TUGAS STATISTIKA MULTIVARIAT

ANALISIS CLUSTER
(STUDI KASUS JASA EKSPEDISI PENGIRIMAN BARANG)

Disusun Oleh:

Nama : Indah Dwi Arianti

NPM : 32417898
Kelas : 4ID08

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
BEKASI
2020
1. Studi Kasus
Dari penelitian yang dilakukan terhadap 20 responden untuk mengamati salah satu
jasa ekspedisi pengiriman yang akan digunakan oleh online shop. Berikut pertanyaan
yang diberikan kepada responden berdasarkan variabel yaitu:
V1 = Ekspedisi tersebut memiliki ketepatan waktu yang bagus
V2 = Ekspedisi tersebut memiliki ongkos kirim yang murah
V3 = Ekspedisi tersebut mudah ditemui
V4 = Ekspedisi tersebut memiliki pelayanan yang baik
V5 = Ekspedisi tersebut memberikan asuransi penuh
Dengan Skala :
Skala Keterangan
1 Sangat Setuju
2 Setuju
3 Netral
4 Tidak Setuju
5 Sangat Tidak Setuju

2. Langkah-Langkah K-Means Cluster dengan Software SPSS

Langkah pertama yaitu membuka software SPSS. Berikut adalah tampilan utama
SPSS 16.0.

Gambar 1 Tampilan Utama SPSS

Langkah kedua yaitu mengisikan variabel view untuk dapat menginput data.
Berikut adalah gambar input pada variabel view.

Gambar 2 Input Variabel View

Langkah selanjutnya yaitu mengisi data view sebanyak 20 sesuai dengan jumlah
responden dan diisi sesuai dengan skala yang digunakan. Berikut adalah input dari
data view.

Gambar 3 Input Data View

Langkah berikutnya setelah keseluruhan data yang dikumpulkan tersebut diatas
dientry dalam program SPSS, selanjutnya klik menu “analyze” dan pilih sub menu
“Descriptive Statistics” lalu klik “Descriptives”.
 Gambar 4 Menu Analyze-Descriptive Statistics-Descriptives
Langkah selanjutnya yaitu masukkan ke dalam kotak variables seluruh variabel
instrument penilai dari V1 sampai dengan V6. Kemudian aktifkan bagian “Save
standardized values as variables” abaikan bagian yang lain lalu tekan OK. Dan
akan muncul output dari descriptive seperti dibawah ini.

Gambar 5 Output Descriptives

Berdasarkan tabel output diatas menunjukkan jumlah pengukuran (N) sebanyak
20. Nilai minimum sebesar 1 , nilai maksimum sebesar 3, nilai rata-rata sebesar
1,5 dan standar deviasi sebesar 0,761. Kemudian Kembali ke tampilan dataview
untuk melihat hasil Z Score untuk analisis cluster. Berikut adalah tampilan dari
hasil Z-Score.
 Gambar 6 Tampilan Data View
Langkah berikutnya adalah dari tampilan data yang tertera buka menu “Analyze”,
lalu pilih sub menu “Classify” kemudian pilih K-Means Cluster” seperti gambar
dibawah ini.

Gambar 7 Tampilan Menu Analyze-Classify-K Means Cluster

 Gambar 8 Kotak Dialog K-Mean Cluster Analysis
Masukkan seluruh variabel Z-scores ke dalam kotak variables. Kemudian variabel
responden dimasukkan dalam kotak “Label Cases by”. Number of clusters dalam hal
ini diisi menurut jumlah cluster yang akan dibentuk dalam penelitian yang dimaksud.
Misal diisi 3 berarti diharapkan akan dibentuknya 3 cluster. Kemudian klik pada
kotak “Save”.

Gambar 9 Kotak Dialog K-Mean Cluster Analysis: Save

Selanjutnya klik tombol save pada sebelah kanan, kemudian ceklis cluster
membership dan distance from cluster center. Selanjutnya tekan tombol continue
untuk Kembali ke menu utama.
 Gambar 10 Kotak Dialog K-Mean Cluster Analysis: Options
Langkah berikutnya yaitu pada bagian statisics aktifkan “intial cluster centers” dan
“ANOVA table”. Abaikan bagian yang lain, lalu tekan “continue” untuk kembali ke
menu utama. Selanjutnya akan terdapat beberapa output yang dihasilkan pada analisi
K-Means Cluster.

Gambar 11 Output Initial Cluster Centers

Tabel diatas merupakan tampilan pertama proses clustering data sebelum dilakukan
iterasi. Untuk mendeteksi beberapa kali proses iterasi yang dilakukan dalam proses
clustering dari objek yang diteliti, dapat dilihat dari tampilan output berikut ini.
 Gambar 12 Iteration History
Ternyata proses clustering yang dilakukan melalui 3 tahapan iterasi untuk
mendapatkan cluster yang tepat. Dari tabel diatas disebutkan bahwa jarak minimum
antar pusat cluster yang terjadi dari hasil iterasi adalah 4,065. Adapun hasil akhir dari
proses clustering digambarkan berikut ini.

Gambar 13 Final Cluster Centers

Output Final Cluster Centers tersebut diatas masih terkait dengan proses standardisasi
data sebelumnya, yang mengacu pada z-score dengan ketentuan sebagai berikut.
- Nilai negatif (-) berarti data berada di bawah rata-rata total
- Nilai positif (+)berarti data berada di atas rata-rata total.
 Gambar 14 Output ANOVA
Tahapan selanjutnya yang perlu dilakukan yaitu melihat perbedaan variabel pada
cluster yang terbentuk. Dalam hal ini dapat dilihat dari nilai F dan nilai probabilitas
(sig) masing-masing variabel. Output ANOVA diatas yaitu untuk melhat perbedaan
variabel pada cluster. Pada output diatas Z-Score pernyataan pertama V1 didapatkan
nilai rata-rata sebesar 4,026 dengan derajat kebebasan sebesar 2 dan error didapatkan
nilai rata-rata 0,644 serta derajat kebebasan 17. Nilai F didapatkan nilai 6,251 dan
signifikan sebesar 0,009. Artinya pada signifikan didapatkan hasil sebesar 0,009 dan
kurang dari 0,05 maka H0 diterima dan terdapat pengaruh yang signifikan pada
masing-masing cluster.

Gambar 15 Output Number of Cases in each

Nampak jelas bahwa cluster-1 beranggotakan 11 responden, cluster-2 berisi 5
responden, dan pada cluster-3 terdapat 4 responden yang mengelompok. Dan untuk
mengetahui responden mana saja yang masuk dalam kategori tiap-tiap cluster dapat
kembali dibuka tampilan “data view” pada kolom terakhir akan nampak seperti
berikut ini :

Gambar 16 Tampilan Data View

Perhatikan 2 kolom terakhir pada tabel di atas. “CL_1” menunjukkan nomor cluster
dari keberadaan kota, dan “QCL_2” merupakan jarak antara obyek dengan pusat
cluster. Dengan demikian, dapat ditafsirkan sebagai berikut :
- Cluster-1 : Berisikan responden 1,2,3,4,6,7,9,11,12,14, dan 16.

- Cluster-2 : Berisikan responden 5, 8,10, 13 dan 19.

- Cluster-3 : Berisikan responden 15,17 , 18 dan 20.