P. 1
Interaksi Hypermarket dan Pasaran - Aplikasi Model Graviti dan Sistem Maklumat Geografi (GIS) (Tesis)

Interaksi Hypermarket dan Pasaran - Aplikasi Model Graviti dan Sistem Maklumat Geografi (GIS) (Tesis)

|Views: 1,377|Likes:
Published by JamalAimiJamaludin

More info:

Published by: JamalAimiJamaludin on Mar 02, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/07/2014

pdf

text

original

Sections

Berdasarkan analisis yang telah dijalankan, didapati bahawa bagi hypermarket berbeza,
viarasi model graviti yang berbeza menghasilkan ramalan yang paling jitu dengan purata
ralat paling rendah. Keadaan ini mungkin dipengaruhi oleh keadaan fizikal jaringan jalan
raya yang luas dan intensif menghubungkan antara hypermarket dengan tempat asalan
pelanggan Daerah Johor Bahru. Maka tidak penggunaan jarak radius tidak begitu berbeza
dengan jarak sebenar. Malahan bagi penduduk Johor Bahru yang mempunyai taraf
sosio–ekonomi tinggi dan rata-rata mempunyai kenderaan sendiri, faktor jarak mungkin
bukanlah pertimbangan utama mereka dalam memilih tempat membeli-belah, malahan
mungkin faktor cita rasa, suasana, kemudahan, konsep dan jenis barangan yang
ditawarkan lebih mempengaruhi penduduk Johor Bahru.

Namun begitu secara keseluruhannya, didapati bahawa penggunaan model graviti yang
menggunakan pemboleh ubah jarak radius tanpa parameter menghasilkan ramalan yang
paling jitu dengan purata ralat yang paling rendah iaitu hanya sebanyak 3.395.
Penggunaan parameter keatas pemboleh ubah jarak dalam model graviti juga dibuktikan
menjadikan ramalan semakin tidak tepat.Kedapatan outlier juga didapati menjadikan
ramalan semakin tidak jitu. Malahan dapat diperhatikan bahawa tahap kejituan ramalan
model graviti akan meningkat dengan meningkatnya bilangan sampel tempat asalan
pelanggan serta bilangan responden yang disurvei.

Analisis kajian in juga menunjukkan bahawa terdapatnya hubungan secara langsung
antara saiz sesebuah hypermarket dengan luas atau jarak cakupan pasarannya. Lebih

108

besar sesebuah hypermarket, maka lebih pelanggan dari jarak yang lebih jauh akan
datang untuk membeli-belah. Maka penggunaan pemboleh ubah saiz ruang lantai
hypermarket dan bilangan rumah disesuatu kawasan adalah memadai bagi mengukur
kadar interaksi antara pusat membeli-belah dan juga pasarannya. Pengiraan persamaan
serentak pula menunjukkan bahawa nilai pemalar graviti bagi interaksi antara
hypermarket-hypermarket Giant di Johor Bahru dengan kawasan pasaran ialah 1.862 bagi
viarasi model graviti yang menggunakan viarasi model berjarak radius tanpa parameter.

Perbandingan antara hasil ramalan oleh model graviti paling jitu dengan hasil survei oleh
Yuhanis menunjukkan bahawa model graviti menggunakan jarak radius tanpa parameter
telah menunjukkan keputusan yang positif; mampu dan berjaya meramal pecahan
pemilihan tempat berbelanja oleh penduduk di lapan (8) kawasan sekitar Johor Bahru.
Model graviti Berjaya meramalkan tahap keupayaan tarikan atau tahap interaksi bagi
sesebuah hypermarket sama ada lebih besar atau lebih kecil daripada hypermarket
saingannya. Walaubagaimanapun, terdapat sedikit ralat dalam segi kejituan peratus
pecahan penduduk, mungkin disebabkan kajian ini hanya mengambil kira faktor jarak,
saiz hypermarket dan bilangan penduduk di sesuatu kawasan tanpa mengambil kira faktor
kesesakan jalan raya yang perlu dilalui, rutin harian penduduk, dan juga kebiasaan
pengunjung dengan sesebauh hypermarket tersebut.

