ANALISIS CLUSTER

Pendahuluan
Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama
untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimil
ikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat
kesamaannya dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang
terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang
tinggi. Berbeda dengan teknik multivariat lainnya, analisis ini tidak mengestimasi set
vaiabel secara empiris sebaliknya menggunakan setvariabel yang ditentukan oleh peneliti
itu sendiri. Fokus dari analisis cluster adlah membandingkan objek berdasarkan set
variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai
tahap kritis dalam analisis cluster. Set variabel cluster adalah suatu set variabel yang
merpresentasikan karakteristik yang dipakai objek-objek. Bedanya dengan analisis faktor
adalah baha analisis cluster terfokus pada pengelompokan objek sedangkan analisis
faktor terfokus pada kelompok variabel.
Solusi analisis cluster bersifat tidak unik, anggota cluster untuk tiap
penyelesaian!solusi tergantung pada beberapa elemen prosedur dan beberapa solusi yang
berbeda dapat diperoleh dengan mengubah satu elemen atau lebih. Solusi cluster secara
keseluruhan bergantung pada variabel-variaabel yang digunakan sebagai dasar untuk
menilai kesamaan. "enambahan atau pengurangan variabel-variabel yang relevan dapat
mempengaruhi substansi hasi analisisi cluster.
#
Cara Kerja Analisis Cluster
Secara garis besar ada tiga hal yang harus terjaab dalam proses kerja analisis
cluster, yaitu $
#. Bagaimana mengukur kesamaan %
Ada tiga ukuran untuk mengukur kesamaaan antar objek, yaitu ukuran korelasi,
ukuran jarak, dan ukuran asosiasi.
&. Bagaimana membentuk cluster %
"rosedur yang diterapkan harus dapat mengelompokkan objek-objek yang
memiliki kesamaan yang tinggi ke dalam sutau cluster yang sama.
'. Berapa banyak cluster!kelompok yang akan dibentuk %
"ada prinsipnya jika jumlah cluster berkurang maka homogenitas alam cluster
secra otomatis akan menurun.
Proses Analisis Cluster
Sebagaimana teknik multivariat lain proses analisis cluster dapat dijelaskan dalam
enam tahap sebagai berikut $
Tahap Pertama : Tujuan Analisis Cluster
(ujuan utama analisis cluster adalah mempartisi suatu set objek menjadi dua kelompok
atau lebih berdasarkan kesamaan karakteristik khusus yang dimilikinya.
)alam pembentukan kelompok!cluster dapat dicapai tiga tujuan, yaitu $
A. )eskripsi klasifikasi *ta+onomy description,
"enerapan anallisis cluster secara tradisisonal bertujuan mengeksplorasi dan
membentuk suatu klasisfikasi!taksonomi secara empiris. -arena kemampuan partisinya
&
analisis cluster dapat diterapkan secara luas. .eskipun secara empiris merupakan teknik
eksplorasi analisis cluster dapat pula digunakan untuk tujuan konfirmasi.
a. "enyederhanaan )ata
"enyederhanaan data merupakan bagian dari suatu taksonomi. )engan
struktur yang terbatas observasi!objek dapat dikelompokkan untuk analisis
selanjutnya.
b. /dentifikasi 0ubungan *1elationship /dentification,
0ubunganantar objek diidentifikasi secara empiris. Struktur analisis cluster
yang sederhana dapat menggambarkan adanya hubungan atau kesamaan dan
perbedaan yang tidak dinyatakan sebelumnya.
Pemilihan pada Pengelompokan Variabel
(ujuan analisis cluster tidak dapat dipisahkan dengan pemilihan variabel
yang digunakan untuk menggolongkan objek ke dalam clucter-cluster. Cluster
yang terbentuk merefleksikan struktur yang melekat pada data seperti yang
didefinisikan oleh variabel-variabel. "emilihan variabel harus sesuai dengan teori
dan konsep yang umum digunakan dan harus rasional. 1asionalitas ini didasarkan
pada teori-teori eksplisit atau penelitian sebelumnya. 2ariabel-variabel yang
dipilih hanyalah variabel yang dapat mencirikan objek yang akan dikelompokkan
dan secara spesifik harus sesuai dengan tujuan analisis cluster.
