Anda di halaman 1dari 14

Nama : Faradila Martha Devi

NIM : 107094003053

1. Pengelompokkan data dengan metode K-Means Cluster (3 Cluster)

a. Perusahaan yang masuk Cluster 1, 2, 3


Cluster 1 : Bumi resources, Aneka Tambang, Astra Internasional, Indofood
Sukses Makmur
Cluster 2 : Aqua Golden Mississipi
Cluster 3 : Astra Agro Lestari, Sampoerna Agro, SMART, Adaro Energy,
Resources Alam Indonesia, Elnusa, Holcim Indonesia, Indocement
Tunggal, Astra Otoparts, Indomobil Sukses Internasional, Ades Waters
Indonesia, Siantara Top, Ultra Jaya Milk, Bentoel Int, Gudang Garam,
HM Sampoerna, Indofarma, Kalbe Farma, Merck, Mustika ratu

b. Output dan Interpretasinya

Descriptives

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation


assets 25 190 77788 12160,84 17903,472
Hi 25 215 129500 13274,40 27400,901
Low 25 50 100000 6851,56 20653,768
Close 25 50 127000 8624,00 25713,036
Freq 25 15 1192213 130952,96 273001,617
Valid N (listwise) 25
Analisis :
Tabel ini merupakan table Deskriptif Statistik, yang mendeskriptifkan data-data
(minimum, maximum, mean-rataan, standar deviasi) dalam table

Quick Cluster
Initial Cluster Centers

Cluster

1
2 3
Zscore(assets) 3,66561 -,62473 -,65942
Zscore(Hi) ,61953 4,24167 1,44979
Zscore(Low) -,01218 4,51000 1,38708
Zscore(Close) ,07490 4,60373 1,04523
Zscore(Freq) ,49193 -,47962 -,47949

Output ini adalah tampilan pertama (initial) proses clustering data sebelum dilakukan
iterasi. Tapi, output ini tidak dianalisis, karena yang akan dianalisis adalah hasil akhir
cluster dari proses clustering sesudah iterasi

Iteration History(a)

Change in Cluster Centers


Iteration 1 2 3
1 2,029 ,000 2,619
2 ,685 ,000 ,137
3 ,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 3. The minimum distance between initial centers is 4,821.

Output ini menyatakan telah terjadi 3 kali proses iterasi, hingga menghasilkan Hasil
Akhir Cluster (Final Cluster Centers)

Final Cluster Centers

Cluster
1 2 3
Zscore(assets) 1,61235 -,62473 -,29123
Zscore(Hi) -,05677 4,24167 -,20073
Zscore(Low) -,22461 4,51000 -,18058
Zscore(Close) -,20433 4,60373 -,18932
Zscore(Freq) 1,74156 -,47962 -,32433

Output ini adalah akhir dari proses clustering, dengan analisis :


Angka di atas terkait dengan proses standardisasi data sebelumnya, yang mengacu
pada angka z, dengan ketentuan berikut :
a. Angka negative berarti data di bawah rata-rata total
b. Angka positif berarti data di atas rata-rata total
Hal itu berarti, data-data di atas berada di atas rata-rata total
Mis, angka 1,61235 pada variable Zassets menyatakan rata-rata assets responden pada
cluster 1, yaitu :
X = µ + z.

Dimana :
X = Rata-rata sampel (dalam hal ini rata-rata variable pada cluster tertentu)
µ = Rata-rata populasi
z = Nilai standardisasi yang didapat pada SPSS
 = Standar deviasi

Contoh Perhitungannya :
a. Rata-Rata Assets cluster 1 = 12160,84 + (1,61 x 17903,47) = 40985,43
b. Rata-Rata Assets cluster 2 = 12160,84 + (-0,625 x 17903,47) = 971,17
c. Rata-Rata Assets cluster 3 = 12160,84 + (-0,29 x 17903,47) = 6968,84
Setelah terbentuk 3 cluster, langkah selanjutnya adalah melihat apakah variable-variabel
yang terbentuk mempunyai perbedaan tiap cluster, melalui pengujian output ANOVA

ANOVA

Cluster Error
Mean Square df Mean Square df F Sig.
Zscore(assets) 6,243 2 ,523 22 11,927 ,000
Zscore(Hi) 9,405 2 ,236 22 39,872 ,000
Zscore(Low) 10,597 2 ,128 22 83,086 ,000
Zscore(Close) 11,039 2 ,087 22 126,373 ,000
Zscore(Freq) 7,233 2 ,433 22 16,690 ,000

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.

