MAKALAH ANALISIS CLUSTER

HIERARKI

Disusun oleh :

Florensius Safiandy Nabi (1724058)

JURUSAN TEKNIK PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

INSTITUT TEKNOLOGI NASIONAL MALANG

2019

1
 KATA PENGANTAR
Segala puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa. Bahwasannya
saya dapat membuat dan menyelesaikan tugas ini. Laporan ini disusun guna memenuhi tugas
matakuliah Metode Analisis Perencanaan oleh dosen W. Hari Subagyo, W.ST. MSc. dan
Undratno Budi S.ST.MT walaupun banyak sekali hambatan dan kesulitan yang saya hadapi
dalam Penyusunan makalah dan pencarian data analisis cluster ini, dan mungkin makalah ini
masih terdapat kekurangan dan belum bisa dikatakan sempurna dikarenakan keterbatasan
kemampuan saya.

2
 DAFTAR ISI

BAB I..........................................................................................................................................................4
PENDAHULUAN......................................................................................................................................4
1.1 Latar Belakang..........................................................................................................................4
1.2 Rumusan Masalah.....................................................................................................................4
1.3 Tujuan........................................................................................................................................4
BAB II........................................................................................................................................................5
KAJIAN PUSTAKA..................................................................................................................................5
2.1 Definisi Analisi Cluster...................................................................................................................5
2.2 Definisi Analisi Cluster Hierarki....................................................................................................5
BAB III.......................................................................................................................................................6
METODOLOGI........................................................................................................................................6
BAB IV.......................................................................................................................................................7
ANALISIS DAN PEMBAHASAN............................................................................................................7
4.1 Kasus..........................................................................................................................................7
4.1 Analisis dan Pembahasan..........................................................................................................7
BAB V.......................................................................................................................................................14
PENUTUP................................................................................................................................................14
5.1 Kesimpulan..............................................................................................................................14

3
 BAB I

PENDAHULUAN
1.1 Latar Belakang
Perencanaan memiliki kata dasar rencana yang berarti cerita atau konsep atau rancangan
yang berupa rencana yang akan dikerjakan. Jadi, perencanaan adalah suatu proses untuk
menentukan tindakan masa depan yang tepat, melalui urutan pilihan, dengan
memperhitungkan sumber daya yang tersedia. Fungsi perencanaan pada dasarnya adalah
suatu proses pengambilan keputusan sehubungan dengan hasil yang diinginkan, dengan
penggunaan sumber daya dan pembentukan suatu sistem komunikasi yang memungkinkan
pelaporan dan pengendalian hasil akhir serta perbandingan hasil-hasil tersebut dengan
rencana yang di buat.

1.2 Rumusan Masalah

Analisis cluster terbagi menjadi dua, yaitu analisis cluster hierarki dan analisis cluster
Nonhierarki. Pada kesempatan ini kami akan membahas tentang analisis cluster hierarki.
Langkah pengelompokan dalam analisis cluster mencakup 3 hal berikut :
1. Mengukur kesamaan jarak
2. Menentukan cluster secara hierarkis
3. Menentukan jumlah cluster

1.3 Tujuan
Tujuan dari analisis cluster adalah mengelompokan objek berdasarkan kesamaan
karakteristik di antara objek-objek tersebut. Dengan demikian, ciri-ciri suatu cluster yang
baik yaitu mempunyai:
 Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster.
 Heterogenitas external (between cluster); yaitu perbedaan antara cluster yang
satu dengan cluster yang lain.

4
 BAB II
KAJIAN PUSTAKA

2.1 Definisi Analisi Cluster

Analisis cluster merupakan teknik multivariate yang mempunyai tujuan utama untuk
mengelompokan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster
mengklasifikasikan objek sehingga setiap objek yang paling dekat kesamaanya dengan
objek lain yang tinggi dan hetegorenitas eksternal yang tinggi.

2.2 Definisi Analisi Cluster Hierarki

Metode Hierarki memulai pengelompokan dengan dua atau lebih obyek yang
mempunyai kesamaan paling dekat. Kemudian diteruskan pada obyek yang lain dan
seterusnya hingga cluster akan membentuk semacam ‘ p o h o n ’ dimana terdapat
tingkatan (hierarki) yang jelas antar obyek, dari yang paling mirip hingga yang paling
tidak mirip. Alat yang membantu untuk memperjelas proses hierarki ini disebut “
dendogram”

5
 BAB III
METODOLOGI

Metode penelitian ini adalah library research (penelitian kepustakaan), yaitu penelitian yang
dilaksanakn dengan menggunakan literatur (kepustakaan), baik berupa buku, catatan, maupun
laporan, hasil penelitian dari penelitian terdahulu.
Untuk menyelesaikan contoh kasus pada makalah ini, kami menggunakan metode
Analisis Cluster Hierarki dengan software SPSS