'
Tahap Kedua : Desain Penelitian dalam Analisis Cluster
(iga hal penting dalam tahap ini adalah pendeteksian outlier, mengukur kesamaan,
dan standarisasi data.
A. "endeteksian 3utlier
3utlier adlah suatu objek yang sangat berbeda dengan objek lainnya. 3utlier
dapat digambarkan sebagai observasi yang secara nyata kebiasaan, tidak meakili
populasi umum, dan adanya undersampling dapat pula memunculkan outlier.
3utlier menyebabkan menyebabkan struktur yang tidak benar dan cluster yang
terbentuk menjadi tidak representatif.
B. .engukur -esamaan antar 3bjek
-onsep kesamaan adalah hal yang fundamental dalam analisis cluster. -esamaan
antar objek merupakan ukuran korespondensi antar objek. Ada tiga metode yang
dapat diterapkan, yaitu ukuran korelasi, ukuran jarak, dan ukuran asosiasi.
a. 4kuran -orelasi
4kuran ini dapat diterapkan pada data dengan skala metrik, namun
jarang digunakan karena titik bertnya pada nilai suatu pola tertentu,
padahal tisik berat analisis cluster adalah besarnya objek. -esamaan
antar objek dapat dilihat dari koefisien korelasi antar pasangan objek
yang diukur dengan beberapa variabel.
b. 4kuran 5arak
.erupakan ukuran yang paling sering digunakan. )iterapkan untuk
data berskala metrik. Sebenarnya merupakan ukuran ketidakmiripan,
dimana jarak yang besar menunjukkan sedikit kesamaan sebaliknya
6
jarak yang pendek!kesil menunjukkan baha suatu objek makin mirip
dengan objek lain. Bedanya dengan ukuran korelasi adalah bnaha
ukuran jarak fokusnya pada besarnya nilai. Cluster berdasarkan ukuran
korelasi bisa saja tidak memiliki kesamaan nilai tapi memiliki
kesamaan pola, sedangkan cluster dberdasrkan ukuran jarak lebih
memiliki kesamaan nilai meskipun polanya berbeda.
Ada beberapa tipe ukuran jarak antara lain jarak 7uklidian, jarak city-
Bo+, dan jarak .ahalanobis. 4kuran yang paling sering digunakan
adalah jarak 7uklidian. 5arak 7uklidian adalah besarnya jarak suatu
garis lurus yang menghubungkan antar objek. .isalkan ada dua objek
yaitu A dengan koordinat * , dan B dengan koordinat * , maka jarak
antar kedua objek tersebut dapat diukur dengan rumus ....
c. 4kuran Asosiasi
4kuran asosiasi dipakai untuk mengukur data berskala nonmetrik
*nominal atau ordinal,.

C. Standarisasi )ata
a. Standarisasi 2ariabel
Bentuk paling umum dalam standarisasi variabel adalah konversi
setiap variabel terhadap skor atandar * dikenal dengan 8 score,
dengan melakukan substraksi nilai tengan dan membaginyadengan
standar deviasi tiap variabel.
b. Standarisasi )ata
9
Berbeda dengan standarisasi variabel, standarisasi ndata dilakukan
terhadap observasi!objek yang akan dikelompokkan.
Tahap Ketiga : Asumsi-asumsi dalam Analisis Cluster
Seperti hal teknik analisis lain,analisis cluster juga menetapkan adanya suatu asumsi.