Analisis :
Kolom cluster menunjukkan besaran between cluster mean, sedangkan kolom Error
menunjukkan besaran within cluster mean, sehingga kolom F :

F = Cluster
Error
Contoh :
Angka F (pada ZHi) = 9,405/0,236 = 39,85 sebanding dengan 39,872 (perbedaan angka
mungkin karena pembulatan)

Pada prinsipnya, semakin besar angka F suatu variable dan angka signifikannya di
bawah 0,05, maka semakin besar pula perbedaan variable tersebut pada ketiga cluster
yang terbentuk.
Sebagai contoh :
Pada variable Close, angka F = 126,373 dengan angka sig. 0,000 yang berarti
signifikansi adalah nyata, atau dengan kata lain, factor Close sangat memmbedakan
karakteristik ketiga cluster

Sekarang kita bandingkan, angka F variable ZAssets (11,927) lebih kecil dari angka F
variable ZClose (126,373), hal itu berarti perbedaan assets jauh lebih kecil dari
perbedaan Close antar responden pada ketiga cluster
Number of Cases in each Cluster

Cluster 1 4,000
2 1,000
3
20,000
Valid 25,000
Missing ,000

Analisis :
Dari table di atas didapat :
1. Responden yang masuk ke cluster 1 sebanyak 4 responden
2. Responden yang masuk ke cluster 2 sebanyak 1 responden
3. Responden yang masuk ke cluster 3 sebanyak 20 responden
Tidak ada variable yang hilang (missing), karena semua responden (25 resonden)
terpeta pada ketiga cluster.

2. Pengelompokkan data dengan metode Hierarchical Cluster

Output dan
Interpretasinya :

Proximities
Case Processing Summary(a)

Cases
Valid Missing Total
Per Per
cen cen Per
N t N t N cent
96, 4,0 100
24 1 25
0% % ,0%
a Squared Euclidean Distance used

