Langkah pertama, menghitung nilai varian ( s¿¿ 2)¿ seperti di bawah ini:
33
∑ x1
x́ 1= i=1
n
2255,19
¿ =68,33
33
n
s2=∑ ¿ ¿¿
i =1
203,4915
¿
32
¿ 6,3591
n
s= √∑ i=1
¿¿ ¿ ¿
21
203,4915
¿
√ 32
¿ √ 6,3591
¿ 2,521
( xi − x́)
Z1 =
s
68,05−68,33
¿
2,521
¿ -0,11464
Selanjutnya untuk menghitung nilai Z2 untuk Kota Sibolga adalah sebagai berikut.
Langkah pertama, menghitung nilai varian ( s¿¿ 2)¿ seperti di bawah ini:
33
∑ x2
x́ 2= i=1
n
428,94
¿ =12,9981
33
n
2
s =∑ ¿ ¿¿
i =1
12,51789
¿
32
¿ 0,391184
n
s= √∑ i=1
¿¿ ¿ ¿
¿ √ 0,391184
¿ 0,625447
( x i− x́)
Z2 =
s
23
13,12−12,99818
¿
0,625447
¿ 0,19477
Selanjutnya untuk menghitung nilai Z3 untuk Kota Sibolga adalah sebagai berikut.
Langkah pertama, menghitung nilai varian ( s¿¿ 2)¿ seperti di bawah ini:
24
33
∑ x3
x́ 3= i=1
n
287,37
¿ =8,708182
33
n
s2=∑ ¿ ¿¿
i =1
72,927688
¿
32
¿ 2,27899
n
s= √∑ i=1
¿¿ ¿ ¿
¿ √ 2,27899
¿ 1,509632
(x i− x́)
Z3 =
s
9,87−8,7081812
¿
1,509632
¿ 0,769603
Selanjutnya untuk menghitung nilai Z3 untuk Kota Sibolga adalah sebagai berikut.
Langkah pertama, menghitung nilai varian ( s¿¿ 2)¿ seperti di bawah ini:
33
∑ x4
x́ 4 = i=1
n
329447
¿ =1237,758
33
n
s2=∑ ¿ ¿¿
i =1
135687532
¿
32
26
¿ 4240235
n
s= √ ∑ ¿¿ ¿ ¿
i=1
¿ √ 4240235
¿ 2059,183
(x i− x́ )
Z 4=
s
11221−9983,242
¿
2059,183
¿ 0,601092
Selanjutnya dengan cara yang sama dilakukan perhitungan yang sama untuk
semua kabupaten/kota pada setiap variabel dan diperoleh hasil perhitungan Z1
, Z2 , Z3 , Z 4 untuk Kabupaten/Kota Tanjungbalai, Pematang Siantar, . . . , Nias
Barat , dan dapat dilihat pada Tabel 4.6 dibawah ini:
Tabel 4.6 Data Setelah Distandarisasi
No Kabupaten/Kota Z1 Z2 Z3 Z4
1 Sibolga -0,11464 0,19477 0,769603 0,601092
2 Tanjungbalai -2,40275 -0,89245 0,286042 0,385958
3 Pematangsiantar 1,701575 1,617752 1,557875 1,030874
4 Tebing Tinggi 0,769674 -0,5407 0,915334 1,006106
5 Medan 1,610368 2,321249 1,683733 2,248347
6 Binjai 1,352608 0,930244 1,239916 0,24464
7 Padang Sidempuan 0,408811 2,401192 1,226668 0,23347
8 Gunungsitoli 0,825192 1,106118 -0,20414 -1,30306
9 Nias 0,333466 -1,40409 -2,50272 -1,62892
10 Mandailing Natal -2,52569 -0,01308 -0,46911 -0,29052
11 Tapanuli Selatan -1,60965 0,130816 -0,02529 0,471914
12 Tapanuli Tengah -0,66585 -0,55669 -0,28363 -0,06374
13 Tapanuli Utara -0,18999 1,042164 0,498014 0,691419
14 Toba Samosir 0,404845 0,402621 0,921958 0,90461
15 Labuhanbatu 0,436569 -0,65262 0,199928 0,377216
27