5.4

Implikasi Penemuan Kajian Pada Perancangan dan Cadangan

Menerusi hasil kajian ini, menunjukkan bahawa model graviti mampu dengan baik dan
jelas menghasilkan ramalan berkaitan interaksi antara hypermarket Giant dan pasaran.
Viarasi model graviti dengan menggunakan jarak euclidean meramalkan dengan tepat
mengenai kemampuan sesebuah hypermarket berbanding hypermarket saingannya dalam
menarik penduduk di sesuatu kawasan perumahan. Sekaligus mengesahkan bahawa para
perancang dan pembiuat keputusan boleh bergantung kepada model graviti bagi meramal
sesuatu perubahan mahupun bagi tujuan memahami sistem interaksi antara pelbagai jenis
gunatanah. Arakian dapat menghasilkan keputusan perancangan dan perancangan yang
lebih berkesan dan baik. Menafikan dakwaan bahawa model graviti menghasilkan

109

ramalan yang tidak jitu. Apa yang penting ialah, penggunaan viarasi pemboleh ubah yang
tepat dan sesuai bagi sesuatu tujuan kajian betul.

Ramalan tahap interaksi oleh model graviti boleh diterjemahkan bagi kegunaan beberapa
perkara dalam bidang perancangan. Contohnya kadar interaksi boleh diterjemah dalam
bentuk isipadu trafik yang mungkin melalui sesuatu laluan andainya terdapat projek
pembangunan baru disesuatu kawasan. Ramalan model graviti akan dapat membantu
perancang meramalkan peningkatan jumlah isipadu sesebuah jalan raya di masa akan
datang, sekaligus bertindak merancang bagi mengatasi masalah kesesakan yang mungkin
timbul. Begitu juga model graviti ini boleh digunakan bagi menentukan sama ada
sesebuah hypermarket baru boleh dibina disesuatu kawasan atau tidak dengan
mengaitkan pembangunan itu dan kesannya terhadap pecahan pasaran dan impak negatif
kepada hypermarket serta kawasan perkedaian sedia ada atau pun digunakan bagi megira
keuntungan yang mungkin dijana oleh hypermarket tersebut.

Model graviti yang telah diukur dalam kajian ini boleh digunakan bagi mengira dan
meramal kadar interaksi antara hypermarket dan pasarannya di masa akan datang.
Sebarang pembinaan dan perletakan hypermarket seharusnya terlebih dahulu dirancang
dengan mengambil kira faktor lokasinya, terutamanya dari segi jarak sesebuah
hypermarket dengan pasaran sedia ada dan pasaran dalam pembinaan serta jaraknya
dengan pesaingnya. Ini kerana melalui kajian ini ditunjukkan mengenai bagaimana Giant
Southern City mengalami tekanan persaingan bagi menguasai pasaran berbanding Giant
Skudai dan Giant Plentong. Menyebabkan litupan atau lingkungan pasaran Giant
Southern City menjadi kecil dan terhad, seterusnya memberikan kesan kepada kadar
keuntungan yang mungkin dijana.

Melalui analisis kajian ini yang menunjukkan tahap tarikan bagi sesebuah hypermarket
berbanding hypermarket saingannya, saiz sesebuah hypermarket dilihat sebagai
signifikan dalam menentukan kuasa atau kadar tarikan sesebuah hypermarket terhadap
pasaran. Justeru itu, pihak perancang, sebelum memberikan kebenaran merancang
terhadap pembinaan hypermarket baru di sesuatu kawasan, seharusnya menetapkan had
saiz dan minimum jaraknya berbanding dengan mana-mana hypermarket sedia ada, serta
berdasarkan pada ciri-ciri permintaan dan keperluan pasaran, sama ada mencukupi
dengan hypermarket sedia ada, atau pun terdapatnya keperluan bagi membina

110

hypermarket yang baru. Ini kerana sekiranya terdapat lebihan penawaran yang
disebabkan bilangan hypermarket yang banyak dengan saiz yang besar, litupan pasaran
sedia ada dan lama di sesuatu kawasan, mungkin menguncup, seperti yang dibuktikan
oleh kajian Yuhanis (2008).

