0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
30 tayangan2 halaman
Analisis cluster digunakan untuk mengelompokkan objek berdasarkan karakteristik mereka dan mengklasifikasikan objek yang mirip ke dalam satu cluster. Tujuannya adalah mengelompokkan objek berdasarkan kesamaan karakteristik. Manfaatnya termasuk eksplorasi data, reduksi data, dan prediksi. Hasilnya dipengaruhi oleh objek, variabel, ukuran kemiripan, skala, dan metode yang digunakan.
Analisis cluster digunakan untuk mengelompokkan objek berdasarkan karakteristik mereka dan mengklasifikasikan objek yang mirip ke dalam satu cluster. Tujuannya adalah mengelompokkan objek berdasarkan kesamaan karakteristik. Manfaatnya termasuk eksplorasi data, reduksi data, dan prediksi. Hasilnya dipengaruhi oleh objek, variabel, ukuran kemiripan, skala, dan metode yang digunakan.
Analisis cluster digunakan untuk mengelompokkan objek berdasarkan karakteristik mereka dan mengklasifikasikan objek yang mirip ke dalam satu cluster. Tujuannya adalah mengelompokkan objek berdasarkan kesamaan karakteristik. Manfaatnya termasuk eksplorasi data, reduksi data, dan prediksi. Hasilnya dipengaruhi oleh objek, variabel, ukuran kemiripan, skala, dan metode yang digunakan.
Analisis cluster/Dendogram adalah teknik multivariat yang mempunyai tujuan utama
untuk mengelompokkan objek-objek/cases berdasarkan karakteristik yang dimilikinya. Analisis
cluster/dendogra mengklasifikasi objek sehingga setiap objek yang memiliki sifat yang mirip (paling dekat kesamaannya) akan mengelompok kedalam satu cluster (kelompok) yang sama. Tujuan utama analisis cluster adalah mengelompokkan objek-objek berdasarkan kesamaan karakteristik di antara objek-objek tersebut. Objek bisa berupa produk (barang dan jasa), benda (tumbuhan atau lainnya), serta orang (responden, konsumen atau yang lain). Objek tersebut akan diklasifikasikan ke dalam satu atau lebih cluster (kelompok) sehingga objek-objek yang berada dalam satu cluster akan mempunyai kemiripan satu dengan yang lain. Manfaat dari analisis cluster/dendogram adalah: eksplorasi data peubah ganda, reduksi data, stratifikasi sampling, prediksi keadaan obyek. Hasil dari analisis cluster dipengaruhi oleh: obyek yang diclusterkan, peubah yang diamati, ukuran kemiripan (jarak) yang dipakai, skala ukuran yang dipakai, serta metode pengclusteran yang digunakan. Sokal & Sneath (1963) mendefinisikan taksonomi numerik (taksonometri) sebagai metode kuantitatif mengenai kesamaan atau kemiripan sifat antar golongan organisme, serta penataan golongan-golongan tersebut melalui analisis kluster ke dalam kategori takson yang lebih tinggi atas dasar kesamaan tersebut. Taksonometri didasarkan atas bukti-bukti fenetik, yaitu kemiripan yang diperlihatkan objek studi yang diamati dan dicatat, dan bukan berdasarkan kemungkinan perkembangan filogenetiknya. Terdapat lima kegiatan dalam taksonometri yang diawali dengan pemilihan objek studi yang mewakili golongan organisme tertentu, yang selanjutnya disebut OTU (Operational Taxonomy Unit). Kegiatan berikutnya adalah pemilihan karakter, pengukuran kemiripan, analisis kluster, dan penarikan kesimpulan (Tjitrosoepomo, 2005). Pengukuran kemiripan pada OTU berdasarkan karakter yang dimilikinya. Menurut Sokal & Sneath (1963), karakter yang digunakan sebagai identifikasi OTU merupakan deskripsi terhadap bentuk, struktur, atau sifat yang membedakan sebuah unit taksonomi dengan unit lainnya. Setiap karakter memiliki nilai yang dapat bersifat kualitatif atau kuantitatif. Karakter yang berkaitan dengan bentuk dan struktur merupakan karakter kualitatif. Sedangkan arakter yang mendeskripsikan ukuran, panjang, dan jumlah merupakan karakter kuantitatif. Secara umum, karakter kualitatif lebih berguna dalam membedakan taksa pada tingkat taksonomi yang lebih tinggi. Sementara karakter kuantitatif banyak digunakan untuk membedakan kategori taksonomi pada tingkatan yang lebih rendah (Singh, 1999). Refrensi Anonim. “Pengertian dendogram”. https://medium.com/@16611062/analisis-cluster-hirarki- d5f571327f8. Diakses pada 30 Maret 2020. Anonim “Taksonomi Numerik”. https ://www. Academia .edu /7499679 / Makalah Taksonomi _ Numerik. Diakses 30 Maret 2020.