BAB 4

HASIL DAN PEMBAHASAN

4.1 Data Awal

Berikut ini adalah data awal yang diperoleh dari Badan Pusat Statisti (BPS)
Sumatera Utara tahun 2017, di mana X 1 : Angka Harapan Hidup ; X 2 : Harapan
Lama ; X 3 : Rata-rata Lama Sekolah ; X 4 : Pengeluaran Perkapita.
Tabel 4.1 Data Awal
NO Kabupaten/Kota Angka Harapan Rata-rata Pengeluaran
Harapan Lama Lama Perkapita
Hidup Sekolah Sekolah

1 Sibolga 68,05 13,12 9,87 11221

2 Tanjungbalai 62,28 12,44 9,14 10778
3 Pematangsiantar 72,63 14,01 11,06 12106
4 Tebing Tinggi 70,28 12,66 10,09 12055
5 Medan 72,4 14,45 11,25 14613
6 Binjai 71,75 13,58 10,58 10487
7 Padang Sidempuan 69,37 14,5 10,56 10464
8 Gunungsitoli 70,42 13,69 8,4 7300
9 Nias 69,18 12,12 4,93 6629
10 Mandailing Natal 61,97 12,99 8 9385
11 Tapanuli Selatan 64,28 13,08 8,67 10955
12 Tapanuli Tengah 66,66 12,65 8,28 9852
13 Tapanuli Utara 67,86 13,65 9,46 11407
14 Toba Samosir 69,36 13,25 10,1 11846
15 labuhanbatu 69,44 12,59 9,01 10760
16 Asahan 67,57 12,53 8,46 10477
17 Simalunggun 70,53 12,71 8,95 11055
18 Dairi 68,13 13,06 8,9 10395
19 Karo 70,77 12,71 9,54 12059
20 Deli Serdang 71,11 12,9 9,7 11891
21 Langkat 67,94 12,72 8,51 10784
22 Nias Selatan 68 11,68 4,95 6792
23 Humbang 68,41 13,24 9,1 7412
Hasudutan
24 Pakpak Barat 65,05 13,82 8,47 7913
25 Samosir 70,68 13,43 8,95 8163
26 Serdang Bedagai 67,79 12,55 8,35 10551
27 Batu Bara 66,1 12,49 7,83 10084
28 Padang Lawas Utara 66,58 12,41 8,93 9737
29 Padang Lawas 66,5 12,99 8,43 8445
 19

30 Labuhanbatu SLN 68,14 12,95 8,7 10892

31 Labuhanbatu UTR 68,91 12,79 8,34 11510
32 Nias Utara 68,77 12,57 6,08 5835
33 Nias Barat 68,28 12,61 5,78 5594

4.2 Standarisasi Data

Pada penelitian ini standarisasi data diperlukan karena data yang digunakan dalam
penelitian mempunyai satuan yang bervariasi. Perbedaan satuan yang mencolok
dapat mengakibatkan perhitungan pada analisis cluster menjadi tidak valid. Untuk
itu, perlu dilakukan proses standarisasi dengan melakukan transformasi
(standarisasi) pada data asli sebelum dianalisis lebih lanjut. Berdasarkan data awal
pada Tabel 4.1 di atas terlihat bahwa data asal tidak semuanya menggunakan
satuan yang sama. Diberikan contoh perhitungan varian dengan menggunakan
persamaan (2.2) standar deviasi dengan menggunakan persamaan (2.3) dan
standarisasi data dengan menggunakan persamaan (2.4). Berikut adalah
perhitungan dengan menggunakan data awal pada Tabel 4.1 di atas. Dari data
pada Tabel 4.1 di atas diketahui bahwa jumlah data n=33 dan n−1=32.
Selanjutnya diakukan standarisasi untuk setiap kabupaten/kota dan untuk setiap
variabel. Perhitungan dilakukan dengan bantuan Microsoft Excel, dan perhitungan
manualnya disajikan hanya untuk Kota Sibolga pada setiap variabel. Misalkan
akan dihitung nilai Z1 untuk Kota Sibolga.

Tabel 4.2 Menghitung Standar Deviasi Z1

No. Kabupaten/Kota x1 ¿ ¿ - x́ 1) ¿
1 Sibolga 68,05 -0,28909 0,083574
2 Tanjungbalai 62,28 -6,05909 36,71258
3 Pematangsiantar 72,63 4,290909 18,4119
4 Tebing Tinggi 70,28 1,940909 3,767128
5 Medan 72,4 4,060909 16,49098
6 Binjai 71,75 3,410909 11,6343
7 Padang Sidempuan 69,37 1,030909 1,062774
8 Gunungsitoli 70,42 2,080909 4,330183
9 Nias 69,18 0,840909 0,707128
10 Mandailing Natal 61,97 -6,36909 40,56532
11 Tapanuli Selatan 64,28 -4,05909 16,47622
12 Tapanuli Tengah 66,66 -1,67909 2,819346
13 Tapanuli Utara 67,86 -0,47909 0,229528
14 Toba Samosir 69,36 1,020909 1,042255
 20