Output menyatakan
bahwa 24 data yang ada
telah diproses

Cluster
P r o x im ity M a tr ix

S q u a r e d E u c l id e a n D is t a n c e
16: 17: 18: 19:
1 : S U M A 2 T: SE UR MA A T E R A 5 :S U M A T E R A 8 : D K I 9 : J A W 1 A0 : J A W 1A 1 : D I 1 2 : J A W A K A L I M A KN A T L AI MN A KN A T L AI MN A KN A T L AI MN A N T A N 2 1 : S U L
C ase U T A R A B A R A T3 : R I A 4U : J A M SB EI L A T 6A : BN E N G 7 K: LU A L MU PJ UA NK AG RB TAA R AT TE N G Y AO H G Y A KT AI MR UT R1A 3 : B A 1L 4I : N T 1B 5 : N T T B A R A T T I M U R S E L A T A T NE N G A2 H0 : S U TL UE NT G 2A2 H: S U L2 S3 :ES L U L 2T 4E : INR GI A N
1 : S U M A T E R A U T, 0A 0 R0 A 3 , 8 9 1 3 , 4 8 5 2 , 2 4 1 7 , 0 8 7 2 , 6 0 6 3 , 8 4 8 3 0 , 1 4 1 8 , 4 5 3 4 , 3 1 4 5 , 9 4 5 6 , 4 6 1 8 , 9 7 3 9 , 0 2 0 1 6 , 9 5 5 7 , 3 0 3 9 , 4 3 8 5 , 2 5 3 5 , 1 4 2 4 , 6 4 9 7 , 4 5 3 9 , 8 8 1 1 9 , 1 1 0 3 2 , 5 9 4
2 : S U M A T E R A B A3 ,R8 9A 1T , 0 0 0 1 , 3 7 9 3 , 9 9 0 9 , 5 5 8 4 , 3 6 5 9 , 2 8 8 2 0 , 8 0 1 6 , 5 0 6 4 , 6 5 0 2 , 6 6 9 7 , 3 8 1 4 , 1 0 6 1 2 , 4 7 92 2 , 4 9 4 1 1 , 8 4 0 1 2 , 0 0 7 5 , 4 2 8 2 , 8 2 4 2 , 1 4 1 3 , 8 8 7 7 , 1 8 3 9 , 5 5 1 3 2 , 7 5 0
3 :R IA U 3 , 4 8 5 1 , 3 7 9 , 0 0 0 2 , 8 5 1 7 , 6 0 4 3 , 7 3 7 8 , 3 2 8 3 0 , 0 9 4 4 , 5 4 8 2 , 9 0 3 1 , 3 3 4 6 , 1 7 0 3 , 7 8 4 1 1 , 5 0 22 1 , 7 0 1 8 , 9 0 7 1 0 , 6 4 5 4 , 6 5 3 ,7 8 1 2 ,5 8 7 4 ,6 6 4 4 , 7 9 5 8 ,1 0 7 3 2 ,6 0 5
4 :J A M B I 2 ,2 4 1 3 ,9 9 0 2 ,8 5 1 ,0 0 0 7 , 8 3 0 1 , 1 4 2 1 , 7 1 4 2 7 , 5 7 06 ,3 8 5 2 , 1 3 1 3 , 0 3 7 3 , 0 5 4 4 , 5 9 1 4 , 5 7 1 1 2 , 6 7 5 5 , 1 2 8 1 1 , 0 3 4 3 , 2 6 3 2 , 6 0 0 6 , 7 3 8 5 ,8 1 2 6 , 6 3 9 1 4 ,1 3 7 3 7 ,7 1 6
5 : S U M A T E R A S E7 ,L0 A8 T7 A N9 , 5 5 8 7 , 6 0 4 7 , 8 3 0 ,0 0 0 5 , 0 6 1 1 3 , 0 4 72 7 , 6 5 1 6 , 3 9 0 1 0 , 6 7 1 1 0 , 3 7 41 3 , 2 7 21 5 , 2 3 81 1 , 9 4 11 8 , 6 7 8 4 , 4 6 1 2 , 1 6 1 7 , 5 5 2 1 0 , 0 1 8 7 , 3 3 0 5 , 4 6 8 4 , 1 6 7 1 4 , 0 4 2 1 7 , 1 7 6
6 : B E N G K U L U 2 ,6 0 6 4 ,3 6 5 3 , 7 3 7 1 , 1 4 2 5 , 0 6 1 , 0 0 0 3 , 1 8 0 2 3 , 8 7 03 ,4 4 4 5 , 1 4 5 5 , 0 3 4 6 , 8 1 1 7 , 5 6 0 6 , 7 2 8 8 , 7 4 3 2 , 9 0 2 9 , 8 4 2 4 , 4 7 1 4 , 3 6 0 5 , 2 3 9 4 ,1 0 1 5 , 8 5 5 1 2 ,4 1 5 2 8 ,7 3 7
7 :L A M P U N G 3 , 8 4 8 9 , 2 8 8 8 , 3 2 8 1 , 7 1 4 1 3 , 0 4 7 3 , 1 8 0 , 0 0 0 3 2 , 7 3 91 1 , 9 2 2 4 , 9 6 1 7 , 9 9 8 4 , 6 8 7 9 , 1 1 2 4 , 3 7 6 9 , 7 2 9 6 , 5 3 3 1 7 , 0 3 3 6 , 1 1 1 7 , 8 5 5 1 3 , 1 6 21 1 , 0 9 4 1 3 , 2 2 9 2 3 , 5 3 6 4 4 , 9 4 4
