1 Analisis Cluster
Analisis cluster adalah suatu analisis statistik yang bertujuan memisahkan obyek
kedalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang
satu dengan yang lain. Dalam analisis ini tiap-tiap kelompok bersifat homogen antar
anggota dalam kelompok atau variasi obyek dalam kelompok yang terbentuk sekecil
mungkin. Analisis cluster terbagi menjadi dua, yaitu analisis cluster hierarchical dan
Analisis cluster non-hierarchical. Berikut hasil analisis dari cluster hierarchical dan
cluster non-hierarchical.
Berdasarkan tabel , menyatakan bahwa ke -80 data telah diproses tanpa ada data
yang hilang.
Tabel Output Proximities
Case Nana P Kunti W Pitriani Desi A W Merista Nita A ⋯ Shindy
Nana P 0 7 8 3 6 10 ⋯ 5
Kunti W 7 0 5 2 7 7 ⋯ 4
Pitriani 8 5 0 5 8 6 ⋯ 7
Desi A W 3 2 5 0 7 7 ⋯ 4
Merista 6 7 8 7 0 6 ⋯ 9
Nita A 10 7 6 7 6 0 ⋯ 7
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
Shindy 3 4 7 2 7 5 ⋯ 0
Tabel adalah hasil proses clustering dengan menggunakan metode between group
linkage. Setelah jarak antar variabel diukur dengan cara Euclidien, maka dilakukan
pengelompokan variabel secara hierarki. Cara hierarki berarti pengelompokkan
dilakukan secara bertingkat, satu demi satu atau terbentuknya cluster yang banyak.
Cara pembuatan cluster yang dimulai dari dua atau lebih variabel yang paling
mirip membentuk satu cluster, kemudian cluster memasukkan lagi satu variabel yang
paling mirip, dinamakan dengan aglomerasi.
Interpretasi:
1. Pada baris satu, stage terbentuk satu cluster dengan anggota variabel 58
(Silvia Andriany) dan variabel 67 (Maria Regina Vindasari) dengan nilai
coefficient sebesar 0,000 yang menyatakan bahwa jarak antar kedua variabel
tersebut (seperti yang terlihat pada matrix proximity sebelumnya). Kemudian,
pada kolom terakhir (next stage) tertulis angka 3. Hal ini berarti bahwa
langkah cluster selanjutnya dilakukan dengan melihat stage ke 3.
2. Pada stage ke-3, terlihat bahwa variabel 18 (Anggun Fitria Febrianti)
membentuk cluster dengan variabel 58 (Silvia Andriany). Jadi cluster
sekarang yang terbentuk terdiri dari 3 variabel yaitu variabel 58, 67, 18 atau
tiga responden yaitu Silvia Andriany, Maria Regina Vindasari dan Anggun
Fitria Febrianti dengan rata-ratanya sebesar 0,000.
3. Akan tetapi, jika dilihat pada stage 2 terjadi pembentukan cluster lain, yaitu
antara variabel 45 dan 60 dengan next stage 33. Selanjutnya pada stage 33
terjadi penambahan variabel 4 sehingga cluster menjadi terdiri dari tiga
variabel yaitu variabel 45, 60 dan 4. Proses berlanjut ke stage 7, stage 18 dan
seterusnya hingga berakhir pada stage 79.
4. Jika angka pada next stage adalah 0, hal ini berarti bahwa proses cluster untuk
jalur tersebut sudah selesai dan cluster dilanjutkan ketahapan awal pada stage
yang belum dicluster.