Ada dua asumsi dalam analisis cluster, yaitu $
A. -ecukupan Sampel untuk merepresentasikan!meakili "opulasi
Biasanya suatu penelitian dilakukan terhadap populasi diakili oleh sekelompok
sampel. Sampel yang digunakan dalam analisis ckuster harus dapat meakili
populasi yang ingin dijelaskan, karena analisis ini baik jika sampel representatif.
5umlah sampel yang diambil tergantung penelitinya, seorang peneliti harus yakin
baha sampil yang diambil representatif terhadap populasi.
B ."engaruh .ultukolinieritas
Ada atau tidaknya multikolinieritas antar variabel sangat diperhatikan dalam
analisis cluster karena hal itu berpengaruh, sehingga variabel-variabel yang
bersifat multikolinieritas secara eksplisit dieprtimbangkan dengan lebih seksama.
Tahap Keempat : Proses Mendapatkan Cluster dan Menilai kelayakan secara
keseluruhan
Ada dua proses penting yaitu algoritma cluster dalam pembentukan cluster dan
menentukan jumlah cluster yang akan dibentuk. -eduanya mempunyai implikasi
:
substansial tidak hanya pada hasil yang diperoleh tetapi juga pada interpretasi yang akan
dilakukan terhadap hasil tersebut.
Algoritma Cluster
Algoritma cluster harus dapat memaksimalkan perbedaan relatif cluster terhadap
variasi dalam cluster. )ua metode paling umum dalam algoritma cluster adalahmetode
hirarkhi dan metode non hirarkhi. "enentuan metode mana yag akan dipakai tergantung
kepada peneliti dan konteks penelitian dengan tidak mengabaikan substansi, teori dan
konsep yang berlaku. -eduanya memiliki kelebihan sendiri-sendiri. -euntungan metode
hirarkhi adalah cepat dalam proses pengolahan sehingga menghemat aktu, namun
kelemahannya metode ini dapat menimbulkan kesalahan. Selain itu tidak baik diterapkan
untuk menganalisis sampel dengan ukuran besar. .etode ;on 0irarkhi memiliki
keuntungan lebih daripada metode hirarkhi. 0asilnya memiliki sedikit kelemahan pada
data outlier, ukuran jarak yang digunakan, dan termasuk variabel tak relevan atau
variabel yang tidak tepat. -euntungannya hanya dengan menggunakan titik bakal
nonrandom, penggunaan metode non hirarkhi untuk titik bakal random secara nyata
lebih buruk dari pada metode hirarkhi.
Alternatif lain adalah dengan mengkombinasikan kedua metode ini. "ertama
gunakan metode hirarkhi kemudian dilanjutkan dengan metode non hirarkhi.

A. .etode 0irarkhi
(ipe dasar dalam metode ni adalah aglomerasi dan pemecahan. )alam metode
aglomerasi tiap observasi pada mulanya dianggap sebagai cluster tersendiri sehingga
<
terdapat cluster sebyak jumlah observasi. -emudian dua cluster yang terdekat
kesamaannya digabung menjadi suatu cluster babru, sehingga jumlah cluster berkurang
satu pada tiap tahap. Sebaliknya pada metode pemecahan dimulai dari satu cluster besar
yang mengandung seluruh observasi, selanjutnya observasi-observasi yang paling tidak
sama dipisah dan dibentuk cluster-cluster yang lebih kecil. "roses ini dilakukan hingga
tiap observasi menjadi cluster sendiri-sendiri.
0al penting dalam metode hirarkhi adalah baha hasil pada tahap sebelumnya selalu
bersarang di dalam hasil pada tahap berikutnya, membentuk sebuah pohon.