8 : D K I J A K A R T A 3 0 , 1 4 1 2 0 , 8 0 13 0 , 0 9 42 7 , 5 7 0 2 7 , 6 5 1 2 3 , 8 7 0 3 2 , 7 3 9 , 0 0 0 2 9 , 8 7 63 2 , 8 8 6 2 9 , 4 1 03 1 , 4 4 12 7 , 5 6 32 8 , 1 2 33 5 , 5 5 5 3 3 , 0 0 8 2 7 , 9 9 8 2 5 , 9 9 5 3 2 , 5 9 32 5 , 6 0 01 7 , 3 3 9 2 7 , 5 8 2 3 0 , 3 0 2 4 3 , 8 1 9
9 : J A W A B A R A T 8 , 4 5 3 6 , 5 0 6 4 , 5 4 8 6 , 3 8 5 6 , 3 9 0 3 , 4 4 4 1 1 , 9 2 22 9 , 8 7 6 , 0 0 0 1 0 , 8 4 0 7 , 1 5 5 1 5 , 1 3 51 1 , 1 4 21 6 , 8 0 81 3 , 1 6 7 5 , 7 1 8 1 3 , 9 0 0 1 0 , 1 5 3 5 , 2 4 3 4 , 4 9 9 5 , 4 1 1 5 , 4 9 2 6 , 1 8 1 2 4 , 1 6 6
1 0 : J A W A T E N G A4 H, 3 1 4 4 , 6 5 0 2 , 9 0 3 2 , 1 3 1 1 0 , 6 7 1 5 , 1 4 5 4 , 9 6 1 3 2 , 8 8 61 0 , 8 4 0 , 0 0 0 1 , 2 3 6 , 7 9 5 1 ,9 6 3 4 , 5 7 4 2 0 , 5 5 9 8 ,4 1 6 1 2 ,3 1 0 1 , 5 0 4 3 ,3 2 8 9 ,7 6 7 6 ,2 5 6 5 , 9 0 5 1 3 ,3 4 4 3 9 ,3 2 4
1 1 : D I Y O G Y A K A 5R , 9T 4A 5 2 , 6 6 9 1 , 3 3 4 3 , 0 3 7 1 0 , 3 7 4 5 , 0 3 4 7 , 9 9 8 2 9 , 4 1 0 7 , 1 5 5 1 , 2 3 6 ,0 0 0 3 ,1 6 9 ,8 0 0 8 , 0 0 8 2 1 , 1 2 7 9 ,1 0 3 1 3 ,3 6 4 2 , 4 5 9 1 ,7 9 5 6 ,9 6 7 4 ,0 3 3 3 , 9 0 9 6 ,9 7 9 3 5 ,6 1 0
1 2 : J A W A T I M U R 6 , 4 6 1 7 , 3 8 1 6 , 1 7 0 3 , 0 5 4 1 3 , 2 7 2 6 , 8 1 1 4 , 6 8 7 3 1 , 4 4 11 5 , 1 3 5 , 7 9 5 3 , 1 6 9 , 0 0 0 2 ,7 9 5 2 , 3 2 8 2 0 , 9 0 1 9 ,9 1 4 1 3 ,8 5 9 1 , 8 8 9 6 ,1 1 2 1 4 , 3 1 6 8 ,1 6 9 8 , 0 7 0 1 7 ,4 9 8 4 4 ,9 5 4
1 3 :B A L I 8 , 9 7 3 4 , 1 0 6 3 , 7 8 4 4 , 5 9 1 1 5 , 2 3 8 7 , 5 6 0 9 , 1 1 2 2 7 , 5 6 31 1 , 1 4 2 1 , 9 6 3 ,8 0 0 2 ,7 9 5 ,0 0 0 7 , 7 3 4 2 3 , 2 1 2 1 2 , 6 1 3 1 7 ,7 9 9 3 , 2 3 2 3 ,8 0 6 1 0 , 8 1 7 5 ,5 6 5 6 , 3 5 9 8 ,7 0 1 4 2 ,4 0 7
1 4 :N T B 9 , 0 2 0 1 2 , 4 7 91 1 , 5 0 2 4 , 5 7 1 1 1 , 9 4 1 6 , 7 2 8 4 , 3 7 6 2 8 , 1 2 31 6 , 8 0 8 4 , 5 7 4 8 , 0 0 8 2 , 3 2 8 7 , 7 3 4 , 0 0 0 1 4 , 6 0 0 6 , 9 7 7 1 3 , 0 8 5 3 , 0 8 0 1 1 , 5 1 11 9 , 2 9 4 9 , 0 0 0 9 , 1 3 0 2 1 , 7 1 2 4 1 , 6 1 4
1 5 :N T T 1 6 , 9 5 5 2 2 , 4 9 42 1 , 7 0 11 2 , 6 7 5 1 8 , 6 7 8 8 , 7 4 3 9 , 7 2 9 3 5 , 5 5 51 3 , 1 6 72 0 , 5 5 9 2 1 , 1 2 72 0 , 9 0 12 3 , 2 1 21 4 , 6 0 0 , 0 0 0 6 , 5 1 6 2 9 , 8 2 9 1 6 , 6 1 6 2 2 , 2 5 62 4 , 4 9 01 5 , 6 6 5 1 9 , 4 7 9 2 5 , 9 2 7 3 4 , 6 3 8
1 6 : K A L I M A N T A N 7 ,B3 A0 3R A 1T 1 , 8 4 0 8 , 9 0 7 5 , 1 2 8 4 , 4 6 1 2 , 9 0 2 6 , 5 3 3 3 3 , 0 0 8 5 , 7 1 8 8 , 4 1 6 9 , 1 0 3 9 , 9 1 4 1 2 , 6 1 3 6 , 9 7 7 6 , 5 1 6 , 0 0 0 1 0 , 7 1 9 5 , 4 9 1 1 0 , 3 1 71 2 , 4 8 6 5 , 9 3 5 5 , 2 4 4 1 4 , 1 4 2 2 1 , 6 8 5
