Anda di halaman 1dari 8

Materi Kuliah Metode Analisis Perencanaan 1

Jurusan Teknik Perencanaan Wilayah dan Kota

ANALISIS CLUSTER
A. Pengertian Analisis Cluster
Analisis cluster adalah analisis yang bertujuan untuk mengelompokkan data berdasarkan
karakteristiknya yang sama sehingga terbentuk cluster yang memiliki homogenitas
(karakteristik antar data di dalam sebuah cluster serupa) dan heterogenitas (perbedaan
karakteristik antar cluster). Asumsi yang harus dimiliki sebelum memulai analisis cluster adalah
mengenai jumlah sampel yang harus dapat mewakili populasi.
B. Latihan Analisis Cluster dengan SPSS
Contoh:
Judul:
Kajian Perkembangan Desa di Kabupaten Bantul
Tujuan:
Untuk mencapai tujuan dari kajian tersebut maka dilakukan analisis cluster untuk
mengelompokkan desa-desa sesuai dengan tingkat perkembangannya melalui berbagai
variabel yaitu:
1. Jumlah penduduk
2. Kepadatan penduduk
3. Jumlah fasilitas ekonomi
4. Jumlah fasilitas sosial
5. Jumlah fasilitas kesehatan
6. Jumlah fasilitas pendidikan
7. Jumlah utilitas
Langkah-langkah:
1. Buka data view SPSS

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

2. Klik Analyze Descriptive Statistics Descriptives

3. Pada window descriptive, masukkan variabel yang digunakan untuk analisis cluster dan
pilih (centang) save standardized values as variables, klik OK.

4. Kembali ke data view, pastikan bahwa z score masing-masing variabel sudah masuk ke
dalam data anda.
Catatan:
z score merupakan transformasi atau standarisasi dari nilai variabel yang bervariasi untuk
kemudian dapat digunakan dalam perhitungan analisis cluster.

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

5. Klik Analyze Classify K-Means Cluster.

Catatan:
Dalam analisis cluster kali ini, K-Means Cluster digunakan karena proses memulai analisis
tidak memerlukan langkah-langkah pengelompokan secara hirarkis terlebih dahulu namun
hanya perlu menentukan jumlah cluster yang diinginkan.

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

6. Dalam windows K-Means Cluster Analysis, masukkan variabel analisis yang sudah dalam
bentuk z score, kemudian masukkan desa dalam Label Cases by.

7. Klik Save, pilih (centang) Cluster membership dan Distance from cluster center, klik
Continue.

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

8. Klik Options, pilih (centang) Initial cluster center, Anova table, dan Exclude cases listwise,
klik Continue, klik OK.

9. Out Put
Bagian 1:
Menunjukkan analisis deskriptif dari masing-masing variabel yaitu nilai maksimum dan
minimum, rata-rata, dan standar deviasi. Tabel ini nantinya akan membantu dalam
memperoleh nilai rata-rata masing-masing variabel yang ada di dalam cluster.
Descriptive Statistics
N

Minimum

Maximum

Mean

Std. Deviation

Jmlpend

75

2806.00

32015.00

10925.4267

5590.87638

Kepdtwil

75

464.00

12796.00

2045.4133

1599.09948

Jfasek

75

.00

3.00

.6133

.82024

Jfasos

75

5.00

8.00

6.4667

.72286

Jfaskes

75

.00

4.00

1.6933

1.05232

Jfaspend

75

1.00

6.00

3.4400

1.00324

Jfasutili

75

.00

4.00

1.3733

1.43106

Valid N (listwise)

75

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

Bagian 2:
Menunjukkan proses awal clustering yaitu cluster centers yang mengacu pada nilai z score
sebelum dilakukan iterasi.
Initial Cluster Centers
Cluster
1

Zscore(Jmlpend)

3.77214

-1.33618

-.94018

Zscore(Kepdtwil)

1.12412

6.72290

-.56558

Zscore(Jfasek)

1.69056

.47141

-.74775

Zscore(Jfasos)

2.12121

-2.02899

-.64559

Zscore(Jfaskes)

.29142

-.65886

-1.60914

Zscore(Jfaspend)

1.55497

-.43858

-1.43535

Zscore(Jfasutili)

1.83547

1.13669

-.95966

Bagian 3:
Menunjukkan proses iterasi untuk memperoleh cluster centers yang paling tepat.
Berdasarkan tabel, terdapat 6 (enam) kali proses iterasi untuk memperoleh hasil cluster
centers yang paling tepat yaitu cluster dengan jarak minimum antar cluster sebesar 7,683.
Iteration Historya
Change in Cluster Centers
Iteration

3.371

.000

2.449

.535

.000

.134

.469

.000

.162

.413

.000

.221

.131

.000

.077

.000

.000

.000

a. Convergence achieved due to no or small


change in cluster centers. The maximum
absolute coordinate change for any center is .
000. The current iteration is 6. The minimum
distance between initial centers is 7.683.