Ada lima metode aglomerasi dalam pembentukan cluster, yatiu $
a. "autan (unggal *Single =inkage,
.etode ini didasarkan pada jarak minimum. )imulai dengan dua objek
yang dipisahkan dengan jarak paling pendek maka keduanya akan ditempatkan
pada cluster pertama, dan seterusnya. .etode ini dikenal pula dengan nama
pendekatan tetangga terdekat.
b. "autan =engkap *Complete =inkage,
)isebut juga pendekatan tetangga terjauh. )asarnya adalah jarak
maksimum. )alam metode ini seluruh objek dalam suatu cluster dikaitkan satu
sama lain pada suatu jarak maksimuma atau dengan kesamaan minimum.
c. "autan 1ata-rata *Average =inkage,
)asarnya adalah jarak rata-rata antar observasi. pengelompokan dimulai
dari tengan atau pasangan observasi dengan jarak paling mendekati jarak rata-
rata.
>
d. .etode ?ard *?ard@s .ethod,
)alam metode ini jarak antara dua cluster adalah jumlah kuadrat antara
dua cluster untuk seluruh variabel. .etode ini cenderung digunakan untuk
mengkombinasi cluster-cluster dengan jumlah kecil.
e. .etode Centroid
5arak antara dua cluster adalah jarak antar centroid cluster tersebut.
Centroid cluster adalah nilai tengah observasi pada variabel dalam suatu set
variabel cluster. -euntungannya adalah outlier hanya sedikit berpengaruh jika
dibandingkan dengan metode lain.
B. .etode ;on 0irarkhi
.asalah utama dalam metoda non hirarkhi adalah bagaimana memilih
bakal cluster. 0arus disadari pengaruh pemilihan bakal cluster terhadap hasil
akhir analisis cluster. Bakal cluster pertama adalah observasi pertama dalam set
data tanpa missing value. Bakal kedua adalah observasi lengkap berikutnya *tanpa
missing data, yang dipisahkan dari bakal pertama oleh jarak minimum khusus.
Ada tiga prosedur dalam metode non hirarkhi, yaitu $
a. SeAuential threshold
.etode ini dimulai dengan memilih bakal cluster dan menyertakan
seluruh objek dalam jarak tertentu. 5ika seluruh objek dalam jarak tersebut
disertakan, bakal cluster kedua terpilih, kemudian proses terus
berlangsung seperti sebelumnya.
B
b. "arallel (hreshold
.etode ini memilih beberapa bakal cluster secara simultan pada
permulaannya dan menandai objek-objek dengan jarak permulaan ke bakal
terdekat.
c. 3ptimalisasi
.etode ketiga ini mirip dengan kedua metode sebelumnya kecuali pada
penandaan ulang terhadap objek-objek.

0al penting lain dalam tahap keempat adalah menentukan jumlah cluster yang
akan dibentuk.Sebenarnya tidak ada standar,prosedur pemilihan tujuan eksis.
-arena tidak ada kriteria statistik internal digunakan untuk inferensia, seperti
tes signifikansipada teknik multivariat lainnya, para peneliti telah
mengembangkan beberapa kriteria dan petunjuk sebagai pendekatan terhadap
permasalahan ini dengan memperhatikan substansi dan aspek konseptual.
Tahap Kelima : nterpretasi terhadap Cluster
(ahap interpretasi meliputi pengujian tiap cluster dalam term untuk menamai dan
menandai dengan suatu label yang secara akurat dapat menjelaskan kealamian cluster.
"roes ini dimulai dengan suatu ukuran yang sering digunakan yaitu centroid cluster.
.embuat profil dan interpretasi cluster tidak hanya tidak hanya untuk memoeroleh suatu
gambaran saja melainkan pertama, menyediakan suatu rata-rata untuk menilai
korespondensi pada cluster yang terbentuk, kedua, profil cluster memberikan araha bagi
penilainan terhadap signifikansi praktis.
#C
Tahap Keenam: Proses Validasi dan Pembuatan Pro!il (PROFILING) Cluster
A. "roses validasi solusi cluster
"roses validasi bertujuan menjamin baha solusi yang dihasilkan dari analisis
cluster dapat meakili populasi dan dapat digeneralisasi untuk objek lain. "endekatan ini
membandingkan solusi cluster dan menilai korespondensi hasil. (erkadang tidak dapat
dipraktekkan karena adanya kendala aktu dan biaya atau ketidaktersediaan ibjek untuk
analisis cluster ganda.