6
 BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Kasus
dari penelitian yang dilakukan terhadap 12 kota,ingin diketahui pengelompokan
kota-kota tersebut berdasarkan instrumen 5 variabel yaitu:

 Jumlah pendapatan kota (trilyun Rp)

 Jumlah pinjaman pemerintah kota (trilyun Rp)
 Jumlah dana hibah yang dimiliki kota (trilyun Rp)
 Jumlah penduduk kota (juta jiwa)
Untuk itu data yang berhasil dikumpulkan sebagai berikut :

kota pendapatan pinjaman dana hibah konsumsi penduduk

A 55 5,6 9 50 25
B 61 8 62 62 41
C 58 3,9 60 32
D 67 5,5 7 64 51
E 71 5,7 7 70 42
F 76 7,6 6 80 29
G 81 8,7 8 80 57
H 56 7,1 9 86 29
I 84 7,6 6 82 46
J 88 6,5 7 86 52
K 84 6,8 8 88 61
L 90 8 9 90 66

4.1 Analisis dan Pembahasan

Untuk menyelsaikan kasus diatas menggunakan aplikasi SPSS, perlu dilakukan
beberapa langkah berikut

Langkah 1 : Standardisasi/Transformasi

Mengingat data yang terkumpul mempunyai variabilitas satuan, maka perlu

dilakukan langkah standardisasi atau transformasi terhadap variabel yang relevan
ke bentuk z-score, sebagai berikut :

7
 Setelah keseluruhan data yang dikumpulkan tersebut diatas dientry dalam program
SPSS, selanjutnya klik menu “ analyze” dan pilih submenu “ Descriptives Statistics”
lalu “ Descriptives”
 Masukan kedalam kotak VARIABLES seluruh variable instrument penilai yaitu
variable Jumlah pendapatan, jumlah pinjaman, jumlah dana hibah, jumlah konsumsi,
dan jumlah penduduk. (dalam hal ini variabel kota tidak dimasukkan karena data
bertipe string). Kemudian aktifkan bagian “ Save standardized values as variables” .
Abaikan bagian yang lain lalu tekan OK untuk menampilkan output aplikasi
program SPSS.
Output yang didapat yaitu deskripsi dari keseluruhan variabel yang meliputi nilai
maksimum, nilai minimun, rataan, dan standar deviasi dari masing-masing variabel.

Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
pendapatan 12 55.00 90.00 72.5833 12.96470

pinjaman 12 8.00 87.00 55.5000 25.41832

danahibah 11 6.00 62.00 12.5455 16.43997

konsumsi 12 50.00 90.00 74.8333 13.14142

penduduk 12 25.00 66.00 44.2500 13.57220

Valid N (listwise) 11

Namun, deskripsi tersebut diatas digunakan sebagai dasar perhitungan z-score yang di
peroleh.

Langkah 2 : Analisis Cluster Hierarki

 Buka menu “analyze” lalu pilih submenu “Classify” kemudian
“Hierarchical Cluster” Masukkan seluruh variabel yang telah
distandardkan (Z-s c o r e ) ke dalam bagian “Variable(s)” . Untuk
bagian “ Label Cases by” isi dengan variabel kota, sedangkan untuk
bagian “ Cluster” pilih Cases, pada bagian “ Display” pilih keduanya
yaitu Statistics dan Plots. Kemudian klik mouse pada kotak “statistics”
Selain kotak “ Agglomeration Schedule”, aktifkan pula kotak “Proximity
matrix” untuk menampilkan jarak antar variable. Pada bagian “ Cluster
Membership” klik mouse pada pilihan Range of Solutions lalu ketik
2 pada “Minimum number of Clusters” dan 4 pada
“Maximum number of clusters” (berarti nantinya akan
ditampilhan susunan 2, 3, dan 4 cluster). Kemudian klik
mouse pada kotak “ Continue” untuk kembali pada menu
utama .

8
  Selanjutnya klik mouse pada kotak “plots”, aktifkan pilihan
“dendogram, kemudian pada bagian “Icicle” pilih none,
lalu tekan tekan continue untuk kembali ke menu utama
Berikutnya klik mouse pada kotak “method” Pada bagian “
Cluster Method” pilih Between groups linkage. Kemudian buka kotak
combo Square Euclidean distance pada “ Measure” ; dan pada “
Transform Values” buka kotak Standardize dan pilih Z-score. Abaikan
bagian yang lain lalu tekan tombol “ Continue” untuk kembali ke menu
utama. Dari tampilan menu utama, tekan tombol OK untuk menampilkan
 output aplikasi program SPSS seperti berikut :