15 Labuhanbatu 69,44 1,100909 1,212001

16 Asahan 67,57 -0,76909 0,591501
17 Simalunggun 70,53 2,190909 4,800083
18 Dairi 68,13 -0,20909 0,043719
19 Karo 70,77 2,430909 5,909319
20 Deli Serdang 71,11 2,770909 7,677937
21 Langkat 67,94 -0,39909 0,159274
22 Nias Selatan 68 -0,33909 0,114983
23 Humbang Hasudutan 68,41 0,070909 0,005028
24 Pakpak Barat 65,05 -3,28909 10,81812
25 Samosir 70,68 2,340909 5,479855
26 Serdang Bedagai 67,79 -0,54909 0,301501
27 Batu Bara 66,1 -2,23909 5,013528
28 Padang Lawas Utara 66,58 -1,75909 3,094401
29 Padang Lawas 66,5 -1,83909 3,382255
30 Labuhanbatu SLN 68,14 -0,19909 0,039637
31 Labuhanbatu UTR 68,91 0,570909 0,325937
32 Nias Utara 68,77 0,430909 0,185683
33 Nias Barat 68,28 -0,05909 0,003492
33
2255,19 203,4915
∑ x1
i=1

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

Langkah kedua, menghitung nilai standar deviasi ( s) seperti di bawah ini:

n
s= √∑ i=1
¿¿ ¿ ¿
 21

203,4915
¿
√ 32

¿ √ 6,3591

¿ 2,521

Langkah ketiga menghitung nilai Zscore seperti di bawah ini:

( xi − x́)
Z1 =
s

68,05−68,33
¿
2,521

¿ -0,11464

Selanjutnya untuk menghitung nilai Z2 untuk Kota Sibolga adalah sebagai berikut.

Tabel 4.3Menghitung Standart Deviasi Z2

No. Kabupaten/Kota x2 ¿ ¿ - x́ 2) ¿
1 Sibolga 13,12 0,121818 0,014839669
2 Tanjungbalai 12,44 -0,55818 0,311566942
3 Pematangsiantar 14,01 1,011818 1,023776033
4 Tebing Tinggi 12,66 -0,33818 0,114366942
5 Medan 14,45 1,451818 2,107776033
6 Binjai 13,58 0,581818 0,338512397
7 Padang Sidempuan 14,5 1,501818 2,255457851
8 Gunungsitoli 13,69 0,691818 0,478612397
9 Nias 12,12 -0,87818 0,771203306
10 Mandailing Natal 12,99 -0,00818 0,000066912
11 Tapanuli Selatan 13,08 0,081818 0,006694215
12 Tapanuli Tengah 12,65 -0,34818 0,121230579
13 Tapanuli Utara 13,65 0,651818 0,424866942
14 Toba Samosir 13,25 0,251818 0,063412397
15 Labuhanbatu 12,59 -0,40818 0,166612397
16 Asahan 12,53 -0,46818 0,219194215
17 Simalunggun 12,71 -0,28818 0,08304876
18 Dairi 13,06 0,061818 0,003821488
19 Karo 12,71 -0,28818 0,08304876
20 Deli Serdang 12,9 -0,09818 0,009639669
21 Langkat 12,72 -0,27818 0,077385124
22 Nias Selatan 11,68 -1,31818 1,737603306
23 Humbang Hasudutan 13,24 0,241818 0,058476033
24 Pakpak Barat 13,82 0,821818 0,675385124
 22

25 Samosir 13,43 0,431818 0,186466942

26 Serdang Bedagai 12,55 -0,44818 0,200866942
27 Batu Bara 12,49 -0,50818 0,25824876
28 Padang Lawas Utara 12,41 -0,58818 0,345957851
29 Padang Lawas 12,99 -0,00818 0,000064
30 Labuhanbatu SLN 12,95 -0,04818 0,002321488
31 Labuhanbatu UTR 12,79 -0,20818 0,043339669
32 Nias Utara 12,57 -0,42818 0,183339669
33 Nias Barat 12,61 -0,38818 0,150685124
33
428,94 12,51789
∑ x2
i=1

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

Langkah kedua, menghitung nilai standar deviasi ( s) seperti di bawah ini:

n
s= √∑ i=1
¿¿ ¿ ¿

¿ √ 0,391184

¿ 0,625447

Langkah ketiga menghitung nilai Zscore seperti di bawah ini:

( 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.