B. "embuatan "rofil ( PROFILING)Solusi Cluster
(ahap ini menggambarkan karakteristik tiap cluster untuk menjelaskan cluster-
cluster tersebut dapat dapat berbeda pada dimensi yang relevan. (itik beratnta pada
karakteristik yang secara signifikan berbeda antar clustre dan memprediksi anggota
dalam suatu cluster khusus.
Secara keseluruhan proses analisis cluster berakhir setelah keenam tahap ini dilalui. 0asil
analisis cluster dapat digunakan untuk berbagai kepentingan sesuai dengan materi yang
dianalisis.
##
Contoh$
Berdasarkan data B"S pada laporan Sosial /ndonesia dari Supas dan Sakernas
#BB9 didapatkan data seperti pada tabel #.
.engingat penduduk lansia semakin lama semakin banyak, didasarkan perkiraan
B"S pada tahun &CC9 penduduk lansia cenderung bertambah atau ada perubahan struktur
dari struktur penduduk muda ke struktur penduduk tua. .aka dari itu perlu adanya
perhatian ekstra dari pihak pemerintah untuk permsalahan ini.
"embentukan ilayah pembinaan untuk permasalahan lansia dapat dilakukan
dengan membentuk ilayah konsentrasi berdasarkan data pada tabel #. .odel analisis
cluster sangat mendukung penbentukan ilayah tersebut.
(abel. #
7nam -riteria -eterlantara =ansia .enurut "ropinsi
"13"/;S/
tidak pernah
sekolah!tamat
S)
makan
makanan
pokok
D&#E
dalam
seminggu
makan
lauk pauk
berprotein
tinggiD6E
dalam
seminggu
memiliki
pakaian
D6 stel
tidak
mempunyai
tempat
tetap untuk
tidur
bila
sakit
tidak
diobati
S4.A(71A
4(A1A
:',#' '>,:< '9,<C #:,<B &,6> ',''
S4.A(71A
BA1A(
9<,6> 6>,&' #<,6> &C,:C C,BC 6,C9
1/A4 :<,<& 9C,9B #>,6' B,B9 #,9> ','6
5A.B/ <9,BB 66,#C &B,<< &<,B6 #,<: &,99
S4.A(71A
S7=A(A;
:9,:B 9>,'B &<,BC &6,:< 9,9< 9,#>
B7;F-4=4 <#,'< 9&,C& '9,:C 'C,:6 &,#< 6,&B
=A."4;F >C,:6 '9,9B 6#,9: '6,#9 #,6> &,<>
)-/ 5A-A1(A '<,>C 9:,'> #&,&> ><,&6 #,69 :,<>
5A?A BA1A( <C,>6 <C,6> '#,'< #<,#< #,>& 9,'&
5A?A (7;FA0 <B,'C '9,BB #:,&9 #B,': #,>B ',B<
#&
)./.
G3FGA-A1(A
<:,C9 6:,&< ##,'9 #<,69 #,#< 6,<&
5A?A (/.41 >&,<: 'C,>: #9,#' 'C,<< &,C# ',99
BA=/ <<,B: 6&,&> :,&> &9,<6 C,'6 6,><
;4SA
(7;FFA1A
BA1A(
>:,B& '',CB &',6> 6>,&> ',&C 6,:6
;4SA
(7;FFA1A
(/.41
><,': 9:,<9 9>,:< 6B,<< #,6& B,'#
-A=/.A;(A;
BA1A(
>',6> 96,'6 '>,:C &B,6: ',>< <,9#
-A=/.A;(A;
(/.41
:C,'< 9C,&B #>,<> &>,#' :,:B &,:>
-A=/.A;(A;
S7=A(A;
<:,B' '>,<& #:,:9 &B,'< &,<< <,C<
-A=/.A;(A;
(7;FA0
<',6' 9&,69 #>,#> #&,<& #,## #,C#
S4=A?7S/
4(A1A
9#,'C 9>,#6 &9,9> ##,C> #,>6 &,>B
S4=A?7S/
(7;FA0
::,C# 96,6< #:,&B '&,># &,6< >,::
S4=A?7S/
S7=A(A;
<<,:& 9>,<6 #C,B' &6,C' ',<C :,>B
S4=A?7S/
(7;FFA1A
<6,:9 <&,B# ',#B #<,<> #,C< >,<>
/1/A; 5AGA 9&,'& <C,C6 'C,'< #:,>6 :,9> #>,:&

)alam melakukan analisis cluster terdapat dua metode yaitu metode kelompok
hiraki dan metode kelompok non hirarki.