Maka para perancang perlulah menggunakan segala maklumat berkaitan gunatanah sedia
ada dan gunatanah dimasa akan datang yang berkemungkinan, bagi meramalkan
kemungkinan atau senario masa akan datang sekiranya sesebuah hypermarket ingin
dibina disesuatu kawasan. Bagi tujuan tersebut, model graviti seharusnya digunakan bagi
membantu para perancang meramal kemungkinan impak pembangunan hypermarket
tersebut berdasarkan senario tertentu. Kadar interaksi dan pecahan kemungkinan asalan
pelanggan hypermarket yang diramal menggunakan model graviti ini seterusnya
membolehkan perancang meramal juga penigkatan keperluan pembesaran jalan serta
mengawal perletakan taman perumahan dan hypermarket dengan lebih baik, Sekaligus
membantu mewujudkan persekitaran bandar yang lebih seimbang dan mengurangkan
kemungkinan masalah rantaian timbul akibat daripada kegagalan untuk merancang dan
memperuntukkan dengan optimum gunatanah perniagaan bandar.

5.5

Cadangan Penyelidikan Lanjutan

Terdapat beberapa had atau halangan dalam kajian ini yang memungkinkan kajian
lanjutan dijalankan bagi memperbaiki hasil analisis dan menunjukkan hubungkait yang
lebih terpeinci mengenai interaksi antara juzuk menggunakan model graviti.
Perbandingan antara ramalan dan hasil survei dalam kajian ini adalah amat bergantung
kepada data survei asalan pelanggan tiga (3) hypermarket yang dibuat oleh Yuhanis
(2008). Namun begitu, survei yang dibuat oleh Yuhanis bukanlah khusus bagi tujuan
untuk dibandingkan dengan ramalan oleh model graviti. Justeru itu, faktor-faktor
kunjungan ke hypermarket kajian berbanding hypermarket lain tidak disurvei dengan
cukup terpeinci.

Faktor-faktor seperti taraf sosio-ekonomi, suasana, cita rasa, psikologi pengguna, pilihan
jenis barangan, kemudahan serta konsep tempat berbelanja yang menjadi pilihan

111

pengguna tidak dimasukkan dalam survei tersebut. Kesemua faktor tersebut kemudiannya
ditapis menggunakan Analisis Proses Berheirarki (AHP) dan di masukkan kedalam
model graviti MCI seperti yang dipeloporikan oleh Nakkanishi dan Cooper. Justeru,
ramalannya dibandingkan dengan hasil survei dan kita akan dapt membandingkan
kejitaun ramalan model yang memasukkan unsur sosial dan psikologi pengguna.

Malahan terdapat juga persoalan mengenai kerawakan survei yang akan mempengaruhi
kejituan hasil perbandingan. Terdapat kemungkinan bahawa Yuhanis hanya menjalankan
survei untuk satu hari di hari biasa atau di hujung minggu sedangkan terdapatnya
kecenderungan penduduk di sesuatu kawasan yang tidak akan mengunjungi hypermarket
kajian kerana faktor kesesakan jalan raya pada hujung minggu atau pun sebagainya.
Justeru, mengganggu corak hasil analisis. Maka dicadangkan bagi tujuan melakukan
kajian mengenai tahap kejituan ramalan model graviti yang sama, satu survei khusus
yang cukup rawak serta mempunyai bilangan sampel lebih banyak dibuat, agar
perbandingan akan lebih jitu dan tepat dapat dibuat.

Kajian ini juga hanya mengambil kira persaingan ataupun interaksi bagi tiga (3)
hypermarket Giant, sekaligus menghadkan perbandingan kadar interaksi atau
mengabaikan faktor persaingan oleh hypermarket lain yang juga memberikan kesan pada
corak pemilihan tempat berbelanja pengguna. Malahan didapati dalam kajian ini, adalah
sukar untuk menerangkan sesuatu fenomena interaksi dengan hanya mengambil kira
interaksi antara tiga hypermarket kajian, sedangkan terdapatnya pengaruh tarikan dan
saingan oleh pusat-pusat perniagan sekitar. Maka bagi kajian lanjutan, perlu untuk
dimasukkan faktor persaingan oleh lain-lain hypermarket dan juga kawasan perkedaian
dalam kawasan kajian.

Bagi tujuan kajian yang berbeza, terdapat kemungkinan bahawa viarasi model graviti
yang berlainan akan menghasilkan kejituan berbeza. Begitu juga mungkin bagi kajian
berkaitan juzuk lain seperti kemudahan awam, dan pejabat kerajaan mungkin berbeza.
Sekaligus akan menerangkan kesan sebenar penggunaan parameter serta jenis jarak atau
masa perjalanan yang berbeza dalam model graviti. Malahan kesan pengunaan masa dan
kos perjalanan serta halangan sempadan politik serta halangan fizikal seperti bentuk
muka bumi, dalam mempengaruhi halangan fizikal juga adalah perlu dikaji.

