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
 Proximity Matrix

Squared Euclidean Distance

16: 17: 18: 19:
1:SUMATERA 2:SUMATERA 5:SUMATERA 8:DKI 9:JAWA 10:JAWA 11:DI 12:JAWA KALIMANTAN KALIMANTAN KALIMANTAN KALIMANTAN 21:SUL
Case UTARA BARAT 3:RIAU 4:JAMBI SELATAN 6:BENGKULU 7:LAMPUNG JAKARTA BARAT TENGAH YOGYAKARTA TIMUR 13:BALI 14:NTB 15:NTT BARAT TIMUR SELATAN TENGAH 20:SULUT TENGAH 22:SULSEL 23:SULTENG 24:IRIAN JAYA
1:SUMATERA UTARA ,000 3,891 3,485 2,241 7,087 2,606 3,848 30,141 8,453 4,314 5,945 6,461 8,973 9,020 16,955 7,303 9,438 5,253 5,142 4,649 7,453 9,881 19,110 32,594
2:SUMATERA BARAT 3,891 ,000 1,379 3,990 9,558 4,365 9,288 20,801 6,506 4,650 2,669 7,381 4,106 12,479 22,494 11,840 12,007 5,428 2,824 2,141 3,887 7,183 9,551 32,750
3:RIAU 3,485 1,379 ,000 2,851 7,604 3,737 8,328 30,094 4,548 2,903 1,334 6,170 3,784 11,502 21,701 8,907 10,645 4,653 ,781 2,587 4,664 4,795 8,107 32,605
4:JAMBI 2,241 3,990 2,851 ,000 7,830 1,142 1,714 27,570 6,385 2,131 3,037 3,054 4,591 4,571 12,675 5,128 11,034 3,263 2,600 6,738 5,812 6,639 14,137 37,716
5:SUMATERA SELATAN 7,087 9,558 7,604 7,830 ,000 5,061 13,047 27,651 6,390 10,671 10,374 13,272 15,238 11,941 18,678 4,461 2,161 7,552 10,018 7,330 5,468 4,167 14,042 17,176
6:BENGKULU 2,606 4,365 3,737 1,142 5,061 ,000 3,180 23,870 3,444 5,145 5,034 6,811 7,560 6,728 8,743 2,902 9,842 4,471 4,360 5,239 4,101 5,855 12,415 28,737
7:LAMPUNG 3,848 9,288 8,328 1,714 13,047 3,180 ,000 32,739 11,922 4,961 7,998 4,687 9,112 4,376 9,729 6,533 17,033 6,111 7,855 13,162 11,094 13,229 23,536 44,944
8:DKI JAKARTA 30,141 20,801 30,094 27,570 27,651 23,870 32,739 ,000 29,876 32,886 29,410 31,441 27,563 28,123 35,555 33,008 27,998 25,995 32,593 25,600 17,339 27,582 30,302 43,819
9:JAWA BARAT 8,453 6,506 4,548 6,385 6,390 3,444 11,922 29,876 ,000 10,840 7,155 15,135 11,142 16,808 13,167 5,718 13,900 10,153 5,243 4,499 5,411 5,492 6,181 24,166
10:JAWA TENGAH 4,314 4,650 2,903 2,131 10,671 5,145 4,961 32,886 10,840 ,000 1,236 ,795 1,963 4,574 20,559 8,416 12,310 1,504 3,328 9,767 6,256 5,905 13,344 39,324
11:DI YOGYAKARTA 5,945 2,669 1,334 3,037 10,374 5,034 7,998 29,410 7,155 1,236 ,000 3,169 ,800 8,008 21,127 9,103 13,364 2,459 1,795 6,967 4,033 3,909 6,979 35,610
12:JAWA TIMUR 6,461 7,381 6,170 3,054 13,272 6,811 4,687 31,441 15,135 ,795 3,169 ,000 2,795 2,328 20,901 9,914 13,859 1,889 6,112 14,316 8,169 8,070 17,498 44,954
13:BALI 8,973 4,106 3,784 4,591 15,238 7,560 9,112 27,563 11,142 1,963 ,800 2,795 ,000 7,734 23,212 12,613 17,799 3,232 3,806 10,817 5,565 6,359 8,701 42,407
14:NTB 9,020 12,479 11,502 4,571 11,941 6,728 4,376 28,123 16,808 4,574 8,008 2,328 7,734 ,000 14,600 6,977 13,085 3,080 11,511 19,294 9,000 9,130 21,712 41,614
15:NTT 16,955 22,494 21,701 12,675 18,678 8,743 9,729 35,555 13,167 20,559 21,127 20,901 23,212 14,600 ,000 6,516 29,829 16,616 22,256 24,490 15,665 19,479 25,927 34,638
16:KALIMANTAN BARAT 7,303 11,840 8,907 5,128 4,461 2,902 6,533 33,008 5,718 8,416 9,103 9,914 12,613 6,977 6,516 ,000 10,719 5,491 10,317 12,486 5,935 5,244 14,142 21,685
17:KALIMANTAN TIMUR 9,438 12,007 10,645 11,034 2,161 9,842 17,033 27,998 13,900 12,310 13,364 13,859 17,799 13,085 29,829 10,719 ,000 9,683 13,025 10,499 9,438 7,452 20,884 24,822
18:KALIMANTAN
5,253 5,428 4,653 3,263 7,552 4,471 6,111 25,995 10,153 1,504 2,459 1,889 3,232 3,080 16,616 5,491 9,683 ,000 6,408 10,634 2,909 3,574 11,523 28,659
SELATAN
19:KALIMANTAN TENGAH 5,142 2,824 ,781 2,600 10,018 4,360 7,855 32,593 5,243 3,328 1,795 6,112 3,806 11,511 22,256 10,317 13,025 6,408 ,000 4,332 7,240 6,277 9,382 41,199
20:SULUT 4,649 2,141 2,587 6,738 7,330 5,239 13,162 25,600 4,499 9,767 6,967 14,316 10,817 19,294 24,490 12,486 10,499 10,634 4,332 ,000 6,655 9,066 11,485 28,720
21:SUL TENGAH 7,453 3,887 4,664 5,812 5,468 4,101 11,094 17,339 5,411 6,256 4,033 8,169 5,565 9,000 15,665 5,935 9,438 2,909 7,240 6,655 ,000 2,277 5,603 18,936
22:SULSEL 9,881 7,183 4,795 6,639 4,167 5,855 13,229 27,582 5,492 5,905 3,909 8,070 6,359 9,130 19,479 5,244 7,452 3,574 6,277 9,066 2,277 ,000 4,726 21,547
23:SULTENG 19,110 9,551 8,107 14,137 14,042 12,415 23,536 30,302 6,181 13,344 6,979 17,498 8,701 21,712 25,927 14,142 20,884 11,523 9,382 11,485 5,603 4,726 ,000 26,107
24:IRIAN JAYA 32,594 32,750 32,605 37,716 17,176 28,737 44,944 43,819 24,166 39,324 35,610 44,954 42,407 41,614 34,638 21,685 24,822 28,659 41,199 28,720 18,936 21,547 26,107 ,000
This is a dissimilarity matrix