1 7 : K A L I M A N T A N 9 ,T4 I3M8 U R1 2 , 0 0 71 0 , 6 4 51 1 , 0 3 4 2 , 1 6 1 9 , 8 4 2 1 7 , 0 3 32 7 , 9 9 81 3 , 9 0 01 2 , 3 1 0 1 3 , 3 6 41 3 , 8 5 91 7 , 7 9 91 3 , 0 8 52 9 , 8 2 9 1 0 , 7 1 9 , 0 0 0 9 , 6 8 3 1 3 , 0 2 51 0 , 4 9 9 9 , 4 3 8 7 , 4 5 2 2 0 , 8 8 4 2 4 , 8 2 2
1 8 :K A L I M A N T A N
5 , 2 5 3 5 , 4 2 8 4 , 6 5 3 3 , 2 6 3 7 , 5 5 2 4 , 4 7 1 6 , 1 1 1 2 5 , 9 9 51 0 , 1 5 3 1 , 5 0 4 2 , 4 5 9 1 , 8 8 9 3 , 2 3 2 3 , 0 8 0 1 6 , 6 1 6 5 , 4 9 1 9 , 6 8 3 ,0 0 0 6 ,4 0 8 1 0 , 6 3 4 2 ,9 0 9 3 , 5 7 4 1 1 ,5 2 3 2 8 ,6 5 9
SELATAN
1 9 : K A L I M A N T A N 5 ,T1 E4 2N G 2A , H8 2 4 , 7 8 1 2 , 6 0 0 1 0 , 0 1 8 4 , 3 6 0 7 , 8 5 5 3 2 , 5 9 3 5 , 2 4 3 3 , 3 2 8 1 , 7 9 5 6 , 1 1 2 3 , 8 0 6 1 1 , 5 1 12 2 , 2 5 6 1 0 , 3 1 7 1 3 , 0 2 5 6 , 4 0 8 ,0 0 0 4 ,3 3 2 7 ,2 4 0 6 , 2 7 7 9 ,3 8 2 4 1 ,1 9 9
2 0 :S U L U T 4 , 6 4 9 2 , 1 4 1 2 , 5 8 7 6 , 7 3 8 7 , 3 3 0 5 , 2 3 9 1 3 , 1 6 22 5 , 6 0 0 4 , 4 9 9 9 , 7 6 7 6 , 9 6 7 1 4 , 3 1 61 0 , 8 1 71 9 , 2 9 42 4 , 4 9 0 1 2 , 4 8 6 1 0 , 4 9 9 1 0 , 6 3 4 4 , 3 3 2 , 0 0 0 6 , 6 5 5 9 , 0 6 6 1 1 , 4 8 5 2 8 , 7 2 0
2 1 : S U L T E N G A H 7 , 4 5 3 3 , 8 8 7 4 , 6 6 4 5 , 8 1 2 5 , 4 6 8 4 , 1 0 1 1 1 , 0 9 41 7 , 3 3 9 5 , 4 1 1 6 , 2 5 6 4 , 0 3 3 8 , 1 6 9 5 , 5 6 5 9 , 0 0 0 1 5 , 6 6 5 5 , 9 3 5 9 , 4 3 8 2 , 9 0 9 7 , 2 4 0 6 , 6 5 5 , 0 0 0 2 , 2 7 7 5 , 6 0 3 1 8 , 9 3 6
2 2 :S U L S E L 9 , 8 8 1 7 , 1 8 3 4 , 7 9 5 6 , 6 3 9 4 , 1 6 7 5 , 8 5 5 1 3 , 2 2 92 7 , 5 8 2 5 , 4 9 2 5 , 9 0 5 3 , 9 0 9 8 , 0 7 0 6 , 3 5 9 9 , 1 3 0 1 9 , 4 7 9 5 , 2 4 4 7 , 4 5 2 3 , 5 7 4 6 , 2 7 7 9 , 0 6 6 2 , 2 7 7 , 0 0 0 4 , 7 2 6 2 1 , 5 4 7
2 3 :S U L T E N G 1 9 , 1 1 0 9 , 5 5 1 8 , 1 0 7 1 4 , 1 3 7 1 4 , 0 4 2 1 2 , 4 1 5 2 3 , 5 3 63 0 , 3 0 2 6 , 1 8 1 1 3 , 3 4 4 6 , 9 7 9 1 7 , 4 9 8 8 , 7 0 1 2 1 , 7 1 22 5 , 9 2 7 1 4 , 1 4 2 2 0 , 8 8 4 1 1 , 5 2 3 9 , 3 8 2 1 1 , 4 8 5 5 , 6 0 3 4 , 7 2 6 , 0 0 0 2 6 , 1 0 7
2 4 : I R I A N J A Y A 3 2 , 5 9 4 3 2 , 7 5 03 2 , 6 0 53 7 , 7 1 6 1 7 , 1 7 6 2 8 , 7 3 7 4 4 , 9 4 44 3 , 8 1 92 4 , 1 6 63 9 , 3 2 4 3 5 , 6 1 04 4 , 9 5 44 2 , 4 0 74 1 , 6 1 43 4 , 6 3 8 2 1 , 6 8 5 2 4 , 8 2 2 2 8 , 6 5 9 4 1 , 1 9 92 8 , 7 2 01 8 , 9 3 6 2 1 , 5 4 7 2 6 , 1 0 7 , 0 0 0
T h i s i s a d i s s i m i la r it y m a t r i x

