Anda di halaman 1dari 5

Tugas Resume

Analisis Cluster dan Analisis Diskriminan


Disusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan
(TKP 342)

Oleh:
Hanifah Cindy Pratiwi 21040113130100
Kelas B

JURUSAN PERENCANAAN WILAYAH DAN KOTA


FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2015

Analisis Cluster dan Analisis Diskriminan


A. Analisis Cluster
Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama
mengelompokkan objek-objek berdasarkan kesamaan karakteristik di antara objek-objek
tersebut. Objek bisa berupa produk (barang dan jasa), benda (tumbuhan atau lainnya), serta
orang (responden, konsumen atau yang lain). Objek tersebut akan diklasifikasikan ke dalam
satu atau lebih cluster (kelompok) sehingga objek-objek yang berada dalam satu cluster
akan mempunyai kemiripan satu dengan yang lain. 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 bahwa analisis cluster
terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok
variabel. Analisis cluster termasuk pada Interdependes Techniques. analisis cluster (Q factor
analysis) lebih bertujuan mengelompokkan isi variabel, walaupun bisa juga disertai dengan
pengelompokan variabel. Dalam terminologi SPSS, analisis cluster adalah perlakuan
terhadap baris.
Secara logika, cluster yang baik adalah cluster yang mempunyai:
Homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster (within

cluster).
Heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan cluster yang

lainnya (between-cluster).
Dalam analisis cluster, terdapat dua metode pembentukan cluster, yaitu:
1. Hierarchial Methode
Metode ini memulai pengelompokan dengan dengan dua atau lebih objek yang
mempunyai kesamaan paling dekat. Kemudian proses diteruskan ke objek lain yang
mempunyai

kedekatan

kedua.

Demikian

seterusnya

sehingga

cluster

akan

membentuk semacam pohon, di mana ada hirarki (tingkatan) yang jelas antar objek,
dari yang paling mirip sampai paling tidak mirip. Secara logika semua objek pada
akhirnya akan membentuk sebuah cluster. Dendogram biasanya digunakan untuk
membantu memperjelas proses hirarki tersebut.
Keuntungan penggunaan metode hierarki dalam analisis Cluster adalah
mempercepat pengolahan dan menghemat waktu karena data yang diinputkan akan
membentuk hierarki atau membentuk tingkatan tersendiri sehingga mempermudah

dalam penafsiran, namun kelemahan dari metode ini adalah seringnya terdapat
kesalahan pada data outlier, perbedaan ukuran jarak yang digunakan, dan
terdapatnya variabel yang tidak relevan. Sedang metode non-hierarki memiliki
keuntungan dapat melakukan analisis sampel dalam ukuran yang lebih besar dengan
lebih efisien. Selain itu, hanya memiliki sedikit kelemahan pada data outlier, ukuran
jarak yang digunakan, dan variabel tak relevan atau variabel yang tidak tepat.
Sedangkan kelemahannya adalah untuk titik bakal random lebih buruk dari pada
metode hirarkhi.
2. Non-Hierarchial Methode
Berbeda dengan metode hirarki, metode ini justru dimulai dengan terlebih dahulu
jumlah cluster yang diinginkan (dua cluster, tiga cluster atau yang lain). Setelah jumlah
cluster diketahui, baru proses cluster dilakukan tanpa mengikuti proses hirarki. Metode
ini biasa disebut dengan K-Means Cluster.
Dalam bidang perencanaan wilayah dan kota. Analisis cluster ini dapat digunakan
dalam mengelompokkan fasilitas fasilitas umum dari sudut pandang pemakai atau
masyarakat. Sebagai contoh, mengelompokkan fasilitas prasarana transportasi seperti
terminal. Dengan menganalisis data data yang ada, maka dapat dikelompokkan terminal
yang pelayanannya sudah baik, sedang atau terminal yang tidak baik kualitasnya. Maka
terminal terminal yang memiliki karakteristik yang sama (ditandai dengan nilai yang
selisihnya tidak jauh berbeda) akan ditempatkan pada satu kelompok atau cluster.
B. Analisis Diskriminan
Analisis diskriminan adalah metode analisis multivariat yang bertujuan untuk
memisahkan dan mengalokasikan objek pengamatan ke dalam kelompok sehingga setiap
objek menjadi anggota dari salah satu kelompok dan tidak ada objek yang menjadi anggota
lebih dari satu kelompok. Prosedur analisis diskriminan dilakukan dengan membentuk fungsi
diskriminan berdasarkan kombinasi linear dari variabel bebas yang diteliti. Fungsi
diskriminan yang terbentuk digunakan untuk pengelompokan pada kasus baru yang belum
diketahui keanggotaan kelompoknya. Nilai diskriminan dari setiap objek yang terlibat
merupakan petunjuk termasuk dalam kelompok mana objek tersebut berasal (Johnson dan
Wichern, 2007).
Analisis diskriminan adalah metode untuk mencari dasar pengelompokan individu
berdasarkan lebih dari satu variabel bebas. Analisis Diskriminan dipakai untuk menjawab
pertanyaan bagaimana individu dapat dimasukkan ke dalam kelompok berdasarkan
beberapa variabel. Analisis diskriminan memberikan hasil terbaik apabila variabel dalam
setiap kelompok mengikuti distribusi normal multivariat dan matriks varian kovarian untuk
setiap kelompok adalah homogen. Sehingga ada pengujian asumsi sebelum dilakukan
analisis diskriminan dan akan memberikan ketepatan klasifikasi yang rendah apabila asumsi
tersebut tidak dipenuhi.