112

Setelah diperolehi persamaan model regressi bagi mengukur interaksi antara hypermarket
kajian dan pasaran Johor Bahru dalam kajian ini, lanjutan kajian bagi menggunakan dan
mengaplikasi persamaan atau rumus model regressi tersebut untuk meramal interaksi
hypermarket di masa hadapan juga boleh dilakukan. Malahan lebih dari itu terdapat juga
keperluan untuk membuktikan kesan jenis, corak dan intesiti jaringan jalan raya, keadaan
muka bumi serta densiti perumahan sekitar kawasan kajian dalam menentukan tahap
interaksi antara hypermarket dan juga pasarannya.

-ALHAMDULILLAH-

113

RUJUKAN

Abdulkader, A. Murad. (2007) Using GIS for Retail Planning in Jeddah City. American
Journal of Applied Sceince 4(10): 820-826.

Agrawal & Anupum. (2007) The Ever Changing Market Place of Oman: From Souk to
Hypermarket (Retailing in Oman: A Case Study of Muscat)
. Oman.

Anand & Nambia. (2006) Indian Food Retail Sector in the Global Scenario. Sathguru
Managment Consultants.

Antennuci, J.C.. (1991) Geographic Information Systems: a Guide to the Technology.
Chapman and Hall.London.

Audhesh,.K.P. & Sandra, G.L.. (1995) Discriminatory Power of Retailing Factors.
University of South Dakota.

Brail, R.K.. (1987) Microcomputers in Urban Planning and Management. New
Brunswick, New Jersey: Center for Urban Policy Reserach.

Beauvais, J.M.. (2008) Setting Up Supestores and Climate Change. Paris, Beauvais
Consultant.

Catanasa, A.J. & Synder, J.C.. (1979) Introduction to Urban Planning. McGraw-Hill.
London.

Chang, K.T.. (2002) Introduction to Geographic Information System. New York,
McGraw-Hill Higher Education.

114

Chasco, C.Y. & Vicens, J.O.. (1999) Spatial Interaction Models Applied to the Design of
Retail Trade Areas
. Lawrence.R.Klein Institute, University of Madrid.
Madrid.

Chapin, F.S. & Weiss, S.F.. (1968) A Probabilistic Model For Residential Growth.
Transportation Research.

Duff, M.. (1991) Consumer Expenditures Study: Greeting Cards. Supermarket Business,
46 (9), 150-155.

Dunne, Lusch & Griffith. (2002) Retailing, South-Western. Thomson Learning, Ohio.

Editia, E.. (2005) Pembangunan Kiosk Maklumat Kawalan Pembangunan Berasaskan
Web GIS Bagi Perancangan dan Pengurusan Bandar
. Tesis Sarjana Sains
Perancang Bandar dan Wilayah, Universiti Teknologi Malaysia.

Ediwan, M.A. (2006) Penentuan Kesesuaian Perletakan Hypermarket Menggunakan
Aplikasi Model Graviti
. Thesis Jabatan Perancang Bandar & Wilayah,
Universiti Teknologi Malaysia.

Eppli, M.J. & Shilling, J.D.. (1996) How Critical Is a Good Location to a Regional
Shopping Center
. The Journal of Real Estate Research, Volume 12, No. 3,
459-458.

Faris, M.D. & Ruslan, R.. (2003) Sistem Maklumat Geografi: Pemodelan Pembangunan
Guna Tanah Komersial.
Universiti Pendidikan Sultan Idris.

Foust, B.. (2007) Phoenix Redevelopment Project: Supermarket Feasibility Study.
Department of Geography, University of WInconsin-Eau Claire.

Glasson, J.. (1991) Pengenalan Perancangan Wilayah;Konsep, Teori dan Amalan. Kuala
Lumpur, Dewan Bahasa dan Pustaka.

115

Hamilton, B.. (2003) Utilizing the Probabbility Gravity Model to Evaluate Supermarket
Expansion in Southern Palm Beach Country, Florida
. Universiti of Florida.

Iacono, M., Krizek, K., & El-Geneidy, A.. (2008) Access to Destinations: How Close is
Close Enough? Estimating Accurate Distance Decay Functions for Multiple
Modes and Different Purposes
. Minnesota Department of Transportation.