Bagian 4:
Menunjukkan hasil final cluster centers yang mengacu pada nilai z score. Berdasarkan
rumus:

X = +Z .

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

Keterangan:
X = rata-rata sampel (per variabel dalam cluster)
= rata-rata populasi
Z = nilai z score (nilai standarisasi)
= standar deviasi
maka dapat diketahui bahwa:
1. Nilai positif (+) pada final cluster centers menunjukkan bahwa rata-rata sampel di dalam
cluster tersebut lebih dari rata-rata total; dan
2. Nilai negative (-) pada final cluster centers menunjukkan bahwa rata-rata sampel di dalam
cluster tersebut kurang dari rata-rata total.
Final Cluster Centers
Cluster
1

Zscore(Jmlpend)

.88932

-1.33618

-.45388

Zscore(Kepdtwil)

.22489

6.72290

-.26188

Zscore(Jfasek)

.04939

.47141

-.03657

Zscore(Jfasos)

.73781

-2.02899

-.35738

Zscore(Jfaskes)

.65691

-.65886

-.34210

Zscore(Jfaspend)

.90323

-.43858

-.48011

-.34151

1.13669

.16130

Zscore(Jfasutili)

Berdasarkan judul dan tujuan penelitian, maka dapat hasil final cluster centers dapat
didefinisikan sebagai berikut:
1. Desa dengan perkembangan pesat yaitu desa-desa yang terdapat pada cluster 1
dengan nilai rata-rata sampel berada di atas rata-rata populasi terdapat pada 6 dari 7
variabel.
2. Desa dengan perkembangan sedang yaitu desa-desa yang terdapat di cluster 2 dengan
nilai rata-rata sampel berada di atas rata-rata populasi terdapat pada 3 dari 7 variabel.
3. Desa dengan perkembangan lambat yaitu desa-desa yang terdapat pada cluster 3
dengan nilai rata-rata sampel berada di atas rata-rata populasi terdapat pada 1dari 7
variabel.
Catatan:
Pemberian nama cluster dan penarikan kesimpulan harus sesuai dengan tujuan penelitian.
Bagian 5:
Menunjukkan nilai F dan nilai Sig. dimana semakin besar nilai F dan nilai Sig < 0,05 maka
semakin besar perbedaan variabel pada cluster yang terbentuk (prinsip heterogenitas
antar cluster). Berdasarkan tabel, variabel kepadatan penduduk memiliki nilai F terbesar
dan nilai Sig. 0 sehingga variabel kepadatan penduduk memiliki perbedaan paling besar di
antara desa-desa pada ketiga cluster yang terbentuk.

Materi Kuliah Metode Analisis Perencanaan 1


Jurusan Teknik Perencanaan Wilayah dan Kota

ANOVA
Cluster
Mean Square

Error
df

Mean Square

df

Sig.

Zscore(Jmlpend)

16.118

.580

72

27.788

.000

Zscore(Kepdtwil)

24.902

.336

72

74.102

.000

Zscore(Jfasek)

.175

1.023

72

.171

.843

Zscore(Jfasos)

12.200

.689

72

17.711

.000

Zscore(Jfaskes)

8.636

.788

72

10.960

.000

16.234

.577

72

28.143

.000

2.787

.950

72

2.932

.060

Zscore(Jfaspend)
Zscore(Jfasutili)

The F tests should be used only for descriptive purposes because the clusters have been chosen to
maximize the differences among cases in different clusters. The observed significance levels are not
corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.

Bagian 6:
Menunjukkan jumlah desa yang terdapat pada masing-masing cluster. Berdasarkan tabel,
Kabupaten Bantul memiliki desa dengan perkembangan lambat (berada di cluster 3) dengan
jumlah yang lebih tinggi dibandingkan dengan desa dengan perkembangan cepat dan sedang.
Number of Cases in each
Cluster
Cluster

Valid
Missing

26.000

1.000

48.000
75.000
.000

Catatan:
Untuk mengetahui sebaran desa di masing-masing cluster dapat dilihat melalui data view pada
kolom QCL_1 menunjukkan cluster dan QCL_2 adalah jarak terhadap pusat cluster.