Tabel 4.4 Menghitung Standart Deviasi Z3

No. Kabupaten/Kota x3 ¿ ¿ - x́ 3) ¿
1 Sibolga 9,87 1,161818 1,349821488
2 Tanjungbalai 9,14 0,431818 0,186466942
3 Pematangsiantar 11,06 2,351818 5,53104876
4 Tebing Tinggi 10,09 1,381818 1,909421488
5 Medan 11,25 2,541818 6,460839669
6 Binjai 10,58 1,871818 3,503703306
7 Padang Sidempuan 10,56 1,851818 3,429230579
8 Gunungsitoli 8,4 -0,30818 0,094976033
9 Nias 4,93 -3,77818 14,27465785
10 Mandailing Natal 8 -0,70818 0,501521488
11 Tapanuli Selatan 8,67 -0,03818 0,001457851
12 Tapanuli Tengah 8,28 -0,42818 0,183339669
13 Tapanuli Utara 9,46 0,751818 0,565230579
14 Toba Samosir 10,1 1,391818 1,937157851
15 Labuhanbatu 9,01 0,301818 0,091094215
16 Asahan 8,46 -0,24818 0,061594215
17 Simalunggun 8,95 0,241818 0,058476033
18 Dairi 8,9 0,191818 0,036794215
19 Karo 9,54 0,831818 0,691921488
20 Deli Serdang 9,7 0,991818 0,983703306
21 Langkat 8,51 -0,19818 0,039276033
22 Nias Selatan 4,95 -3,75818 14,12393058
23 Humbang Hasudutan 9,1 0,391818 0,153521488
24 Pakpak Barat 8,47 -0,23818 0,056730579
25 Samosir 8,95 0,241818 0,058476033
26 Serdang Bedagai 8,35 -0,35818 0,128294215
27 Batu Bara 7,83 -0,87818 0,771203306
28 Padang Lawas Utara 8,93 0,221818 0,049203306
29 Padang Lawas 8,43 -0,27818 0,077385124
30 Labuhanbatu SLN 8,7 -0,00818 0,000064
31 Labuhanbatu UTR 8,34 -0,36818 0,135557851
32 Nias Utara 6,08 -2,62818 6,907339669
33 Nias Barat 5,78 -2,92818 8,57424876
33
287,37 72,927688
∑ x2
i=1

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

Langkah kedua, menghitung nilai standar deviasi ( s) seperti di bawah ini:

n
s= √∑ i=1
¿¿ ¿ ¿

¿ √ 2,27899

¿ 1,509632

Langkah ketiga menghitung nilai Zscore seperti di bawah ini:

(x i− x́)
Z3 =
s

9,87−8,7081812
¿
1,509632

¿ 0,769603

Selanjutnya untuk menghitung nilai Z3 untuk Kota Sibolga adalah sebagai berikut.

Tabel 4.5 Menghitung Standart Deviasi Z 4

No. Kabupaten/Kota x4 ¿ ¿ - x́ 4) ¿
1 Sibolga 11221 1237,758 1532044
2 Tanjungbalai 10778 794,7576 631639,6
3 Pematangsiantar 12106 2122,758 4506100
4 Tebing Tinggi 12055 2071,758 4292179
5 Medan 14613 4629,758 21434655
 25

6 Binjai 10487 503,7576 253771,7

7 Padang Sidempuan 10464 480,7576 231127,8
8 Gunungsitoli 7300 -2683,24 7199790
9 Nias 6629 -3354,24 11250942
10 Mandailing Natal 9385 -598,242 357894
11 Tapanuli Selatan 10955 971,7576 944312,8
12 Tapanuli Tengah 9852 -131,242 17224,57
13 Tapanuli Utara 11407 1423,758 2027086
14 Toba Samosir 11846 1862,758 3469866
15 Labuhanbatu 10760 776,7576 603352,3
16 Asahan 10477 493,7576 243796,5
17 Simalunggun 11055 1071,758 1148664
18 Dairi 10395 411,7576 169544,3
19 Karo 12059 2075,758 4308770
20 Deli Serdang 11891 1907,758 3639539
21 Langkat 10784 800,7576 641212,7
22 Nias Selatan 6792 -3191,24 10184028
23 Humbang Hasudutan 7412 -2571,24 6611288
24 Pakpak Barat 7913 -2070,24 4285904
25 Samosir 8163 -1820,24 3313282
26 Serdang Bedagai 10551 567,7576 322348,7
27 Batu Bara 10084 100,7576 10152,09
28 Padang Lawas Utara 9737 -246,242 60635,33
29 Padang Lawas 8445 -1538,24 2366190
30 Labuhanbatu SLN 10892 908,7576 825840,3
31 Labuhanbatu UTR 11510 1526,758 2330989
32 Nias Utara 5835 -4148,24 17207915
33 Nias Barat 5594 -4389,24 19265449
33
329447 135687532
∑ x4
i=1

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

Langkah kedua, menghitung nilai standar deviasi ( s) seperti di bawah ini:

n
s= √ ∑ ¿¿ ¿ ¿
i=1

¿ √ 4240235

¿ 2059,183

Langkah ketiga menghitung nilai Zscore seperti di bawah ini:

(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

16 Asahan -0,30499 -0,74856 -0,1644 0,239783

17 Simalunggun 0,868813 -0,46076 0,160183 0,520477
18 Dairi -0,08292 0,098838 0,127063 0,199962
19 Karo 0,963986 -0,46076 0,551007 1,008049
20 Deli Serdang 1,098814 -0,15698 0,656993 0,926463
21 Langkat -0,15826 -0,44477 -0,13128 0,388871
22 Nias Selatan -0,13447 -2,10758 -2,48947 -1,54976
23 Humbang Hasudutan 0,028119 0,386633 0,259545 -1,24867
24 Pakpak Barat -1,3043 1,313969 -0,15777 -1,00537
25 Samosir 0,928296 0,690415 0,160183 -0,88396
26 Serdang Bedagai -0,21774 -0,71658 -0,23726 0,27572
27 Batu Bara -0,88792 -0,81251 -0,58172 0,048931
28 Padang Lawas UTR -0,69757 -0,94042 0,146935 -0,11958
29 Padang Lawas -0,7293 -0,01308 -0,18427 -0,74702
30 Labuhanbatu SLN -0,07895 -0,07704 -0,00542 0,441319
31 Labuhanbatu UTR 0,226396 -0,33285 -0,24389 0,741438
32 Nias Utara 0,170879 -0,6846 -1,74094 -2,01451
33 Nias Barat -0,02343 -0,62065 -1,93967 -2,13155

4.3 Menentukan ukuran kemiripan atau ketakmiripan antar objek

Dalam menghitung kemiripan tiap objek (kecamatan) dihitung dengan
menggunakan perhitungan jarak Euclidean dengan persamaan (2.6). Berikut
adalah perhitungan menggunakan persamaan jarak Euclidean dengan
menggunakan data yang telah distandarisasi pada Tabel 4.6 di atas. Misalkan
akan dihitung kemiripan antara Kota Sibolga dan Kota Tanjungbalai.

Tabel 4.7 Perhitungan Kedekatan Kota Sibolga dengan Kota Tanjungbalai

Objek Z1 Z2 Z3 Z4
Sibolga ( x ik ) -0,11464 0,19477 0,769603 0,601092
Tanjungbalai ¿) -2,40275 -0,89245 0,286042 0,385958
( x ik −x jk ) 2,28811 1,08722 0,483561 0,241512
¿ 5,23544 1,18204 0,23383 0,058328

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

Tabel 4.8 Perhitungan Kedekatan Kota Tanjungbalai dengan Kota

Pematangsiantar
Objek Z 1 Z2 Z3 Z4
Tanjungbalai ( x ik ) -2,40275 -0,89245 0,286042 0,385958
Pematansiantar ¿) 1,701575 1,617752 1,557875 1,030874
( x ik −x jk ) -4,104325 -2,510202 -1,271833 -0,644916
¿ 16,84548 6,301114 1,617559 0,415916

Dari perhitungan Tabel 4.8 diperoleh nilai jarak Tanjungbalai dan

Pematangsiantar dengan persamaan (2.6):
d ij =√ ∑kp=1 ¿ ¿
d ij =√ ¿ ¿
√¿ ¿
d ij =√ ¿ ¿
d ij =√ 16,84548+6,301114+1,617559+0,415916
d ij =25,18004
Selanjutnya, untuk seluruh hasil perhitungan kemiripan masing-masing
antar Kabupaten/Kota menggunakan jarak Euclidian untuk Kota Tebing
Tinggi, Kota Medan, . . . , Kabupaten Nias Barat dapat dilihat pada
lampiran 2.

4.4 Analisis Cluster

4.4.1 Proses analisis cluster Single Linkage
Analisis cluster dengan metode Single Linkage merupakan proses
penggabungan dua objek atau lebih dengan mencari jarak perbedaan yang
paling kecil dari beberapa anggota antar kelompok (Suliyanto, 2005:143).
Pada Lampiran Euclidian dipilih jarak dua kelompok yang memiliki nilai
terkecil, Dengan bantuan SPSS terpilih kelompok 16 dan 26 yang memiliki
nilai 0,015, sehingga dua kelompok ini digabungkan. Setiap proses
penggabungan selanjutnya dapat dilihat pada Tabel 4.9 yang dapat dilihat di
bawah:

Tabel 4. 9 Agglomeration Schedule dalam Menganalisis Tingkat Indeks

Pembangunan Manusia menggunakan metode Single Linkage
 29

Cluster Combined Stage Cluster First Appears Next Stage

Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2

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

Penjelasan setiap tahapan dari tabel 4.9 adalah sebagai berikut:

1) Berdasarkan pada Tabel 4.9 di atas pada kolom stage 1, terbentuk satu
cluster yang beranggotakan Kabupaten Asahan (nomor urut 16) dan
Kabupaten Serdang Bedagai (nomor urut 26) dengan nilai koefisien 0,015.
Karena proses aglomerasi dimulai dari 2 objek yang terdekat, maka nilai
koefisien tersebut menunjukkan jarak yang terdekat dari 33 kombinasi objek
yang ada. Selanjutnya pada kolom berikutnya (next stage) terlihat angka 2.
Hal ini berarti objek selanjutnya yang akan tergabung dengan objek (nomor
urut 16) dan (nomor urut 26) adalah pada stage 2.
2) Pada stage 3 terbentuk cluster antara Kabupaten Asahan (nomor urut 16)
dan Kabupaten Langkat (nomor urut 21) dengan nilai koefisien 0,319.
Dengan demikian, telah terbentuk cluster yang terdiri dari 3 objek yaitu
Kabupaten Asahan, Kabupaten Serdang Bedagai dan Kabupaten Langkat.
Hal ini berarti objek selanjutnya yang akan tergabung dengan objek (nomor
urut 16) dan (nomor urut 21) adalah pada stage 6.
 31

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 }

d (16,21 )18=min{d 16,18 , d 21,18 }

¿ min { ( 0,854 ) , ( 0,404 ) }

¿0,404

d (UV ) W =min{d UW , d VW }

d (16,21 )30=min{d 16,30 , d 21,30 }

¿ min { ( 0,568 ) , ( 0,160 ) }

¿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.

4.4.2 Menentukan jumlah anggota cluster dan anggotanya pada metode

Single Linkage
 32

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:

Tabel 4.10 Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters

1:Sibolga 1 1 1
2:Tanjungbalai 1 1 1
3:Pematangsiantar 1 1 1
4:Tebing Tinggi 1 1 1
5:Medan 1 1 1
6:Binjai 1 1 1
7:Padang Sidempuan 2 2 1
8:Gunungsitoli 1 1 1
9:Nias 3 3 2
10:Mandailing Natal 1 1 1
11:Tapanuli Selatan 1 1 1
12:Tapanuli Tengah 1 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
 33

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

Gambar 4.1 Dendogram Single Linkage

Dendogram menggambarkan proses pembentukan cluster yang dinyatakan dalam

bentuk gambar. Garis medatar diatas dendogram menunjukkan skala yang
 35

menggambarkan tingkat kemiripan. Semakin kecil nilai skala menunjukkan

semakin mirip individu/objek tersebut, demikian juga sebaliknya (Supranto,
2010). Dengan demikian, pada dendogram terlihat bahwa kabupaten/kota yang
ada dapat dikelompokkan menjadi dua cluster. Berdasarkan pada output
dendogram tersebut, tampak bahwa terdapat dua kelompok Kabupaten/Kota.

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

4.3.3 Proses analisis cluster Complete Linkage

 36

Analisis cluster dengan metode Complete Linkage merupakan proses

penggabungan dua objek atau lebih dengan mencari jarak perbedaan yang
paling besar dari beberapa anggota antar kelompok (Suliyanto, 2005:143).
Pada Lampiran Euclidian dipilih jarak dua kelompok yang memiliki nilai
terkecil, terpilih kelompok 16 dan 26 yang memiliki nilai 0,015, sehingga dua
kelompok ini digabungkan. Setiap proses penggabungan selanjutnya dapat
dilihat pada Tabel 4.12 yang dapat dilihat di bawah ini :

Tabel 4.12 Agglomeration Schedule dalam Menganalisis Tingkat Indeks

Pembangunan Manusia menggunakan metode Complete Linkage

Cluster Combined Stage Cluster First Appears Next Stage

Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2

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

Penjelasan setiap tahapan dari tabel 4.12 sebagai berikut:

1) Berdasarkan pada Tabel 4.12 di atas pada kolom stage 1, terbentuk satu
cluster yang beranggotakan Kabupaten Asahan (nomor urut 16) dan
Kabupaten Serdang Bedagai (nomor urut 26) dengan nilai koefisien 0,015.
Karena proses aglomerasi dimulai dari 2 objek yang terdekat, maka nilai
koefisien tersebut menunjukkan jarak yang terdekat dari 33 kombinasi objek
yang ada. Selanjutnya pada kolom berikutnya (next stage), terlihat angka 5.
Hal ini berarti objek selanjutnya yang akan tergabung dengan objek (nomor
urut 16) dan (nomor urut 26) adalah pada stage 5.
2) Pada stage 5 terbentuk cluster antara Kabupaten Asahan (nomor urut 16)
dan Kabupaten Langkat (nomor urut 21) dengan nilai koefisien 0,137.
Dengan demikian, telah terbentuk cluster yang terdiri dari 3 objek yaitu
Kabupaten Asahan, Kabupaten Serdang Bedagai dan Kabupaten Langkat. Hal
ini berarti objek selanjutnya yang akan tergabung dengan objek (nomor urut
12) dan (nomor urut 29) adalah pada stage 14.
d (UV ) W =max {d UW , d VW }
d (16,26 )21=max {d 16,21 , d 26,21 }