Katiman, R.. (1988) Pengantar Geografi Bandar. Dewan Bahasa & Pustaka, Kuala
Lumpur.

Laaksonen, M.. (1993) Retail patronage dynamics: Learning about daily shopping
behavior in contexts of changing retail structures
. Journal of Business
Research, 28 (1/2), 3-174.

Lee, M.L.. (2002) Three Essays on Real Estate Research. Doctorate Thesis, Louisiana
State University.

Jabatan Perancang Bandar & Desa Negeri Johor. (2001) Laporan Pemeriksaan RSN
Johor 2002-2020.

Management Ventures Inc.. (2007) MVI Retail Standard & Terms. London.

Moller, K. R. & van den Heuvel. (1981) Contribution of Store Attributes to Retail Store
Image and Preference
. Liiketaloudellinen Aikakauskirja, 30 (3),278-295.

Nakanishi, Masao, & Cooper, L.. (1974) Parameter Estimation for a Multiplicative
Competitive Interaction Model - Least Squares Approach
. Journal of
Marketing Research, Vol. XI (August 1974); pp. 303-11.

KPMG’s International. (2006) 2005 National Shopping Behavior Study: Executive
Summary
.

Pace, R.K. & Long, L.M.. (2003) Spatial Distribution of Retail Sales. Louisiana State
University, Los Angeles.

116

Pearson, K.J.. (2008) A comparative Business Site-Location Feasibility Analysis using
Geografic Information Systems and the Gravity Model
. Saint Mary’s
University of Minnesota, Minneapolis.

Khazanah Nasional. (2004) Pelan Komprehensif South Johor Economic Region (SJER).

Perrigot & Cliquet. (2006) Hypermarket Format: Any Future or a Real Need to be
Changed? An Empirical Study of the French, Spanish and Italian Markets
.
5th

International Marketing Trend Congress, Venice, Italy, January 2006.

Rafael, S.V., Dolares, R.S.P., & Pablo, D.G.. (2005) Improving Competitive Facility
Location Via GIS
. University of Las Palmas de Gran Canaria, Spain.

Riza, A.A.. (1994) Model Pengangkutan Bandar: Pendekatan Secara Teori dan Amali.
Dewan Bahasa dan Pustaka, Kuala Lumpur.

Robinson, P.A.. (1987) Determinants of the Retail Store Type Choice Process: An
Examination of Environmental and Individual Difference Factors
. Journal of
Professional Services Marketing, 3 (1/2), 67-99.

Rust, T.R. & Donthu, N.. (February 1995) Capturing Geographically Localized
Misspecification Error in Retail Store Choice Models
. Journal of Marketing
Research Vol. XXXII, 103-110.

Reilly, W.J.. (1929) The Law of Retail Gravitation. New York. Knickerbocker Press.

Samat, N. & Masron, T.. (2008) Sistem Maklumat Geografi dalam Analisis Guna Tanah.
Pulau Pinang, Penerbit Universiti Sains Malaysia.

Skogster, P.. (2006) Location Planning Theories in Valuation of Retail Premises. XXIII
FIG Congress, Munich, 8-13 Oktober, 2006.

Sorensen, H.. (2003) The Science of Shopping. New York, Sorensen Associates Inc..

117

Wheeler, D.J.. (1993) Commentary: Linking Environmental Models with Geographic
Information Systems for Global Change Research
. Proceedings GIS/LIS,
San Antnio, 2, 580-589.

Yaakup, A.. (1999) Sistem Maklumat Geografi (GIS): Prinsip Asas dan Penggunaanya
dalam Perancangan dan Pengurusan
. Skudai, Universiti Teknologi
Malaysia.

Yuhanis, Y.. (2008) Kesan Pembangunan Hypermarket Terhadap Kedai Runcit. Tesis
Jabatan Perancang Bandar & Wilayah, Universiti Teknologi Malaysia.