Analisis :
Tabel menyatakan matrix proximity, dengan angka yang tertera adalah jarak (distance)
antara 2 buah variable
Seperti diketahui, langkah pertama cluster, adalah melakukan pengukuran tterhadap
kesamaan (similarity) antar variable, sesuai tujuan cluster untuk mengelompokkan
variable yang sama (similar)
Contoh :
Jarak antara variable 1 (Sumatera Utara) dengan variable 2 (Sumatera Barat) adalah 3,
891
Jarak antara variable 1 (Sumatera Utara) dengan variable 3 (Riau) adalah 3, 485
Average Linkage (Between Groups)

Agglomeration Schedule

Stage Cluster First


Cluster Combined Appears
Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 3 19 ,781 0 0 6
2 10 12 ,795 0 0 5
3 11 13 ,800 0 0 10
4 4 6 1,142 0 0 9
5 10 18 1,697 2 0 10
6 2 3 2,102 0 1 12
7 5 17 2,161 0 0 20
8 21 22 2,277 0 0 14
9 1 4 2,423 0 4 11
10 10 11 2,476 5 3 13
11 1 7 2,914 9 0 16
12 2 20 3,020 6 0 15
13 10 14 5,145 10 0 17
14 21 23 5,164 8 0 18
15 2 9 5,199 12 0 18
16 1 16 5,467 11 0 17
17 1 10 6,204 16 13 19
18 2 21 7,025 15 14 19
19 1 2 8,221 17 18 20
20 1 5 10,714 19 7 21
21 1 15 18,349 20 0 22
22 1 8 28,552 21 0 23
23 1 24 32,379 22 0 0

Analisis :
Tabel di atas adalah hasil proses clustering dengan metode Between Group Linkage
Setelah jarak antar variable diukur dengan cara Euclidean, maka dilakukan
pengelompokkan variable secara hierarki, yaitu pengelompokkan dilakukan secara
bertingkat, satu demi satu, atau dari terbentuknya cluster yang banyak, hingga akhirnya
terbentuk 1 cluster, dengan cara Agglomerasi

Pada Stage 1 : terbentuk 1 cluster dengan anggotanya variable 3 (Riau) dan 19


(Kalimantan Tengah), dengan coeffisien 0,781, yang menyatakan jarak antar varibel 3
dan 19, dan ini adalah jarak yang terdekat dari sekian banyak kombinasi jarak dari 24
variabel yang ada. Pada kolom Next stage, tertulis angka 6, yang berarti langkah
clustering selanjutnya dengan melihat stage 6

Pada Stage 6 : Variabel 3 membentuk cluster dengan variable 2 (Sumatera Barat).


Dengan demikian, sekarang cluster terdiri dari 3 variabel, 2 (Sumaera barat), 3 (Riau)
dan 19 (Kalimantan Tengah), dengan jarak rata-rata :
- Jarak variable 3 dan 19 (Pada Proximity Matrix) = 0,781
- Jarak variable 2 dan 3 = 1,379
- Jadi, jarak rata-rata = (0,781+1,379)/2 = 1,08
Demikian seterusnya, hingga terbentuk 1 cluster saja (divisualisasikan dalam
Dendogram)

Cluster Membership

Case 3 Clusters 2 Clusters


1:SUMATERA UTARA 1 1
2:SUMATERA BARAT 1 1
3:RIAU 1 1
4:JAMBI 1 1
5:SUMATERA SELATAN 1 1
6:BENGKULU 1 1
7:LAMPUNG 1 1
8:DKI JAKARTA 2 1
9:JAWA BARAT 1 1
10:JAWA TENGAH 1 1
11:DI YOGYAKARTA 1 1
12:JAWA TIMUR 1 1
13:BALI 1 1
14:NTB 1 1
15:NTT 1 1
16:KALIMANTAN BARAT 1 1
17:KALIMANTAN TIMUR 1 1
18:KALIMANTAN
1 1
SELATAN
19:KALIMANTAN TENGAH 1 1
20:SULUT 1 1
21:SUL TENGAH 1 1
22:SULSEL 1 1
23:SULTENG 1 1
24:IRIAN JAYA 3 2

Jawaban :
a. Jika terbentuk 2 cluster
1. Cluster 1 : 23 Provinsi di Irian Jaya
2. Cluster 2 : Irian Jaya
b. Jika terbentuk 3 cluster
1. Cluster 1 : 22 Provinsi di luar DKI Jakarta dan Irian Jaya
2. Cluster 2 : DKI Jakarta
3. Cluster 3 : Irian Jaya
V e rt ic a l Ic ic le