)alam hal ini metode yang digunakan adalah metode hiraki karena paling banyak
digunakan oleh para peneliti dan memiliki keunggulan tersendiri, yaitu pengelompokan
yang terbentuk dapat terjadi secara alamiah.
Berdasarkan hasil pengolahan didapatkan 0asil sebagai berikut$
#'
#6
)ilihat dari kemiripan dalam melakukan pengklusteran propinsi 5ambi dengan
Sumatera 4tara mempunyai jarak &,&6#. sedang propinsi 5ambi dengan Sumatera Selatan
berjarak <,>'C. 5adi karakteristik lansia terlantar di propinsi 5ambi dengan Sumatera
4tara lebih mirip bila dibandingkan dengan propinsi 5ambi dengan Sumatera Selatan.
)emikian pula kemiripan propinsiCpropinsi lainnya dapat dilihat dengan melihat
kedekatan jaraknya. Semakin dekat jaraknya berarti semakin mirip.
)ari tabel '., kita bisa melihat baha aglomerasi melakukan pengelompokkan
secara satu demi satu. "ada tahap # *stage #, kasus nomor ' *propinsi ke ', dan #B
*propinsi ke #B, adalah yang paling mirip, maka mereka menjadi kelompok terlebih
dahulu. -emudian lihat kolom ne+t stage pada baris pertama, yang merupakan kelanjutan
stage untuk cluster. (erlihat stage #6 yang berarti stage dilanjutkan ke stage #6.
"ada stage #6 terlihat baha angka ' *propinsi ', dan ## *propinsi ##, hal ini
berarti baha propinsi ## masuk pada kelompok # yang terbentuk yaitu ' dan #B. dengan
demikian sudah diketahui baha ada ' anggota yang sudah diketahui clusternya.
-emudian lihat ne+t stage pada baris ke #6. dimana cluster terakhir dilakukan. (erlihat
angka #<, yang berarti proses cluster dilanjutkan ke stage #<. demikian selanjutnya
sampai semua cluster terbentuk.
#9
(abel '.
Agglomerasion Schedule
Agglomeration Schedule
3 19 .390 0 0 11
10 12 .788 0 0 5
11 13 1.188 0 0 15
4 6 1.759 0 0 9
10 18 2.758 2 0 12
2 20 3.828 0 0 11
5 17 4.909 0 0 18
21 22 6.047 0 0 14
1 4 7.473 0 4 10
1 7 9.159 9 0 17
2 3 11.209 6 1 17
10 14 13.356 5 0 15
9 16 16.215 0 0 16
21 23 19.278 8 0 16
10 11 22.930 12 3 19
9 21 28.014 13 14 18
1 2 35.627 10 11 19
5 9 45.231 7 16 20
1 10 56.362 17 15 23
5 15 69.666 18 0 21
5 24 86.659 20 0 22
5 8 108.660 21 0 23
1 5 138.000 19 22 0
Stage
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Cluster 1 Cluster 2
Cluster Combined
Coefficients Cluster 1 Cluster 2
Stage Cluster First
!!ears
"e#t Stage
Bila melihat keanggotaan kluster, terdapat perubahan letak propinsi dalam cluster,
seperti propinsi /rian jaya yang semula berada dalam kelompok 6 manjadi kelompok &
dalam cluster '. Sedang untuk jumlah cluster & terdapat perubahan cluster untuk propinsi
5akarta yang semula ada pada cluster ' menjadi cluster &.