Case Processing Summarya

Cases

Valid Missing Total

N Percent N Percent N Percent

11 91.7% 1 8.3% 12 100.0%

a. Squared Euclidean Distance used

Table di atas menunjukan bahwa semua data sejumlah 12 objek telah di prosess tanpa ada data
yang hilang

9
 Proximity Matrix

Squared Euclidean Distance

Case 1:A 2:B 3:D 4:E 5:F 6:G 7:H 8:I 9:J 10:K 11:L
1:A .000 16.241 5.717 5.561 8.857 16.516 8.231 14.360 18.592 21.075 29.625

2:B 16.241 .000 15.220 15.728 22.510 25.754 20.620 24.209 24.592 25.568 23.674

3:D 5.717 15.220 .000 .757 5.293 4.455 6.654 4.525 5.796 6.047 11.811

4:E 5.561 15.728 .757 .000 2.198 3.754 4.144 2.533 3.961 5.117 11.276

5:F 8.857 22.510 5.293 2.198 .000 4.556 2.761 1.972 4.129 6.388 15.988

6:G 16.516 25.754 4.455 3.754 4.556 .000 8.671 .922 1.369 1.057 10.707

7:H 8.231 20.620 6.654 4.144 2.761 8.671 .000 6.567 9.241 10.388 20.424

8:I 14.360 24.209 4.525 2.533 1.972 .922 6.567 .000 .570 1.534 9.579

9:J 18.592 24.592 5.796 3.961 4.129 1.369 9.241 .570 .000 .575 5.959

10:K 21.075 25.568 6.047 5.117 6.388 1.057 10.388 1.534 .575 .000 5.671

11:L 29.625 23.674 11.811 11.276 15.988 10.707 20.424 9.579 5.959 5.671 .000

This is a dissimilarity matrix

Tabel diatas menujukkan matrik jarak antara variabel satu dengan variabel yang lain. Semakin
kecil jarak, maka semakin mirip kedua variabel tersebut sehingga akan membentuk
kelompok (cluster)

10
 Agglomeration Schedule
Cluster Combined Stage Cluster First Appears
Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 8 9 .570 0 0 3
2 3 4 .757 0 0 6
3 8 10 1.054 1 0 4
4 6 8 1.116 0 3 6
5 5 7 2.761 0 0 7
6 3 6 4.523 2 4 7
7 3 5 5.850 6 5 8
8 3 11 11.427 7 0 9
9 1 3 14.282 0 8 10
10 1 2 21.412 9 0 0

Tabel di atas merupakan hasil proses clustering dengan metode Between Group Linkage. Setelah
jarak anatar varaiebl diukur dengan jarak euclidean, maka dilakukan pengelompokan, yang
dilakukan secara bertingkat
 Stage 1 : terbentuk 1 cluster yang beranggotakan kota K dan kota L dengan jarak 1,139
(perhatikan pada kolom koefisien). Karena proses aglomerasi dimulai dari dua objek
yang terdekat, maka jarak tersebut adalah yang terdekat dari sekian kombinasi jarak 12
obyek yang ada. Selanjutnya lihat kolom terakhir (Next Stage), terlihat angka 4. Hal ini
berarti clustering selanjutnya dilakukan dengan melihat stage 4, dengan penjelasan
berikut
 Baris ke-4 ( stage 4) terlihat objek ke-7 ( kota G) membentuk cluster dengan kota K.
Dengan demikian, sekarang cluster terdiri dari 3 obyek yaitu Kota G, K, dan L.
Sedangkan jarak sebesar 2,097 merupakan jarak rata-rata obyek terakhir yang bergabing
dengan 2 obyek sebelumnya, seperti tampak dalam Proximity matrix dan dapat dihitung
sebagai berikut :
- Jarak kota G dan K = 2,432
- Jarak kota G dan L = 1,761
- Jarak rata-rata = (2,432+1,761)/2 = 2,0965
 Stage 2 : terjadi pembentukan cluster kota D dan kota E berjarak 1,515, yang kemudian
berlanjut ke stage 6
 Demikian seterusnya di stage 3 dilanjutkan ke stage 5, sampai ke stage terakhir.

