individu ke dalam beberapa kelompok dimana setiap unit pengamatan dalam satu
kelompok akan mempunyai ciri yang relatif sama sedangkan antar kelompok unit
Dalam penelitian ini, digunakan data populasi, sehingga asumsi ini tidak perlu diuji
lagi.
2. Multikolinieritas
tidak ada atau seandainya ada, besar multikolinieraitas tersebut tidaklah tinggi. Bila
data yang digunakan dalam Analisis Gerombol adalah data skor komponen dari hasil
(similarity) antar individu. Penentuan ukuran individu ini meliputi ukuran keragaman
dalam kelompok yang terbentuk dan ukuran keragaman antar kelompok. Ukuran
keragaman dalam kelompok relatif lebih kecil daripada keragaman antar kelompok.
Keragaman antar kelompok dapat ditetapkan oleh taksiran jarak diantara dua nilai pusat
kelompok dalam membandingkan dengan jarak dari anggota kelompok terhadap pusat
kelompok. Berdasarkan uraian yang ada di atas kita dapat menyimpulkan bahwa
penghitungan ukuran kemiripan atau jarak diantara dua objek secara berturutan
merupakan suatu hal yang fundamental untuk menggunakan tehnik analisis gerombol. .
Ukuran kedekatan yang digunakan adalah jarak Euclidus. Jarak ini digunakan
apabila antar peubah-peubah individu tidak berkorelasi. Ukuran jarak Euclidus untuk dua
Secara umum, analisis gerombol dibagi menjadi dua bagian utama yaitu metode
gerombol yang akan dibentuk tidak diketahui dan metode tak berhierarkhi digunakan
apabila banyaknya gerombol yang akan terbentuk dianggap telah diketahui sebelumnya.
Analisis gerombol (Cluster Analysis) yang digunakan dalam penelitian ini adalah
dibentuk terlebih dahulu ditentukan. Di dalam metode ini diasumsikan bahwa analisis
terdiri dari n individu dan p pengukuran. X (i,j) adalah nilai dari individu ke-i dalam
variabel ke-j; i = 1,2,…,n dan j = 1,2,…,p. Misal P (n,K) adalah pengelompokkan yang
gerombol (cluster) 1,2,…,K. Rata-rata variabel ke-j dalam gerombol (cluster) ke-l akan
dinotasikan dengan X (l,j), dan jumlah individu-individu yang termasuk dalam gerombol
(cluster) ke-l dinyatakan dengan n(l). Dalam notasi ini kita dapat menampilkan jarak
[ ]
p
D(i, l ) = (∑ X (i, j ) − X (l , j ) )1 2
2
j =1
n 2
E [ P( n, K )] = ∑ D[ i, l (i )]
i =1
dimana l(i) adalah gerombol (cluster) yang terdiri individu ke-i, dan D[i,l(i)] adalah jarak
Euclidean antara individu i dan rata-rata klaster yang terdiri dari individu. Prosedur untuk
kelompok ke kelompok lainnya sampai tidak terjadi perpindahan hasil individu dalam
pereduksian E.