta mempertimbangkan faktor resiko yang menyertai masing-masing alternatif solusi yang ditawarkan. 3. Tahapan pemilihan Pada tahap ini yang dilakukan adalah melakukan pemilihan atas berbagai alternatif solusi yang tersedia dengan disertai evaluasi dari berbagai model yang telah diujikan pada tahap sebelumnya. 4. Tahapan implementasi Tahapan implementasi merupakan tahapan untuk merealisasikan alternatif solusi yang telah dipilih pada tahap sebelumnya untuk mencapai target yang diinginkan. Berbagai kendala yang muncul pada tahap ini adalah resistansi terhadap perubahan yang terjadi, komitmen dan dukungan dari pimpinan perusahaan, pelatihan pengguna/operator apabila ada metode baru yang harus dilakukan serta untuk mensosialisasikan kebijakan yang diambil, termasuk didalam tahap ini adalah menentukan tingkat keberhasilan dari model yang diambil.

11 2.4 Teori Sistem Pendukung Keputusan Sistem pendukung keputusan (SPK) didefinisikan sebagai sistem informasi berbasis computer yang digunakan untuk mendukung proses pengambilan (Turban, 1995). 2.4.1 Karakteristik Sistem Pendukung Keputusan SPK antara lain memiliki karakteristik antara lain : 1. digunakan untuk menyelesaikan permasalahan semi-terstruktur hingga tidak terstruktur 2. digunakan oleh berbagai level manajemeni 3. digunakan oleh kelompok dan individu 4. memiliki tingkat adaptasi dan fleksibilitas yang tinggi 5. memiliki kemudahan dalam penggunaan 6. memodelkan suatu permasalahan 7. didukung oleh pengetahuan 2.4.2 Manfaat penggunaan Sistem Pendukung Keputusan SPK memiliki kemampuan untuk mendukung pemecahan masalah mulai dari yang sederhana sampai dengan yang paling kompleks. 1. SPK memiliki respon yang sangat cepat dalam menghadapi situasi yang tidak diharapkan pada kondisi manajemen yang sering berubah-ubah. SPK mampu melakukan perhitungan dan analisis data kuntitatif atau kualitatif dalam waktu singkat.

12 2. SPK memiliki kemampuan untuk melakukan percobaan penentuan berbagai kebijakan dengan konfigurasi yang berbeda-beda secara cepat dan obyektif. 3. SPK memiliki wawasan dan pengetahuan yang baru. Pengguna SPK mampu menambah wawasan yang dimiliki dengan mempelajari model-model yang ada. Pengetahuan yang dimiliki oleh SPK mampu membantu para manajer dan karyawan yang belum berpengalaman sekali pun dalam proses pembelajaran. 4. SPK memfasilitasi proses komunikasi. Data yang dikumpulkan dan modelmodel yang telah dibuat memberikan manfaat yang besar sehingga memudahkan komunikasi antar manajer. Proses pengambilan keputusan pun menjadikan karyawan menjadi lebih percaya kepada perusahaan sehingga mampu meningkatkan kinerja tim. 5. SPK meningkatkan pengawasan dan kinerja perusahaan. SPK mampu meningkatkan pengawasan terhadap manajemen perusahaan akan biaya/pengeluaran perusahaan dan meningkatkan kinerja dari perusahaan. 6. SPK mampu mengurangi biaya. Aplikai yang umum dijalankan dalam SPK ditujukan untuk mengurangi biaya atau untuk mengeleminasi (membatasi) biaya yang harus ditanggung perusahaan karena adanya kesalahan dalam pengambilan keputusan. 7. Keputusan yang dikeluarkan oleh SPK bersifat obyektif. Keputusan yang dibuat oleh SPK lebih bersifat konsisten dan obyektif dibandingkan dengan keputusan yang diambil secara intuitif. 8. SPK mampu meningkatkan keefektifan manajerial, memudahkan manajer untuk memperbaharui kebijakan dalam waktu singkat dan dengan resiko yang sekecil mungkin. SPK mendukung manajer sehingga mampu menggunakan

13 waktu yang lebih singkat untuk melakukan proses analisa, perencanaan dan implementasi. 9. SPK meningkatkan produktifitas dari analisa yang dilakukan. 2.5 Metode Pengelompokan Non Hierarki (metode K-means) Metode Pengelompokan yang banyaknya kelompok yang akan muncul dari pengamatan ditentukan terlebih dahulu. Metode ini dikenal sebagai metode K-Means yang bertujuan mengelompokan seluruh obyek (observasi) ke dalam k kelompok (k<n), dimana banyaknya kelompok yang akan dipilih ditentukan sebelumnya. Metode pengelompokan ini cocok untuk data multivariat yang berukuran besar (banyaknya sampel/observasi besar). Mengelompokkan sekumpulan data yang diukur dari beberapa variable, analisis statistik yang digunakan adalah analisis kelompok. Dengan analisa ini data yang terbagi dalam kelompok-kelompok yang sifatnya homogen antar anggota kelompok, sedang obyek antar kelompok mempunyai sifat yang relatif berbeda (Karson, 1982). Pengelompokkan individu berdasarkan ukuran keserupaan yang biasanya ditunjukkan oleh ukuran jarak. Jika ada n obyek dengan p variable, maka sebelum dilakukan pengelompokkan, terlebih dahulu ditentukan ukuran kedekatan sifat antar obyek. Ukuran yang biasa digunakan sebagai interpretasi kedekatan jarak antara dua obyek adalah jarak Euclid (Euclidean distance). Jarak Euclid antara X = [X 1, X 2, X P ] dan Y = [Y 1, Y 2,...Y P ] adalah : D = 2 ( X Y ) + ( X Y ) 2 + + ( X Y ) 2 2 ( X, Y ) 1 1 2 2... p p ' ' = ( X Y ) ( X Y ) = ( Y X ) ( Y X )