118

Lampiran 1– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant
Skudai (Keluasan: 5109 meter per segi)

Jarak
Euclidean

Jarak Sebenar

Survey

Asal

% G :
J

% G :
J^2 %G:J

%
G:J^2 Bil. Peratus
(%)

Jarak
Euclidean Jarak
Sebenar

Kampung Banjaran Kempas

0.09 0.09 0.13  0.21  4

2.58

2595

2328

Kampung Laut

0.20 0.18 0.28  0.43  2

1.29

2615

2386

Kampung Melayu Majidee

0.91 0.28 0.95  0.35  1

0.65

7937

9866

Kampung Pasir

0.71 0.44 0.84  0.70  2

1.29

3965

4376

Pangsapuri Bukit Saujana

0.76 0.17 0.86  0.26  1

0.65

10714

12243

Taman Aman

0.14 0.04 0.15  0.06  2

1.29

7500

8708

Taman Anggerik

3.46 6.02 2.44  3.46  11

7.10

1398

2579

Taman Bukit Kempas

4.60 4.87 3.64  3.54  10

6.45

2299

3769

Taman Bukit Mewah

7.71 13.99 6.41  11.19 10

6.45

1341

2097

Taman Cempaka

4.27 3.94 3.78  3.58  4

2.58

2635

3869

Taman Damai Jaya

2.81 1.54 2.81  1.78  2

1.29

4445

5784

Taman Dato Penggawa Barat 0.81 1.09 0.88  1.46  2

1.29

1818

2197

Taman Daya

4.89 1.32 4.08  1.06  1

0.65

8996

14026

Taman Desa Skudai

0.35 0.19 0.34  0.21  3

1.94

4539

6008

Taman Desa Tebrau

0.44 0.08 0.44  0.09  1

0.65

13433

17475

Taman Impian Emas

3.06 3.79 2.78  3.63  18 11.61

1964

2806

Taman Jaya

0.25 0.19 0.28  0.27  2

1.29

3175

3687

Taman JB

2.70 1.41 2.83  1.79  7

4.52

4659

5784

Taman Kempas

1.70 1.20 1.42  0.96  7

4.52

3455

5401

Taman Melur

1.65 1.42 1.86  2.09  1

0.65

2832

3269

Taman Munsyi Ibrahim

3.15 4.59 2.92  4.57  8

5.16

1669

2338

Taman Mutiara Rini

3.42 1.52 4.58  3.15  3

1.94

5486

5328

Taman Nesa

1.12 0.99 1.28  1.49  10

6.45

2766

3155

Taman Perling

7.70 4.35 7.47  4.74  2

1.29

4304

5769

Taman Pulai Perdana

0.75 0.21 0.87  0.34  3

1.94

8600

9529

Taman Seri Orkid

1.27 0.64 1.34  0.82  4

2.58

4858

5984

Taman Sri Putra

3.47 16.79 1.65  4.41  3

1.94

503

1372

Taman Sri Putri

1.66 1.24 2.08  2.25  5

3.23

3263

3387

Taman Sri Skudai

5.57 3.63 6.75  6.16  5

3.23

3736

4011

Taman Tampoi Indah

11.02 13.04 12.83 20.45 1

0.65

2057

2297

Taman Tampoi Utama

3.66 2.93 3.72  3.50  2

1.29

3040

3887

Taman Tan Sri Yakob

0.82 0.47 0.94  0.71  1

0.65

4232

4835

Taman Timor

0.10 0.01 0.12  0.02  2

1.29

17414

20500

Taman Universiti

8.27 3.11 9.10  4.36  1

0.65

6471

7642

Taman Ungku Tun Aminah

6.51 4.22 7.16  5.91  14

9.03

3752

4435

Jumlah

100

100

100

100 155

100

164466 203127

119

Lampiran 2 – Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant
Plentong (Keluasan: 9290 meter per segi)

Jarak
Euclidean

Jarak Sebenar

Survey

Asal

% G:J

%
G:J^2 % G:J

%
G:J^2 Bil. Peratus
(%)