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
 Vertical Icicle

Case

U
T

B
T

G
G

B
U
T

LI
IA

I
U
A

R
H

M
A

:N

H
:N

N
N

A
Y

A
T

L
N
R

:R
T

A
S

:B
L

U
T
H

A
R

U
N
A

A
U

R
IM
R

T
E

A
U
5

G
R

R
L

K
A
A

P
A

R
IM

:S

A
A

3
1

3
J

:J
N

1
T

G
G

N
A

A
L

B
N

T
A

T
K

A
:S
U

4
E

U
B

N
N

K
0

A
IA

B
L

A
:S

W
T

2
W

T
E

E
E
2
N

:L

A
:IR

E
IJ

N
Y
2
S

:B
L

A
T

R
3
A

W
G

7
A
A

N
K

E
T

E
O
:S

6
T
:D

N
4

:J
N

A
:J
R

T
2

IY

A
A

T
1

9
E

M
8

IM

:J
N

1
T
2

IM
T

:D

N
U

0
A

U
A

IM
M

1
A
:S
L

:S
IM

L
1
A

A
1
:K

2
L

1
:K
:S

AL
7

:K

6
5
1

:K

1
9
Number of clusters

8
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 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
10 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
11 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
12 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
13 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
14 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
15 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
16 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
17 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
18 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
19 X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
20 X X X X X X X X X X X X X X X X X X X X X X X X X X X X
21 X X X X X X X X X X X X X X X X X X X X X X X X X X X
22 X X X X X X X X X X X X X X X X X X X X X X X X X X
23 X 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
Analisis : pada ketiga cluster
Number of Cases in each Cluster Dari table di atas didapat :
1. Responden yang masuk ke cluster 1 sebanyak 19 responden
Cluster 1 19,000
2 1,000
2. Responden yang masuk ke cluster 2 sebanyak 1 responden
3 2,000 3. Responden yang masuk ke cluster 3 sebanyak 2 responden
Tidak ada variable yang hilang (missing), karena semua responden (22
resonden) terpeta pada ketiga cluster.
Valid 22,000
Missing ,000