Dari perhitungan Tabel 4.7 diperoleh nilai jarak Sibolga dan Tanjungbalai
dengan persamaan (2.6):
d ij =√ ∑kp=1 ¿ ¿
d ij =√ ¿ ¿
√ ¿ ¿ d ij =√ ¿ ¿
d ij =√ 5,23544+1,18204 +0,23383+0,058328
d ij =6,69838
28
1 16 26 ,015 0 0 3
2 32 33 ,095 0 0 23
3 16 21 ,101 1 0 6
4 18 30 ,107 0 0 6
5 19 20 ,128 0 0 7
6 16 18 ,160 3 4 10
7 4 19 ,177 0 5 13
8 12 27 ,216 0 0 10
9 15 17 ,246 0 0 13
10 12 16 ,273 8 6 11
11 12 31 ,297 10 0 12
30
12 12 28 ,337 11 0 15
13 4 15 ,400 7 9 15
14 1 14 ,428 0 0 17
15 4 12 ,476 13 12 17
16 8 25 ,492 0 0 21
17 1 4 ,584 14 15 19
18 9 22 ,720 0 0 23
19 1 29 ,776 17 0 20
20 1 13 ,806 19 0 22
21 8 23 1,045 16 0 22
22 1 8 1,182 20 21 26
23 9 32 1,273 18 2 32
24 3 6 1,314 0 0 26
25 10 11 1,638 0 0 27
26 1 3 1,713 22 24 27
27 1 10 1,717 26 25 28
28 1 2 1,780 27 0 29
29 1 5 2,001 28 0 30
30 1 24 2,159 29 0 31
31 1 7 2,946 30 0 32
32 1 9 5,291 31 23 0
d (UV ) W =min{d UW , d VW }
d (16,26 )21=min{d 16,21 , d 26,21 }
¿ min { ( 0,137 ) , ( 0,101 ) }
¿ 0,101
3) Pada stage 6 terbentuk cluster antara Kabupaten Asahan (nomor urut 16)
dan Kabupaten Kabupaten Dairi (nomor urut 18) dengan nilai koefisien
0,160 yang menunjukkan besar jarak terdekat antara Kabupaten Dairi
dengan ketiga objek cluster sebelumnya yaitu (Kabupaten Asahan,
Kabupaten Serdang Bedagai dan Kabupaten Langkat). Namun pada kolom
stage cluster first appears, cluster 1 berasal dari stage 3 dan cluster 2
berasal dari stage 2. Hal ini berarti objek selanjutnya yang akan tergabung
dengan objek (nomor urut 16) dan (nomor urut 18) adalah pada stage 10.
d (UV ) W =min{d UW , d VW }
¿0,404
d (UV ) W =min{d UW , d VW }
¿0,160
Pada kolom next stage, menunjukkan angka 10 yang menjelaskan bahwa pada
stage ke-10 proses pengelompokan dilajutkan. Demikian seterusnya dari stage ke-
10 dilanjutkan sampai ke stage terakhir, sehingga semua objek bergabung menjadi
satu cluster.
Menurut Supranto dalam bukunya yang berjudul Analisis Multivariat Arti &
Interpretasi, menentukan banyaknya klaster ada beberapa petunjuk, yang bisa
digunakan, yaitu :
I. Pertimbangan teoritis, konseptual, praktis, mungkin bisa
diusulkan/disarankan untuk menentukan berapa banyaknya klaster yang
sebenarnya.
II. Di dalam pengklasteran hierarki, jarak di mana klaster digabungkan bisa
dipergunakan sebagai kriteria.
III. Besarnya relatif klaster seharusnya berguna/bermanfaat. Perlu disebutkan
di sini bahwa pemecahan yang menghasilkan klaster dengan 1
objek/responden, dikatakan tidak berguna.