C ase

3:RIAU

14:NTB
13:BALI
15:NTT

4:JAMBI
20:SULUT
22:SULSEL

7:LAMPUNG
23:SULTENG

6:BENGKULU
24:IRIAN JAYA
8:DKI JAKARTA

9:JAWA BARAT
21:SUL TENGAH

12:JAWA TIMUR
10:JAWA TENGAH
11:DI YOGYAKARTA

1:SUMATERA UTARA
2:SUMATERA BARAT
5:SUMATERA SELATAN
17:KALIMANTAN TIMUR

16:KALIMANTAN BARAT
19:KALIMANTAN TENGAH

18:KALIMANTAN SELATAN
N u m b e r o f c lu s t e r s
1 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
2 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
3 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
4 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
5 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
6 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
7 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
8 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
9 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 0 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 1 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 2 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 3 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 4 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 5 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 6 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 7 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 8 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
1 9 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
2 0 X X X X X X X X X X X X X X X X X X X X X X X X X X X X
2 1 X X X X X X X X X X X X X X X X X X X X X X X X X X X
2 2 X X X X X X X X X X X X X X X X X X X X X X X X X X
2 3 X X X X X X X X X X X X X X X X X X X X X X X X X
Jawaban
c. Analisis Dendogram
Proses Aggloomerasi dimulai pada skala 0, dengan ketentuan jika sebuah garis
dekat dengan angka 0, maka variable-variabel yang terwakili dengan garis
tersebut semakin mungkin membentuk cluster
1. 3 dan 19; 11 dan 13; 10, 12, dan 18; 4 dan 6; membentuk clusternya masing-
masing, sehingga terbentuk 4 cluster pada proses pertama, dan yang lainnya
berdiri sendiri
2. Cluster yang terbentuk :
- Cluster 3 dan 19 bergabung dengan var 2, 20 membentuk 1 cluster
- 21 dan 22
- Cluster 11 & 13 bergabung dengan cluster 10, 12, & 18
- Cluster 4 & 6 bergabung dengan var 1, 7
- 5 dan 17
3. Cluster yang terbentuk pada proses 3 :
- Cluster 3, 19, 20, 2 bergabung dengan var 9
- Cluster 21,22 bergabung dengan var 23
- Cluser 11, 13, 10, 12, 18 bergabung dengan var 14
- Cluster 4, 6, 1, 7 bergabung dengan var 16
Begitu seterusnya hingga terbentuk 1 cluster, yang merupakan gabungan dari
cluster sebelumnya dan variable 24 - Irian Jaya

Soal no. 3
Produksi Perikanan Laut Yang Dijual Di TPI (Tempat Penjualan Ikan) Menurut Provinsi, 2005-2009 (Ton)

Provinsi 2005 2006 2007 2008 2009

1 Nanggroe Aceh 1 841 4 042 4 676 5 629 5 978

2 Sumatera Utara 3 082 93 1 214 1 841 63 004

3 Sumatera Barat 335 5 063 8 650 27 813 4 047

4 Riau 163 118 90 261 440

5 Lampung 3 259 6 599 3 070 4 507 4 733

6 DKI Jakarta 26 553 24 881 35 348 39 820 30 362

7 Jawa Barat 23 150 48 958 54 092 54 906 34 935

8 Jawa Tengah 152 352 146 284 163 856 159 307 158 961

9 DI. Yogyakarta 623 629 1 851 1 171 1 492

10 Jawa Timur 60 058 41 259 58 799 92 489 104 634

11 Banten 7 689 11 197 7 490 8 071 6 509

12 Bali 15 828 8 108 20 206 18 821 34 706

13 NTB 4 300 4 610 5 019 6 633 7 678

14 NTT 1 460 2 072 4 053 4 053 4 280

15 Kalimantan Barat 6 320 6 636 10 230 10 869 9 931

16 Kalimantan Sel 8 510 6 579 14 850 15 528 17 931

17 Kalimantan Timur 8 251 6 464 11 141 10 060 8 465

18 Sulawesi Utara 149 2 073 1 983 2 123 2 384

19 Sulawesi Tengah 1 053 469 842 11 252 1 176

20 Sulawesi Selatan 26 803 23 209 29 779 33 166 35 612

21 Sulawesi Tenggara 2 363 2 760 6 837 3 764 2 428


22 Gorontalo 1 604 3 828 9 413 5 082 4 186

Sumber : http://www.bps.go.id/tab_sub/view.php?tabel=1&daftar=1&id_subyek=56&notab=3

Analisis :
QCL_1 menunjukkan provinsi masuk ke cluster mana
QCL_2 menunjukkan jaraknya
Jadi, dari QCL_1, yang termasuk :
Cluster 1 : 19 Provinsi selain Jawa Tengah, Jawa Barat, dan Jawa Timur
Cluster 2 : Jawa Tengah
Cluster 3 : Jawa Barat dan Jawa Timur

Descriptives
Descriptive Statistics

N Minimum Maximum Mean Std. Deviation


duaribu_lima 22 149 152352 16170,27 33501,246
duaribu_enam 22 93 146284 16178,68 31889,626
duaribu_tujuh 22 90 163856 20613,14 36007,144
duaribu_delapan 22 261 159307 23507,55 37427,815
duaribu_sembilan 22 440 158961 24721,45 39081,694
Valid N (listwise) 22

Analisis :
Tabel ini merupakan table Deskriptif Statistik, yang mendeskriptifkan data-data
(minimum, maximum, mean-rataan, standar deviasi) dalam table