Jarak
Euclidean Jarak
Sebenar

Bandar Baru Kota Puteri

7.50 3.76 7.19 3.33 13

8.90

4858

6128

Bandar Baru Permas Jaya 15.25 10.33 15.65 10.48 9

6.16

3596

4238

Bandar Baru Seri Alam

4.37 1.62 4.25 1.48 10

6.85

6564

8166

Kampung Pasir Putih

0.29 0.05 0.31 0.06

1

0.68

13600

15578

Taman Cahaya Masai

0.44 0.12 0.49 0.14

5

3.42

9000

9888

Taman Desa Harmoni

4.25 3.88 1.21 0.30

3

2.05

2672

11365

Taman Desa Jaya

0.46 0.36 0.49 0.38 10

6.85

3136

3597

Taman Johor Jaya

39.41 52.01 42.00 56.82 26 17.81

1847

2097

Taman Kota Masai

0.20 0.06 0.20 0.06

8

5.48

8200

9988

Taman Mawar

0.05 0.00 0.05 0.00

6

4.11

27395

34081

Taman Molek

13.41 11.14 13.59 11.01 7

4.79

2935

3504

Taman Pasir Putih

0.29 0.05 0.31 0.06

1

0.68

13650

15443

Taman Putri Wangsa

2.32 1.01 2.39 1.02

8

5.48

5622

6628

Taman Ria

0.39 0.62 0.40 0.63

6

4.11

1541

1814

Taman Rinting

5.64 1.92 6.05 2.13

9

6.16

7138

8049

Taman Saujana

4.33 7.87 3.90 6.14 13

8.90

1340

1800

Taman Sri Plentong

1.39 5.18 1.52 5.96 11

7.53

654

724

100

100

100

100 146

100

113748 143088

120

Lampiran 3– Ramalan Pecahan Pelanggan Empat Viarasi Model Graviti Bagi Giant
Southern City (Keluasan: 2378 meter per segi)

Jarak
Euclidean

Jarak Sebenar

Survey

Asal

%G:J

%
G:J^2 % G:J

%
G:J^2 Bil. Peratus
(%)

Jarak
Radius

Jarak
Euclidean

Bandar Baru Permas Jaya

6.85 1.90 6.63 1.71

7

3.98

6124

7111

Bandar Baru Uda

6.46 2.18 6.58 2.16

1

0.57

5046

5579

Flat Larkin

0.71 0.61 0.69 0.56

9

5.11

1960

2248

Kampung Bendahara

1.45 2.46 1.45 2.36

7

3.98

1001

1124

Kampung Dato Onn Larkin

1.64 1.16 1.57 1.01

5

2.84

2406

2831

Kampung Dato Sulaiman
Menteri

9.04 16.64 9.20 16.44 12

6.82

926

1024

Kampung Kurnia

1.73 3.42 1.90 3.95

8

4.55

862

882

Kampung Larkin Jaya

0.62 0.48 0.65 0.49

15

8.52

2225

2407

Kampung Melayu Majidee

5.00 5.46 5.24 5.74

21

11.93

1559

1672

Kampung Pandan

0.39 0.25 0.42 0.28

5

2.84

2630

2731

Kampung Setanggi

0.78 1.89 0.74 1.61

3

1.70

707

841

Kampung Ubi

0.17 0.18 0.18 0.21

2

1.14

1537

1565

Kampung Ungku Mohsin

0.39 0.27 0.38 0.25

3

1.70

2393

2755

Larkin Perdana

7.40 7.91 7.51 7.79

2

1.14

1593

1765

Pangsapuri Bukit Saujana

2.13 0.88 2.24 0.92

6

3.41

4137

4431

Stulang Bahru

0.91 2.33 0.90 2.15

5

2.84

668

765

Taman Abad

5.36 3.72 5.65 3.94

8

4.55

2458

2624

Taman Daya

8.73 2.73 8.28 2.34

4

2.27

5449

6469

Taman Desa Cemerlang

0.12 0.02 0.12 0.02

1

0.57

8818

9739

Taman Desa Harmoni

2.19 0.94 1.52 0.43

4

2.27

3961

6435

Taman Gembira

1.05 0.64 1.12 0.69

3

1.70

2813

2979

Taman Johor Jaya

9.38 2.69 8.81 2.27

1

0.57

5933

7111

Taman Kebun Teh

0.38 0.55 0.42 0.65

4

2.27

1173

1182

Taman Maju Jaya

0.11 0.02 0.11 0.01

1

0.57

11408

13295

Taman Pelangi

7.00 3.79 7.08 3.70

4

2.27

3150

3504

Taman Perbadanan Islam

1.25 3.24 1.05 2.17

10

5.68

657

882

Taman Saujana

0.84 0.27 0.68 0.17

5

2.84

5300

7284

Taman Sentosa

6.54 6.05 6.67 6.01

3

1.70

1841

2031

Taman Sri Bahagia

0.74 0.33 0.79 0.35

1

0.57

3836

4072

Taman Suria

10.26 26.90 11.01 29.53 15

8.52

650

682

Taman Sutera

0.38 0.08 0.39 0.08

1

0.57

8181

8959

100

100

100

100 176

100 101402

116979

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->