"erubahan-perubahan ini dapat dilihat pada tabel dibaah ini.
#:
(abel 6
-eanggotaan -luster
Cluster Membership
1 1 1
1 1 1
1 1 1
1 1 1
2 2 2
1 1 1
1 1 1
3 3 2
2 2 2
1 1 1
1 1 1
1 1 1
1 1 1
1 1 1
2 2 2
2 2 2
2 2 2
1 1 1
1 1 1
1 1 1
2 2 2
2 2 2
2 2 2
4 2 2
Case
1$S%&'() %')
2$S%&'() *)'
3$)+%
4$,&*+
5$S%&'() S(-'"
6$*("./%-%
7$-&0%".
8$1/+ ,/)'
9$,2 *)'
10$,2 '(".3
11$1.+. 45.4/)'
12$,2 '+&%)
13$*-+
14$"%S '("..)
*)'
15$"%S '("..)
'+&%)
16$/-+&"'" *)'
17$/-+&"'" '+&%)
18$/-+&"'"
S(-'"
19$/-+&"'" '(".3
20$S%-2(S+ %')
21$S%-2(S+ '(".3
22$S%-2(S+ S(-'"
23$S%-2(S+
'("..)
24$+)+" ,4
4 Clusters 3 Clusters 2 Clusters
Secara visual hasil pengelompokan dapat dilihat pada dendogram di tabel 9..
"engelompokan propinsi propinsi untuk lansia terlantar dapat dibagi atas beberapa
kelompok. "enentuan banyaknya kelompok dapat dilihat dari karakteristik masing-
masing ilayah propinsi.
.elihat dari karakteristik masing-masing ilayah ada beberapa ' pengelompokan, yaitu$
#<
#. 5umlah & -elompok yang terdiri dari kelompok pertama meliputi propinsi
Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, =ampung, 5aa (engah,
)/ yokyakarta, 5aa (imur, Bali, ;(B, -al (eng, -al Sel, Sulutdan kelompok
kedua meliputi propinsi Sumatera Selatan, )-/ jakarta, 5aa Barat, ;((, -al bar,
-al (im, Sulteng, Sultra dan /rian jaya
&. 5umlah ' -elompok yang terdiri dari kelompok pertama meliputi propinsi
Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, =ampung, 5aa (engah,
)/ yokyakarta, 5aa (imur, Bali, ;(B, -al (eng, -al Sel, Sulut dan kelompok
kedua meliputi propinsi Sumatera Selatan, 5aa Barat, ;((, -al bar, -al (im,
Sulteng, Sultra dan /rian jaya. 4ntuk -elompok ketiga adalah propinsi )-/
5akarta.
'. 5umlah 6 -elompok yang terdiri dari kelompok pertama meliputi propinsi
Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, =ampung, 5aa (engah,
)/ yokyakarta, 5aa (imur, Bali, ;(B, -al (eng, -al Sel, Sulut dan kelompok
kedua meliputi propinsi Sumatera Selatan,5aa Barat, ;((, -al bar, -al (im,
Sulteng, Sultra. -elompok -etiga adalad )-/ jakarta dan kelompok keempat
adalah propinsi paling timur /rian 5aya.
)engan melihat hasil pengelompokan diatas maka lebih baik pengelompokan
yang diambil adalah dengan jumlah 6 kelompok. "engambilam 6 kelompok didasarkan
pada karakteristik propinsi )-/ 5akarta pada kelompok tiga berbeda dengan propinsi
lainnya, juga perbedaan karakteristik untuk propinsi /rian 5aya pada kelompok keempat.
#>
#B