27 November 2014ANALISIS KLUSTERTujuan dari analisis kluster adalah mengelompokkan objek berdasarkan kesamaan analisis di antara objek-objek tersebut. Dengan demikian ciri-ciri suatu kluster yang baik yaitu:1. Homogenitas internal / within clusterKesamaan antar anggota dalam satu kluster2. Heterogenitas eksternal / between clusterPerbedaan antara cluster yang satu dengan cluster yang lain.Metode pengelompokan dalam analisis kluster yaitu1. Metode hirarkis: memulai pengelompokan dengan dua atau lebih objek yang mempunyai kesamaan paling dekat. Kemudian diteruskan pada objek yang lain. Dan seterusnya hingga kluster akan membentuk semacam pohon di mana terdapat tingkatan (hirarki) yang jelas antarobjek, dari yang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk memperjelas proses hirarki disebut dendogram.2. Metode non hirarkis: dimulai dengan menentukan terlebih dahulu jumlah kluster yang diinginkan (2, 3, atau yang lain). Setelah jumlah kluster ditentukan, maka proses kluster dilakukan dengan tanpa mengikuti proses hirarki. Metode ini disebut K-means cluster. Asumsi yang harus dipenuhi dalam analisis kluster yaitu: sampel yang diambil benar-benar dapat mewakili populasi yang ada atau representative. Contoh Dari penelitian yang dilakukan terhadap 12 kota, ingin diketahui pengelompokkan kota-kota tersebut berdasarkan instrument 5 variabel yaitu: Jumlah pendapatan kota (trilyun Rp) Jumlah pinjaman pemerintah kota (milyar Rp) Jumlah dana hibah yang dimiliki kota (milyar Rp) Jumlah konsumsi pemerintah kota (milyar Rp) Jumlah penduduk kota (juta jiwa)Langkah 1 (Standarisasi/Transformasi)Mengingat data yang terkumpul mempunyai variabilitas satuan maka perlu dilakukan langkah standarisasi atau transformasi terhadap variabel yang relevan ke bentuk z-score Analyze descriptive statistics variable [masukkan semua variable) centang set standardize ok.

Langkah 2 (Analisis Kluster)a. Non-Hirarkis (K-Means Cluster)Analyze clasification K-Means Cluster Variable [masukkan semua variable yang ada Z-nya) Label [Kota] Number of Cluster [3] Option [centang ANOVA table] ok.Ouput initial cluster: table initial cluster centers merupakan tampilan pertama proses clustering data sebelum dilakukan iterasi. Untuk mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 12 kota yang diteliti, dapat dari tampilan output iteration historyIteration History: ternyata proses clustering yang dilakukan melalui 2 tahapan iterasi untuk mendapatkan kluster yang tepat. Jarak minimum antar pusat kluster yang terjadi dari hasil iterasi adalah 3,229. Adapun hasil akhir dari proses clustering dilihat pada table final cluster centers.Final Cluster Centers: Nilai negative (-) berarti data berada di bawah rata-rata total. Nilai positif (+) berarti data berada di atas rata-rata total.Rumus Umum X = + ZDi mana:X = rata-rata sampel (variable dalam cluster) = rata-rata populasiZ= nilai standarisasi = standar deviasiContoh:Berapa rata-rata jumlah pendapatan kota di cluster 1 + Final cluster centers(zscore(pendapatan))= 72,5833 + (0,98858 x 12,9647)TM:Cari 15 rata-rataInterpretasi cluster 1:Cluster 1 berisikan kota-kota yang mempunyai jumlah pendapatan kota, jumlah pinjaman, jumlah dana hibah, jumlah konsumsi dan jumlah penduduk yang lebih dari rata-rata populasi kota yang diteliti. Hal ini terbukti dari nilai positif (+) yang terdapat pada table final cluster centers dalam keseluruhan variabel. Dengan demikian dapat diduga bahwa kluster 1 merupakan pengelompokan dari kota-kota besar.Cluster 2 karakterisitik kota yang masuk dalam pengelompokan kluster 2 yaitu yang memiliki rata-rata jumlah pinjaman dan jumlah konsumsi yang melebihi rata-rata populasi kota yang diteliti. Untuk instrument variabel yang lain kota-kota di kluster 2 berada di atas rata-rata populasi. Dengan demikian dapat diduga sekumpulan kota-kota menengah berada pada kluster 2.Cluster 3 untuk kluster 3 keseluruhan instrumen penilai berada pada posisi di bawah rata-rata populasi kota yang diteliti. Sehingga diduga bahwa cluster 3 merupakan kota-kota yang kecil.Tabel ANAVAF= Semakin besar nilai F dan (sig. < 0,05) maka semakin besar perbedaan variabel pada kluster yang terbentuk. Dengan demikian hasil kluster yang didapat dalam penelitian ini untuk instrument jumlah pendapatan kota yang paling menunjukkan adanya perbedaan di antara kota-kota pada ketiga kluster yang terbentuk. Hal ini ditunjukkan nilai F= 14,556 dan sig.= 0,002 < 0,05.TM: Tabel ANAVA yang empat sisanya.