Dalam menentukan anggota cluster, penulis memilih untuk mengelompokkan
objek-objek dalam range 2-4 cluster. Kemudian dari data awal pada Tabel 4.9 di
atas dengan bantuan SPSS diperoleh Output Cluster Membership dalam range 2-
4 cluster. Dapat dilihat pada Tabel 4.10 di bawah ini:
18:Dairi 1 1 1
19:Karo 1 1 1
20:Deli Serdang 1 1 1
21:Langkat 1 1 1
22:Nias Selatan 3 3 2
23:Humbang Hasudutan 1 1 1
24:Pakpak Barat 4 1 1
25:Samosir 1 1 1
26:Serdang Bedagai 1 1 1
27:Batu Bara 1 1 1
28:Padang Lawas Utara 1 1 1
29:Padang Lawas 1 1 1
30:Labuhanbatu SLN 1 1 1
31:Labuhanbatu UTR 1 1 1
32:Nias Utara 3 3 2
33:Nias Barat 3 3 2
Setelah cluster terbentuk maka tahap selanjutnya adalah memberi ciri spesifik
untuk menggambarkan isi cluster pada Gambar Dendogram 4.1 di bawah ini :
34
Tabel 4.11 Anggota dari Cluster yang Terbentuk dengan Metode Single
Linkage
No. Cluster Kabupaten/Kota
1 I Sibolga
2 Tanjungbalai
3 Pematang Siantar
4 Tebing Tinggi
5 Medan
6 Binjai
7 Gunungsitoli
8 Mandailing Natal
9 Tapanuli Selatan
10 Tapanuli Tengah
11 Tapanuli Utara
12 Toba Samosir
13 Labuhanbatu
14 Asahan
15 Simalungun
16 Dairi
17 Karo
18 Deli Serdang
19 Langkat
20 Humbang Hasudutan
21 Pakpak Barat
22 Samosir
23 Serdang Bedagai
24 Batu Bara
25 Padang Lawas Utara
26 Padang Lawas
27 Labuhanbatu SLN
28 Labuhanbatu UTR
29 Padang Sidempuan
30 II Nias
31 Nias Selatan
32 Nias Utara
33 Nias Barat
1 16 26 ,015 0 0 5
2 32 33 ,095 0 0 22
3 18 30 ,107 0 0 14
4 19 20 ,128 0 0 8
5 16 21 ,137 1 0 14
6 12 27 ,216 0 0 11
7 15 17 ,246 0 0 12
8 4 19 ,329 0 4 24
9 1 14 ,428 0 0 15
10 8 25 ,492 0 0 27
11 12 28 ,612 6 0 26
12 15 31 ,641 7 0 19
13 9 22 ,720 0 0 22
14 16 18 ,854 5 3 19
15 1 13 ,988 9 0 25
16 23 29 1,182 0 0 21
17 3 6 1,314 0 0 23
18 10 11 1,638 0 0 20
19 15 16 1,645 12 14 24
20 2 10 1,816 0 18 26
21 23 24 2,869 16 0 27
22 9 32 2,894 13 2 31
23 3 7 3,055 17 0 28
24 4 15 3,467 8 19 25
25 1 4 3,863 15 24 29
26 2 12 4,611 20 11 30
37
27 8 23 5,489 10 21 29
28 3 5 6,213 23 0 32
29 1 8 12,939 25 27 30
30 1 2 17,507 29 26 31
31 1 9 24,254 30 22 32
32 1 3 54,500 31 28 0
¿ 0,854
5:Medan 3 2 2
6:Binjai 3 2 2
7:Padang Sidempuan 3 2 2
8:Gunungsitoli 1 1 1
9:Nias 4 3 1
10:Mandailing Natal 2 1 1
11:Tapanuli Selatan 2 1 1
12:Tapanuli Tengah 2 1 1
13:Tapanuli Utara 1 1 1
14:Toba Samosir 1 1 1
15:labuhanbatu 1 1 1
16:Asahan 1 1 1
17:Simalunggun 1 1 1
18:Dairi 1 1 1
19:Karo 1 1 1
20:Deli Serdang 1 1 1
21:Langkat 1 1 1
22:Nias Selatan 4 3 1
23:Humbang Hasudutan 1 1 1
24:Pakpak Barat 1 1 1
25:Samosir 1 1 1
26:Serdang Bedagai 1 1 1
27:Batu Bara 2 1 1
28:Padang Lawas Utara 2 1 1
29:Padang Lawas 1 1 1
30:Labuhanbatu SLN 1 1 1
31:Labuhanbatu UTR 1 1 1
32:Nias Utara 4 3 1
33:Nias Barat 4 3 1
Setelah cluster terbentuk maka tahap selanjutnya adalah memberi ciri spesifik
untuk menggambarkan isi cluster pada Gambar Dendogram di bawah ini:
40