14 Semakin besar nilai D akan semakin jauh tingkat keserupaan antara kedua individu dan sebaliknya jika nilai D semakin kecil maka akan semakin dekat tingkat keserupaan antar kedua individu tersebut. Langkah-langkah metode K-means (dari Mac Queen) : 1. Partisi n obyek ke dalam k kelompok secara sembarang dan hitung centroidnya (mean) untuk masing-masing kelompok. 2. Hitung kuadrat jarak euclid (d 2 E) masing-masing obyek terhadap centroid k kelompok yang diberikan. Kemudian kelompokkan obyek-obyek tersebut ke dalam kelompok yang mempunyai d 2 E terkecil. 3. Hitung centroid baru dari masing-masing kelompok, lalu kembali ke langkah 2, sampai hasilnya konvergen. Metode K-Means akan mengelompokkan obyek sedemikian hingga jarak tiap-tiap obyek ke pusat kelompok dalam satu kelompok adalah minimum. Adapun prosedur K-Means secara lengkap adalah sebagai berikut : 1. Menyusun matrik nxp dari hasil pengukuran n obyek dalam p variabel yang dinotasikan dengan A(i,j), dimana i = 1,2,...,n dan j = 1,2,...p Matrik Awal 1 2 j 1 a 11 a 12.. a 1j 2 a 21 a 22.. a 2j A (i x j) = : : : ; ; ; i a 1j a 2j.. a ij Gambar 2.1 Matrik Awal A (i x j) 2. Menentukan besarnya K kelompok yang dibentuk

15 3. Melakukan proses penyekatan untuk mengolokasikan tiap obyek dari n obyek ke dalam salah satu kelompok dari kelompok 1,2,...,K. Penyekatan ini dinotasikan P(n,K). Langkah-langkah penyekatan adalah sebagai berikut : 1. Menentukan kelompok awal dengan memasukkan obyek ke-i ke dalam kelompok ke-l, dengan rumus : l = K[ sum( i) min] + 1 max min dimana : K = jumlah kelompok yang dikehendaki Sum(i) = penjumlahan elemen baris ke-i dari matriks nxp = A(i,1) + A(i,2) +...+ A(i,p) max min = nilai max dari sum(i), untuk semua i = 1,2, n = nilai min dari sum(i), untuk semua i = 1,2, n 2. Menghitung B(l,j), yaitu rata-rata dari variabel ke-j pada semua obyek dalam kelompok ke-l dan menyusun matriks lxj 3. Menghitung jarak Euclidean antara obyek ke-i dan kelompok ke-l dengan rumus jarak : D p 2 ( i, l) = [ A( i, j) B( l, j)] j= 1 1/ 2 dimana : D(i,l) = jarak antara obyek ke-i dan kelompok ke-l A(i,j) = elemen baris ke-i kolom ke-j dari matriks nxp i = 1,2,...n dan j = 1,2,...p 4. Menghitung kesalahan penyekatan :

16 ( n, K )] = D[ i, l( i) ] 2 E [ P dimana : n i= 1 E[P(n,K)] l(i) D[(i,l(i)] = kesalahan dari penyekatan n obyek ke dalam K kelompok = kelompok dimana obyek ke-i berada = jarak Euclidean antara obyek ke-i dan kelompok dimana obyek ke-i berada. 5. Memeriksa apakah perpindahan obyek ke-i dari kelompok saat ini ke kelompok baru akan menghasilkan pengurangan kesalahan penyekatan. Perubahan kesalahan penyekatan saat ini [l(i)] ke kelompok yang baru dinyatakan sebagai R l(i),l. Perubahan kesalahan penyekatan saat ini [l(i)] ke kelompok yang baru R l ( i ), l = n( l) D( i, l) n( l) + l 2 n[ l( i)] D[ i, l( i)] n[ l( i)] 1 2 dimana : R l i ), l ( = Perubahan kesalahan penyekatan dari kelompok saat ini [l(i)] ke kelompok baru l n[l(i)] n(l) = jumlah obyek yang berada dalam kelompok saat ini [l(i)] = jumlah obyek yang berada dalam kelompok baru (l) Bila R l i ), l ( > 0, maka perpindahan obyek ke-i dari kelompok saat ini ke kelompok baru tidak memperkecil kesalahan penyekatan, sehingga obyek tersebut tidak perlu dipindahkan dari kelompoknya saat ini.

17 Bila R l i ), l ( < 0, maka perpindahan obyek ke-i dari kelompok saat ini ke kelompok baru akan memperkecil kesalahan penyekatan, sehingga obyek harus dipindahkan dari kelompok saat ini ke kelompok yang baru. 6. Menghitung nilai B(l,j) yang baru dan menyusun matriks lxj yang baru. Selanjutnya kembali ke langkah 3,4,5 demikian seterusnya sampai tidak ada lagi perpindahan obyek yang bisa menghasilkan pengurangan kesalahan penyekatan. 2.6 Sistem Informasi Geografis Sistem informasi yang dipilih pada data-data geografis (permukaan bumi). Satu set prosess dengan mengeksekusi data-data untuk menghasilkan informasi yang akan berguna untuk memecahkan masalah-masalah untuk memanajemen pengunaan tanah, resource-resource atau beberapa aktivitas yang didistribusikan secara fenomena. Mengolah data-data geografis, untuk menggumpulkan, menyimpan, membaca, metranformasikan dan menvisualisasi, sistem pendukung keputusan.