Analisis diskriminan bermanfaat pada situasi di mana sampel total dapat dibagi
menjadi group-group berdasarkan karateristik variabel yang diketahui dari beberapa kasus.
Tujuan utama dari analisis multipel diskriminan adalah untuk mengetahui perbedaan antar
group (Hair, Anderson, Tatham, Black, 1995). Analisis diskriminan merupakan teknik
menganalisis data, dimana variabel dependen merupakan data kategorik atau kualitatif
(ordinal atau rasio), sedangkan variabel independen berupa data kuantitatif (interval atau
rasio).
Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau observasi
ke dalam kelompok yang saling bebas (mutually exclusive/disjoint) dan menyeluruh
(exhaustive) berdasarkan sejumlah variabel penjelas. Persamaan Fungsi Diskriminan yang
dihasilkan untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu
kedalam kelompok berdasarkan skor variabel bebas. Jika kita bandingkan dengan regresi
linier, maka analisis diskriminan merupakan kebalikannya. Pada regresi linier, variabel
respon yang harus mengikuti distribusi normal dan homoskedastis, sedangkan variabel
penjelas diasumsikan fixed, artinya variabel penjelas tidak disyaratkan mengikuti sebaran
tertentu. Untuk analisis diskriminan, variabel penjelasnya seperti sudah disebutkan di atas
harus mengikuti distribusi normal dan homoskedastis, sedangkan variabel responnya fixed.
Asumsi dalam analisis diskriminan yaitu:
Tidak adanya multikolinieritas antara variabel independen (Hubungan linear antar

variable independen).
Variabel independen mengikuti distribusi normal.
Adanya homogenitas varians antara kelompok data (Matriks varians-covarians

variabel penjelas berukuran pxp pada kedua kelompok harus sama).


Ciri analisis ini adalah jenis data dari variabel dependent bertipe nominal ( kategori ),
seperti kode 2 dan 1, atau kode 1, 2, dan 3 serta kombinasi lainnya. Proses diskriminan
lebih dari 2 kelompok. Untuk diskriminan untuk 3 kelompok seperti pada kasusu ini,
pembagian variabel bebas tidak seperti pada kasus 2 kelompok, yakni langsung variabel a
ke kelompok 1, variabel b ke kelompok 2 dan seterusnya. Disini seluruh variabel bebas
dilakukan proses reduksi variabel terlebih dahulu, yakni menjadi 1 atau beberapa faktor.
Setelah itu, setiap kelompok (sering, jarang, cukup) akan ditentukan lebih cenderung masuk
ke faktor yang mana. Jadi di sini dasar pembagian adalah faktor bukan variabel bebas yang
semula.
Oleh karena bentuk multivariate dari analisis diskriminan adalah dependence, maka
variabel dependen adalah variabel yang menjadi dasar analisis diskriminan. Variabel
dependen bisa berupa kode grup 1 atau grup 2 atau lainnya, dengan tujuan diskriminan
secara umum adalah:
Untuk mengetahui apakah ada perbedaan yang jelas antar grup pada variabel
dependen.

Jika ada perbedaan, kita ingin mengetahui variabel independen mana pada fungsi

diskriminan yang membuat perbedaan tersebut.


Membuat fungsi atau model diskriminan, yang pada dasarnya mirip dengan

persamaan regresi.
Melakukan klasifikasi terhadap objek (dalam terminologi SPSS disebut baris),
apakah suatu objek (bisa nama orang, nama tumbuhan, benda atau lainnya)
termasuk pada grup 1 atau grup 2 atau lainnya.

Sumber:
Anonim. 2008. Analisis Cluster dalam www.statistikaterapan.com. Diakses pada Sabtu, 28
Maret 2015.
Anonim. 2011. Analisis Diskriminan dalam www.download.portalgaruda.org. Diakses pada
Sabtu, 28 Maret 2015.
Anonim. 2013. Analisis Diskriminan dalam www.statistikian.com. Diakses pada Sabtu, 28
Maret 2015.
Anonim. 2014. Analisis Cluster dalam www.statistikian.com. Diakses pada Sabtu, 28 Maret
2015.

Anda mungkin juga menyukai