Tabel 4.14 Anggota dari Cluster yang Terbentuk dengan Metode Complete
Linkage
No. Cluster Kabupaten/Kota
1 I Sibolga
2 Tanjungbalai
3 Tebing Tinggi
4 Mandailing Natal
5 Tapanuli Selatan
6 Tapanuli Tengah
7 Tapanuli Utara
8 Toba Samosir
9 Labuhanbatu
10 Asahan
11 Simalunggun
12 Dairi
13 Karo
14 Deli Serdang
15 Langkat
16 Humbang Hasudutan
17 Pakpak Barat
18 Samosir
19 Serdang Bedagai
20 Batu Bara
21 Padang Lawas Utara
22 Padang Lawas
23 Labuhanbatu SLN
24 Labuhanbatu UTR
25 Gunung Sitoli
26 II Pematang Siantar
27 Medan
28 Binjai
29 Padang Sidempuan
30 III Nias
31 Nias Selatan
32 Nias Barat
33 Nias Utara
4.5 Penentuan Metode Terbaik
42
2
(0,362706−(0,176448))2 +(−0,6558−(0,176448))2 +…+(0,097774−( 0,176448 ) )
¿
√ 29−1
11,31548
¿
√ 28
¿ √ 0,404124
=0,635708
¿ √(1,30057−(−1,27925))2+ ¿¿ ¿ ¿
0,140188
¿
√ 3
¿ √ 0,046729
=0,216169
Dengan mengunakan persamaan (2.9) diperoleh nilai simpangan baku dalam
cluster ( Sw ) sebagai berikut:
Sw =2−1 (S 1 +S 2+ S 3)
= 2−1(0,635708 + 0,216169)
0,851877
¿
2
= 0,4259385
x́ A + x́ B
x́=
2
0,176448+(−1,27925)
¿
2
= -1,102802
2 1
−1 2 2
Sb =[(2−1) ∑ ( x́ k −x́) ]
k=1
45
(0,176448−(−1,102802))2 +(−1,27925−(−1,102802))2 12
¿[ ]
2−1
1,102802 12
¿( )
1
= 1,050143
2
(0,362706−(−0,01341))2 +(−0,6558−(−0,01341))2 +…+(0,097774−(−0,01341 ) )
¿
√ 25−1
4,140713
¿
√ 24
¿ √ 0,17253
=0,415367
Simpangan baku cluster 2, rata-rata variabel tiap kabupaten/kota dapat dilihat
pada tabel berikut :
¿ √(1,30057−(−1,27925))2+ ¿¿ ¿ ¿
0,140188
¿
√ 3
¿ √ 0,046729
=0,216169
Dengan mengunakan persamaan (2.9) diperoleh nilai simpangan baku dalam
cluster ( Sw ) sebagai berikut:
Sw =3−1 ( S1 +S 2 +S 3 )
1,093843
¿
3
= 0,364614
3 1
Sb =[(3−1)−1 ∑ (x́ k −x́)2 ]2
k=1
3,49303 12
¿( )
2
1
2
¿(1,7465)
= 1,332155
Dari hasil perhitungan simpangan baku dalam cluster ( Sw ) dan simpangan baku
antar cluster ( Sb ) kedua metode, dicari perbadingan (rasio) dari kedua simpangan
baku tersebut. Untuk lebih jelasnya, beriku disajikan tabel nilai simpangan baku
dalam dan simpangan baku antar cluster:
Tabel 4.20 Perbandingan Simpangan Baku Dalam Cluster dan Antar Cluster
Simpangan baku dalam cluster ( Sw ) metode single linkage lebih kecil daripada
metode complete linkage, demikian halnya simpangan baku antar cluster ( Sb )
metode single linkage lebih kecil daripada metode complete linkage.
Perbandingan (rasio) antara Sw dan Sb kedua metode sebagai berikut:
Dari tabel 4.21 terlihat bahwa rasio metode single linkage sebesar 0,4056004
lebih besar daripada rasio metode complete linkage sebesar 0,273364586. Metode
yang mempunyai rasio terkecil merupakan metode dengan kinerja terbaik. Dengan
kata lain, untuk mengelompokkan kabupaten/kota di Provinsi Sumatera Utara
berdasarkan indikator indeks pembangunan manusia tahun 2017 lebih baik
menggunakan metode complete linkage.
X́ 1 0,212399 0,086611
X́ 2 0,440118 -1,20423
X́ 3 0,242315 -1,23254
X́ 4 -0,07779 -1,83118