¿ max { ( 0,137 ) , ( 0,101 ) }

¿ 0,137
3) Pada stage 14 terbentuk cluster antara Kabupaten Asahan (nomor urut 16)
dan Kabupaten Dairi (nomor urut 18) dengan nilai koefisien 0,854. Dengan
demikian, telah terbentuk cluster yang terdiri dari 4 objek yaitu Kabupaten
Asahan, KabupatenSerdang Bedagai, Kabupaten Dairi dan
KabupatenLangkat. Hal ini berarti objek selanjutnya yang akan tergabung
dengan objek (nomor urut 16) dan (nomor urut 11) adalah pada stage 19.
d (UV ) W =max {d UW , d VW }
 38

d (16,21 )18=max {d 16,18 , d 21,18 }

¿ max { ( 0,854 ) , ( 0,404 ) }

¿ 0,854

Pada kolom next stage, menunjukkan angka 19 yang menjelaskan bahwa

pada stage ke-19 proses pengelompokan dilanjutkan. Demikian seterusnya dari
stage ke-19 dilanjutkan sampai ke stage terakhir, sehingga semua objek bergabung
menjadi satu cluster.

4.3.4 Menentukan jumlah anggota cluster dan anggotanya pada metode

Complete Linkage
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 4.12 di
atas dengan menggunakan SPSS diperoleh Output Cluster Membership dalam
range 2- 4 cluster. Dapat dilihat pada Tabel 4.13 di bawah ini:

Tabel 4.13 Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters
1:Sibolga 1 1 1
2:Tanjungbalai 2 1 1
3:Pematangsiantar 3 2 2
4:Tebing Tinggi 1 1 1
 39

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

4.2 Gambar Dendogram Metode Complete Linkage

Dendogram menggambarkan proses pembentukan cluster yang dinyatakan dalam
bentuk gambar. Garis medatar diatas dendogram menunjukkan skala yang
 41

menggambarkan tingkat kemiripan. Semakin kecil nilai skala menunjukkan

semakin mirip individu/objek tersebut, demikian juga sebaliknya. Sedangkan
kolom CASE label menunjukkan individu objek yang diteliti. Dengan demikian,
pada dendogram terlihat bahwa kabupaten/kota yang ada dapat dikelompokkan
menjadi tiga cluster. Berdasarkan pada output dendogram tersebut, tampak bahwa
terdapat tiga kelompok kabupaten/kota.

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

Metode yang mempunyai rasio terkecil merupakan metode terbaik

(Bunkers dkk, 1996: 136). Semakin kecil nilai sw dan semakin besar nilai sb ,
maka metode yang digunakan mempunyai kinerja yang baik, artinya
homogenitas tinggi.
Setelah terbentuk 2 cluster dari metode single linkage dan 3 cluster
dari metode complete linkage dilakukan penentuan metode yang
menghasilkan hasil cluster terbaik. Pengecekan dilakukan menggunakan
simpangan baku dalam cluster (within cluster) dan antar cluster (between
cluster). Adapun proses perhitungannya sebagai berikut:
4.4.1 Metode Single Linkage
1. Simpangan Baku dalam cluster ( Sw )
Diketahui cluster yang terbentuk 2 buah (K=2)
Simpangan baku cluster 1, rata-rata variabel tiap kabupaten/kota dapat dilihat
pada tabel 4.15 dengan rata-rata variabel sebagai berikut:

Tabel 4.15 Anggota Cluster 1 Metode Single Linkage

Cluster I Kabupaten/Kota Rata-rata Variabel
Sibolga 0,362706
Tanjungbalai -0,6558
Pematangsiantar 1,477019
Tebing Tinggi 0,537604
Medan 1,965924
Binjai 0,941852
Gunungsitoli 0,106028
Mandailing Natal -0,8246
Tapanuli Selatan -0,25805
Tapanuli Tengah -0,39248
Tapanuli Utara 0,510402
Toba Samosir 0,658509
labuhanbatu 0,090273
Padang Sidempuan 1,067535
Asahan -0,24454
Simalunggun 0,272178
Dairi 0,085736
Karo 0,515571
Deli Serdang 0,631323
Langkat -0,08636
Humbang Hasudutan -0,14359
Pakpak Barat -0,28837
Samosir 0,223734
 43

Serdang Bedagai -0,22397

Batu Bara -0,5583
Padang Lawas Utara -0,40266
Padang Lawas -0,41842
Labuhanbatu SLN 0,069977
Labuhanbatu UTR 0,097774
Rata-rata 0,176448

Pada tabel 4.15 rata-rata variabel pada cluster 1 x́ A =0,176448, berdasarkan

persamaan (2.2) diberikan perhitungan sebagai berikut:

( x́ 1−x́ A )2+(x́ 2−x́ A )2+ …+( x́n −x́ A )2

S1 =
√ n−1

2
(0,362706−(0,176448))2 +(−0,6558−(0,176448))2 +…+(0,097774−( 0,176448 ) )
¿
√ 29−1

11,31548
¿
√ 28

¿ √ 0,404124

=0,635708

Simpangan baku cluster 2, rata-rata variabel tiap kabuapten/kota dapat dilihat

pada tabel berikut.

