Anda di halaman 1dari 15

BAB III MATERI DAN METODE

3.1 Waktu dan Tempat Pelaksanaan: Hari Waktu Tempat : Sabtu, 26 Mei 2012 : 12.30 14.00 WIB : Laboratorium Komputasi Gedung E Kampus Kelautan Undip Tembalang Semarang

3.2

Materi Materi yang disampaikan pada praktikum kali ini adalah : 3.2.1 Cluster Analysis 3.2.2 Matriks Jarak

3.3

Metode 3.3.1 Cluster Analysis 1. Buka program Minitab

2. Masukkan Data Kelimpahan ke dalam Minitab

3. Simpan dengan cara klik File, Save Current Worksheet As, dengan judul Chandra-26020110130103.mtw

4. Stat, Multivariate, Cluster Observation

5. Blok C2-C34, Select

6. Lingkage Method : Single

7. Distance Measure : Euclidean, Specifity : Checklist Show Dendrogram, Kemudian klik Customize

8. Isi Title dengan : Dendogram-ClusterAnalysis-Chandra-26020110130103 Di Label Y : Similarity, dan Show Sendogram : One graph, kemudian klik OK

9. Maka akan Muncul Window Grafik Dendogram beserta Cluster Analysis of Observations

3.3.2 Matriks Jarak 1. Buka program Minitab

2. Masukkan Data Parameter ke dalam Minitab, dan Save dengan nama Chandra_26020110130103_matrik jarak

3. Klik Stat, pilih Multivariate, pilih Cluster Observation

4. Blok C2-14, kemudian klik Select, Lingkage method : Single Distance Measure : Euclidean, Specifity : Show dendrogram, klik customize

5. Title : DENDOGRAM_MATRIXJARAK_CHANDRA_26020110141022, dan di label y diganti distance

7. Show dendogram : one graph, ok

8. Maka akan muncul Window Grafik Dendogram Matriks Jarak beserta Cluster Analysis of Observations

BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil 4.1.1 Cluster Analysis

4.1.2 Matriks Jarak

4.2 Pembahasan 4.2.1 Cluster Analysis Pada pratikum kali ini digunakan Analisis cluster yang dimana bertujuan untuk mengelompokkan obyek berdasarkan kesamaan karakteristik di antara obyek-obyek tersebut. 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. Penambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi substansi hasi analisisi cluster. Dalam tabel kelimpahan Jenis zooplankton di Perairan Teluk Hurun Lampung pada pengamatan terdapat 12 stasiun yang dimana terdapat 33 spesies yang dihitung kelimpahannya, sehingga terbentuklah 12 titik observation. Setelah melakukan perhitungan dengan program Minitab maka muncullah diagram dendogram beserta analisisnya, dimana terdapat 11 Cluster. Cluster dengan tingkat kesamaan (Similarity Level) tertinggi adalah cluster yang terdiri dari titik Stasiun 9 dengan titik Stasiun 11 sebesar 96,7809. Cluster dengan tingkat kesamaan (Similarity Level) tertinggi disebabkan oleh Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster yang cenderung besar. Sedangkan cluster dengan tingkat kesamaan (Similarity Level) terrendah adalah cluster yang terdiri dari titik Stasiun 1 dengan titik Stasiun 7 sebesar 43,9406. Cluster dengan tingkat kesamaan (Similarity Level) terrendah terjadi karena Heterogenitas external (between cluster); yaitu perbedaan signifikan antar anggota dalam satu cluster.

4.2.2 Matriks Jarak Dalam perkembangannya, pada matriks jarak euclide terdapat sifat-sifat yang menarik untuk dipelajari, salah satunya yang digunakan untuk membuktikan matriks

blok jarak. Tujuan dari penulisan laporan ini adalah untuk menunjukkan beberapa sifat dari matriks jarak euclide yang digunakan untuk membuktikan matriks blok jarak. Dalam tabel Nilai Parameter fisika-kimia hasil pengukuran di Perairan Teluk Hurun Jakarta pada pengamatan terdapat 12 stasiun, dimana terdiri dari 6 parameter yaitu salinitas, suhu, pH, DO, fosfat dan Nitrat sehingga terbentuklah 12 titik observation. Setelah melakukan perhitungan dengan program Minitab maka muncullah diagram dendogram beserta analisisnya, dimana terdapat 11 Cluster. Dalam diagram dendogram matriks jarak, bila cluster terbentuk mendekati 0 maka jarak kemiripannya semakin besar. Oleh karena itu maka cluster dengan Matrik Jarak (Distance Level) tertinggi adalah cluster yang terdiri dari titik Stasiun 6 dengan titik Stasiun 10 sebesar 0,23955. Cluster dengan Matrik Jarak (Distance Level) tertinggi disebabkan oleh Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster. Sedangkan cluster dengan Matrik Jarak (Distance Level) terrendah adalah cluster yang terdiri dari titik Stasiun 1 dengan titik Stasiun 2 sebesar 2,32003. Cluster dengan Matrik Jarak (Distance Level) terrendah terjadi karena Heterogenitas external (between cluster); yaitu perbedaan signifikan yang tinggi antar anggota dalam satu cluster.

BAB V PENUTUP

5.1 Kesimpulan 1. Fokus dari analisis cluster adalah membandingkan objek berdasarkan set variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai tahap kritis dalam analisis cluster. 2. Cluster dengan tingkat kesamaan (Similarity Level) tertinggi adalah cluster yang terdiri dari titik Stasiun 9 dengan titik Stasiun 11 sebesar 96,7809. Sedangkan Cluster dengan tingkat kesamaan (Similarity Level) terrendah adalah cluster yang terdiri dari titik Stasiun 1 dengan titik Stasiun 7 sebesar 43,9406. 3. Cluster dengan Matrik Jarak (Distance Level) tertinggi adalah cluster yang terdiri dari titik Stasiun 6 dengan titik Stasiun 19 sebesar 0,23955. Sedangkan cluster dengan Matrik Jarak (Distance Level) terrendah adalah cluster yang terdiri dari titik Stasiun 1 dengan titik Stasiun 2 sebesar 2,32003..

5.2 Saran 1. Diharapkan pada saat pratikum, pratikan lebih serius lagi mendengar dan mempraktekkan apa yang diajarkan oleh asisten. 2. Diharapkan tidak terjadi kemoloran waktu pada saat pratikum 3. Diharapkan asisten lebih menguasai lagi materi yang hendak diberikan kepada pratikan

DAFTAR PUSTAKA

Everitt, B.S. Cluster Analysis (3ed). London: Edward Arnold, 1993. Johnson, Richard A. and Dean W. Wichern, Applied Multivariate Statistical Analysis, Prentice Hall, Upper Saddle River, New Jersey , 2002.

Morrison, D.F., Multivariate Statistical Methods, McGraw-Hill Book Company, 1988. Odum, E. P. Dasar-dasar Ekologi. UGM Press. Yogyakarta. 1993. http://digilib.umm.ac.id diakses tanggal 29 Mei 2012 jam 19.30 http://blog.um.ac.id/dunistika/2012/03/12/analsis-cluster/ diakses tanggal 29 Mei 2012 jam 19.45