Proses aglomerasi pada akhirnya akan menyatukan semua variabel menjadi satu
cluster. Hanya dalam prosesnya, dihasilkan beberapa cluster dengan masing-masing
anggotanya dan tergantung jumlah cluster yang dibentuk, seperti pada Tabel berikut:
Tabel Cluster Memberhip
4 3 2 4 3 2
Case Case
Clusters Clusters Clusters Clusters Clusters Clusters
1:Case 1 1 1 1 41:Case 41 1 1 1
2:Case 2 1 1 1 42:Case 42 1 1 1
3:Case 3 1 1 1 43:Case 43 1 1 1
4:Case 4 1 1 1 44:Case 44 1 1 1
5:Case 5 1 1 1 45:Case 45 1 1 1
6:Case 6 1 1 1 46:Case 46 1 1 1
7:Case 7 1 1 1 47:Case 47 3 2 1
8:Case 8 1 1 1 48:Case 48 1 1 1
9:Case 9 1 1 1 49:Case 49 1 1 1
10:Case 10 1 1 1 50:Case 50 1 1 1
11:Case 11 1 1 1 51:Case 51 1 1 1
12:Case 12 1 1 1 52:Case 52 1 1 1
13:Case 13 1 1 1 53:Case 53 1 1 1
14:Case 14 1 1 1 54:Case 54 1 1 1
15:Case 15 1 1 1 55:Case 55 1 1 1
16:Case 16 1 1 1 56:Case 56 2 1 1
17:Case 17 1 1 1 57:Case 57 1 1 1
18:Case 18 1 1 1 58:Case 58 1 1 1
19:Case 19 1 1 1 59:Case 59 4 3 2
20:Case 20 1 1 1 60:Case 60 1 1 1
21:Case 21 1 1 1 61:Case 61 3 2 1
22:Case 22 1 1 1 62:Case 62 1 1 1
23:Case 23 1 1 1 63:Case 63 1 1 1
24:Case 24 1 1 1 64:Case 64 1 1 1
25:Case 25 1 1 1 65:Case 65 1 1 1
26:Case 26 1 1 1 66:Case 66 1 1 1
27:Case 27 1 1 1 67:Case 67 1 1 1
28:Case 28 1 1 1 68:Case 68 1 1 1
29:Case 29 1 1 1 69:Case 69 1 1 1
30:Case 30 1 1 1 70:Case 70 1 1 1
31:Case 31 1 1 1 71:Case 71 1 1 1
32:Case 32 1 1 1 72:Case 72 1 1 1
33:Case 33 1 1 1 73:Case 73 1 1 1
34:Case 34 2 1 1 74:Case 74 1 1 1
35:Case 35 1 1 1 75:Case 75 1 1 1
36:Case 36 1 1 1 76:Case 76 1 1 1
37:Case 37 1 1 1 77:Case 77 1 1 1
38:Case 38 1 1 1 78:Case 78 1 1 1
39:Case 39 2 1 1 79:Case 79 1 1 1
40:Case 40 1 1 1 80:Case 80 1 1 1
Berdasarkan Tabel dapat dilihat bahwa peralihan dari 4 cluster ke 3 cluster, yang
terjadi adalah penggabungan variabel-variabel yang ada, dan bukan mengacak
variabel dari awal. Pada cluster 3, terlihat anggota pada cluster 1 adalah kualitas-
kualitas dari ruang baca yang sebelumnya menjadi anggota cluster 1 dan cluster 2
pada 4 cluster.
Demikian pula, dari anggota cluster 1 dari formasi 2 cluster adalah
penggabungan dari anggota cluster 2 dan cluster 3 dari 3 cluster. Berdasarkan proses
pada Tabel terlihat bahwa pada jawaban dari responden ke-61 dan responden ke-47
memang jauh berbeda dengan responden lainnya. Namun, jawaban responden ke-59
yaitu Adawiyah adalah yang paling berbeda dengan responden lainnya.
2. Analisis Dendogram
Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan
ditentukan beberapa cluster yang seharusnya dibentuk.
Gambar Dendogram
Pada dendogram dilakukan proses skala ulang (rescale) dengan batasan 0-25.
Proses agglomerasi dimulai pada skala 0, dimana jika sebuah garis dekat dengan
angka 0 maka variabel-variabel yang terwakili dengan garis tersebut dengan garis
tersebut semakin mungkin membentuk sebuah cluster.
Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan
ditentukan berapa cluster yang seharusnya terbentuk. Misal, jika diinginkan 3 cluster,
maka berdasarkan dendogram terlihat:
Cluster 1 : variabel nomor 59
Cluster 2 : variabel nomor 63 dan 47
Cluster 3 : semua variabel sisanya
Sehingga dengan dendogram dapat dengan mudah dilihat anggota tiap cluster
sesuai jumlah cluster yang diinginkan. Di mana anggota sebuah cluster akan
mempunyai kemiripan satu dengan yang lain dan akan berbeda dengan anggota
cluster yang lain.