Tabel 4.16 Anggota Cluster 2 Metode Single Linkage

No. Kabupaten/Kota Rata-rata variabel
1 Nias -1,30057
2 Nias Selatan -1,57032
3 Nias Utara -1,06729
4 Nias barat -1,17883
Rata-rata -1,27925

Pada tabel 4.17 rata-rata variabel pada cluster 3 x́ C = -1,27925, berdasarkan

persamaan (2.2) diberikan perhitungan sebagai berikut:

( x́ 1−x́ C )2+(x́ 2−x́ C )2 +…+( x́ n−x́ C )2

S3 =
√ n−1
 44

¿ √(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

2. Simpangan baku antar cluster ( Sb )

Telah diketahui rata-rata nilai cluster 1( x́ A) = 0,176448, cluster 2 ( x́ B) =
-1,27925.
iberikan perhitungan rata-rata seluruh cluster sebagai berikut:

x́ A + x́ B
x́=
2

0,176448+(−1,27925)
¿
2

= -1,102802

Berdasarkan persamaan (2.10) diperoleh nilai simpangan baku antar cluster

( Sb ) sebagai berikut:

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

4.4.2 Metode Complete Linkage

1. Simpangan Baku dalam cluster ( Sw )

Diketahui cluster yang terbentuk 4 buah (K=4)
Simpangan baku cluster 1, rata-rata variabel tiap kabupaten/kota dapat dilihat
pada tabel 4.17 dengan rata-rata variabel sebagai berikut:

Tabel 4.17 Anggota Cluster 1 Metode Complete Linkage

Cluster I Kabupaten/Kota Rata-rata variabel
Sibolga 0,362706
Tanjungbalai -0,6558
Tebing Tinggi 0,537604
Gunung Sitoli 0,106028
Mandailing Natal -0,8246
Tapanuli Selatan -0,25805
Tapanuli Tengah -0,39248
Tapanuli Utara 0,510402
Toba Samosir 0,658509
labuhanbatu 0,090273
Asahan -0,24454
Simalungun 0,272178
Dairi 0,085736
Karo 0,515571
Deli Serdang 0,631323
Langkat -0,08636
Humbang Hasudutan -0,14359
Pakpak Barat -0,28837
Samosir 0,223734
Serdang Bedagai -0,22397
Batu Bara -0,5583
Padang Lawas Utara -0,40266
Padang Lawas -0,41842
Labuhanbatu SLN 0,069977
Labuhanbatu UTR 0,097774
Rata-rata -0,01341
 46

Pada tabel 4.18 rata-rata variabel pada cluster 1 x́ A = -0,01341, berdasarkan

persamaan (2.2) diberikan perhitungan sebagai berikut:

( x́ 1−x́ A )2+(x́ 2−x́ A )2+ …+( x́n −x́ A )2

S1 =
√ n−1

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 :

Tabel 4.18 Anggota Cluster 2 Metode Complete Linkage

Cluster II Kabupaten/Kota
Rata-rata Variabel
Pematang Siantar 1,477019
Medan 1,965924
Binjai 0,941852
Padang Sidempuan 1,067535
Rata-rata 1,363083
x́
Pada tabel 4.18 rata-rata variabel pada cluster 2 B = 1,363083, berdasarkan
persamaan (2.2) diberikan perhitungan sebagai berikut:

( x́ 1−x́ B )2 +( x́ 2− x́ B )2 +…+(x́ n−x́ B )2

S2=
√ n−1
2 2 2
¿
√(1,477019−(1,363083)) +(1,965924−(1,363083)) + …+1,067535−( 1,363083 ) ¿ ¿
4−1
0,641183
¿
√ 3
¿ √ 0,231728
=0,462307
 47

Simpangan baku cluster 3, rata-rata variabel tiap kabuapten/kota dapat dilihat

pada tabel berikut:
Tabel 4.19 Anggota Cluster 3 Metode Single Linkage
No. Kabupaten/Kota Rata-rata variabel
1 Nias -1,30057
2 Nias Selatan -1,57032
3 Nias Utara -1,06729
4 Nias barat -1,17883
Rata-rata -1,27925

Pada tabel 4.19 rata-rata variabel pada cluster 3 x́ C = -1,27925, berdasarkan

persamaan (2.2) diberikan perhitungan sebagai berikut:

( x́ 1−x́ C )2+(x́ 2−x́ C )2 +…+( x́ n−x́ C )2

S3 =
√ n−1

¿ √(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 )