Quick Cluster
Initial Cluster Centers

Cluster
1 2 3
Zscore(duaribu_lima) -,47781 4,06497 1,31003
Zscore(duaribu_enam) -,50363 4,07986 ,78647
Zscore(duaribu_tujuh) -,56997 3,97818 1,06051
Zscore(duaribu_delapan) -,62110 3,62830 1,84305
Zscore(duaribu_sembilan)
-,62130 3,43484 2,04476

Output ini adalah tampilan pertama (initial) proses clustering data sebelum dilakukan
iterasi. Tapi, output ini tidak dianalisis, karena yang akan dianalisis adalah hasil akhir
cluster dari proses clustering sesudah iterasi
Iteration History(a)

Change in Cluster Centers


Iteration 1 2 3
1 ,568 ,000 1,170
2 ,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 2. The minimum distance between initial centers is 4,550.

Output ini menyatakan telah terjadi 2 kali proses iterasi, hingga menghasilkan Hasil
Akhir Cluster (Final Cluster Centers), di bawah ini :
Final Cluster Centers

Cluster
1 2 3
Zscore(duaribu_lima) -,29386 4,06497 ,75919
Zscore(duaribu_enam) -,31022 4,07986 ,90719
Zscore(duaribu_tujuh) -,31413 3,97818 ,99515
Zscore(duaribu_delapan) -,33212 3,62830 1,34098
Zscore(duaribu_sembilan)
-,30215 3,43484 1,15305

Output ini adalah akhir dari proses clustering, dengan analisis :


Angka di atas terkait dengan proses standardisasi data sebelumnya, yang mengacu
pada angka z, dengan ketentuan berikut :
a. Angka negative berarti data di bawah rata-rata total
b. Angka positif berarti data di atas rata-rata total
Hal itu berarti, data-data di atas berada di atas rata-rata total
Mis, angka 4,06497 pada variable Zduaribu_lima (2005) menyatakan rata-rata penjualan
ikan pada tahun 2005 responden pada cluster 2, yaitu :

X = µ + z.

Dimana :
X = Rata-rata sampel (dalam hal ini rata-rata variable pada cluster tertentu)
µ = Rata-rata populasi
z = Nilai standardisasi yang didapat pada SPSS
 = Standar deviasi
Contoh Perhitungannya :
a. Rata-Rata Assets cluster 1 = 16170,27 + (-0,29 x 33501,25) = 6454.91
b. Rata-Rata Assets cluster 2 = 16170,27 + (4,07 x 33501,25) = 152520,36
c. Rata-Rata Assets cluster 3 = 16170,27 + (0,76 x 33501,25) = 41631,22
Setelah terbentuk 3 cluster, langkah selanjutnya adalah melihat apakah variable-variabel
yang terbentuk mempunyai perbedaan tiap cluster, melalui pengujian output ANOVA
ANOVA

Cluster Error
Mean Square df Mean Square Df F Sig.
Zscore(duaribu_lima) 9,659 2 ,089 19 109,072 ,000
Zscore(duaribu_enam) 10,060 2 ,046 19 217,149 ,000
Zscore(duaribu_tujuh) 9,841 2 ,069 19 141,799 ,000
Zscore(duaribu_delapan) 9,428 2 ,113 19 83,585 ,000
Zscore(duaribu_sembilan)
8,096 2 ,253 19 31,992 ,000

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.

Analisis :
Kolom cluster menunjukkan besaran between cluster mean, sedangkan kolom Error
menunjukkan besaran within cluster mean, sehingga kolom F :

F = Cluster
Error
Contoh :
Angka F (pada Zduaribu_enam) = 10,060/0,046 = 218,7 sebanding dengan 217,149
(perbedaan angka mungkin karena pembulatan)

Pada prinsipnya, semakin besar angka F suatu variable dan angka signifikannya di
bawah 0,05, maka semakin besar pula perbedaan variable tersebut pada ketiga cluster
yang terbentuk.
Sebagai contoh :
Pada variable duaribu_enam, angka F = 217,149 dengan angka sig. 0,000 yang berarti
signifikansi adalah nyata, atau dengan kata lain, factor Close sangat membedakan
karakteristik ketiga cluster

Sekarang kita bandingkan, angka F variable Zduaribu_sembilan (31,992) lebih kecil dari
angka F variable Zduaribu_enam (217,149), hal itu berarti perbedaan pada tahun
duaribu_sembilan jauh lebih kecil dari perbedaan pada tahun duaribu_enam antar
responden pada ketiga cluster
Number of Cases in each Cluster

Cluster 1 19,000 Analisis :


2 1,000 Dari table di atas didapat :
3 2,000 1. Responden yang masuk ke cluster 1 sebanyak 19
Valid 22,000
Missing
responden
,000
2. Responden yang masuk ke cluster 2 sebanyak 1
responden
3. Responden yang masuk ke cluster 3 sebanyak 2
responden
Tidak ada variable yang hilang (missing), karena semua