Proses aglomerasi ini bersifat kompleks, khususnya perhitungan koefisien yang

melibatkan sekian banyak obyek dan terus bertambah. Proses aglomerasi pada akhirnya
akan menyatukan semua obyek menjadi satu cluster. Hanya saja dalam prosesnya

11
dihasilkan beberapa cluster dengan masing-masing anggotanya, tergantung jumlah cluster
yang dibentuk. Perincian jumlah cluster dengan anggota yang terbentuk dapat dilihat
pada tabel output berikut ini

Cluster Membership
Case 4 Clusters 3 Clusters 2 Clusters
1:A 1 1 1
2:B 2 2 2
3:D 3 3 1
4:E 3 3 1
5:F 3 3 1
6:G 3 3 1
7:H 3 3 1
8:I 3 3 1
9:J 3 3 1
10:K 3 3 1
11:L 4 3 1

Dari tabel diatas dapat

dijabarkan bahwa :
- Apabila diinginkan
dibentuk 4 cluster, maka :
 Anggota cluster 1 adalah
Kota A
 Anggota cluster 2 adalah
Kota B dan Kota H
12
 Anggota cluster 3 adalah
C, D, dan E
 Anggota cluster 4 adalah
Kota F, G, I, J, K,dan L.
- Apabila ditentukan
dibentuk 3 cluster, maka :
 Anggota cluster 1 adalah
Kota A\Anggota cluster 2
adalah Kota B, C, D, E, dan
H.
 Anggota cluster 3 adalah
Kota F, G, I, J, K, dan L
Dari tabel diatas dapat
dijabarkan bahwa :
- Apabila diinginkan
dibentuk 4 cluster, maka :
13
 Anggota cluster 1 adalah
Kota A
 Anggota cluster 2 adalah
Kota B dan Kota H
 Anggota cluster 3 adalah
C, D, dan E
 Anggota cluster 4 adalah
Kota F, G, I, J, K,dan L.
- Apabila ditentukan
dibentuk 3 cluster, maka :
 Anggota cluster 1 adalah
Kota A\Anggota cluster 2
adalah Kota B, C, D, E, dan
H.
 Anggota cluster 3 adalah
Kota F, G, I, J, K, dan L
14
Dari tabel diatas dapat
dijabarkan bahwa :
- Apabila diinginkan
dibentuk 4 cluster, maka :
 Anggota cluster 1 adalah
Kota A
 Anggota cluster 2 adalah
Kota B dan Kota H
 Anggota cluster 3 adalah
C, D, dan E
 Anggota cluster 4 adalah
Kota F, G, I, J, K,dan L.
- Apabila ditentukan
dibentuk 3 cluster, maka :
 Anggota cluster 1 adalah
Kota A\Anggota cluster 2
15
adalah Kota B, C, D, E, dan
H.
 Anggota cluster 3 adalah
Kota F, G, I, J, K, dan L
Dari table diatas dapat dijabarkan bahwa
- Apabila diinginkan dibentuk 4 cluster, maka :
 Anggota cluster 1 adalah kota A
 Anggota cluster 2 adalah kota B dan kota H
 Anggota cluster 3 adalah C, D , E
 Anggota cluster 4 adalah kota F, G, I, K, dan L
- Apabila ditentukan dibentuk 3 cluster , maka:
 Anggota cluster 1 adalah Kota A, B, C, D, E, dan H
 Anggota cluster 2 adalah Kota F, G, I, J, K, dan L

16
Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan ditentukan
berapa cluster yang seharusnya dibentuk. Sebagai contoh yang terlihat dalam dendogram,
apabila akan dibentuk 2 cluster, maka cluster 1 beranggotakan Kota K sampai dengan
Kota F (sesuai urutan dalam dendogram); dan cluster2 beranggotakan Kota D sampai
dengan Kota A. demikian seterusnya dapat dengan mudah dilihat anggota tiap cluster sesuai
jumlah cluster yang diinginkan.

17
 BAB V
PENUTUP

5.1 Kesimpulan
Tujuan dari Analisis Cluster adalah mengelompokkan obyek berdasarkan kesamaan
karakteristik di antara obyek-obyek tersebut. Dengan demikian, ciri-ciri suatu cluster yang baik
yaitu mepunyai :
 Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster.
 Heterogenitas external (between cluster); yaitu perbedaan antara cluster yang satu dengan
cluster yang lain.
Analisis cluster terbagi menjadi dua, yaitu analisis cluster hierarki dan analisis cluster non
hierarki.

Metode Hierarki memulai pengelompokan dengan dua atau lebih obyek yang mempunyai
kesamaan paling dekat. Kemudian diteruskan pada obyek yang lain dan seterusnya hingga
cluster akan membentuk semacam ‘ p o h o n ’ dimana terdapat tingkatan (hierarki) yang jelas
antar obyek, dari yang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk
memperjelas proses hierarki ini disebut “ dendogram” . Sedangkan Metode Non-Hirarkis
dimulai dengan menentukan terlebih dahulu jumlah cluster yang diinginkan (dua, tiga, atau yang
lain). Setelah jumlah cluster ditentukan, maka proses cluster dilakukan dengan tanpa mengikuti
proses hirarki. Metode ini biasa disebut

 Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster.
 Heterogenitas external (between cluster); yaitu perbedaan antara cluster yang sa

18