= 3−1 (0,415367 + 0,462307 + 0,216169)

1,093843
¿
3

= 0,364614

2. Simpangan baku antar cluster ( Sb )

 48

Telah diketahui rata-rata nilai cluster 1( x́ A) = 0,144624, cluster 2( x́ b) =

1,067535, cluster 3 ( x́ C) = -1,27925.
Diberikan perhitungan rata-rata seluruh cluster sebagai berikut:
x́ A + x́ B + x́ C
x́=
3
−0,01341+ 1,363083+ (−1,27925 )
¿
3
= 0,02347
Berdasarkan persamaan (2.10) diperoleh nilai simpangan baku antar cluster
( Sb ) sebagai berikut:

3 1
Sb =[(3−1)−1 ∑ (x́ k −x́)2 ]2
k=1

(−0,01341−0,023474)2 +(1,363083−0,023474)2 +(−1,27925−0,023474)2 12

¿[ ]
3−1

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 Metode Single Linkage Metode Complete Linkage

Simpangan baku dalam 0,4259385 0,364164
cluster ( Sw )
Simpangan baku antar 1,050143 1,332155
cluster ( Sb )
 49

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:

Tabel 4.21 Perbandingan Rasio Simpangan Baku

Rasio Metode Single Linkage Metode Complete Linkage

Sw 0,4056004 0,273364586
Sb

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.

4.6 Penginterprestasian Hasil Cluster

Untuk menginterprestasian dan memprofilkan hasil cluster digunakan nilai-nilai

centroid tiap cluster. Centroid adalah rata-rata nilai objek yang terdapat dalam
cluster pada tiap variabel. Berdasarkan persamaan centroid diperoleh nilai—nilai
tiap cluster untuk masing-masing metode sebagai berikut.

4.6.1 Metode Single Linkage

Untuk menginterpretasian dan memprofilkan hasil cluster digunakan nilai-
nilai centroid tiap kelompok. Centroid adalah rata-rata nilai objek yang
terdapat dalam kelompok pada tiap variabel. Pada tabel 4.22 dan 4.23 akan
disajikan nilai centroid dari tiap kelompok.
Tabel 4.22 Menghitung nilai centroid kelompok 1
X́ 1 X́ 2 X́ 3 X́ 4
Sibolga -0,11464 0,19477 0,769603 0,601092
Tanjungbalai -2,40275 -0,89245 0,286042 0,385958
Pematangsiantar 1,701575 1,617752 1,557875 1,030874
Tebing Tinggi 0,769674 -0,5407 0,915334 1,006106
 50

Medan 1,610368 2,321249 1,683733 2,248347

Binjai 1,352608 0,930244 1,239916 0,24464
Padang Sidempuan 0,408811 2,401192 1,226668 0,23347
Gunungsitoli 0,825192 1,106118 -0,20414 -1,30306
Mandailing Natal -2,52569 -0,01308 -0,46911 -0,29052
Tapanuli Selatan -1,60965 0,130816 -0,02529 0,471914
Tapanuli Tengah -0,66585 -0,55669 -0,28363 -0,06374
Tapanuli Utara -0,18999 1,042164 0,498014 0,691419
Toba Samosir 0,404845 0,402621 0,921958 0,90461
Labuhanbatu 0,436569 -0,65262 0,199928 0,377216
Asahan -0,30499 -0,74856 -0,1644 0,239783
Simalungun 0,868813 -0,46076 0,160183 0,520477
Dairi -0,08292 0,098838 0,127063 0,199962
Karo 0,963986 -0,46076 0,551007 1,008049
Deli Serdang 1,098814 -0,15698 0,656993 0,926463
Langkat -0,15826 -0,44477 -0,13128 0,388871
Humbang Hasudutan 0,028119 0,386633 0,259545 -1,24867
Pakpak Barat -1,3043 1,313969 -0,15777 -1,00537
Samosir 0,928296 0,690415 0,160183 -0,88396
Serdang Bedagai -0,21774 -0,71658 -0,23726 0,27572
Batu Bara -0,88792 -0,81251 -0,58172 0,048931
Padang Lawas Utara -0,69757 -0,94042 0,146935 -0,11958
Padang Lawas -0,7293 -0,01308 -0,18427 -0,74702
Labuhanbatu SLN -0,07895 -0,07704 -0,00542 0,441319
Labuhanbatu UTR 0,226396 -0,33285 -0,24389 0,741438
∑ 0,212399 0,440118 0,242315 -0,07779

Tabel 4.23 Menghitung nilai centroid kelompok 2

X́ 1 X́ 2 X́ 3 X́ 4
Nias -2,52569 -1,40409 -2,50272 -1,62892
Nias Selatan -0,13447 -2,10758 -2,48947 -1,54976
Nias Utara 0,170879 -0,6846 -1,74094 -2,01451
Nias Barat -0,02343 -0,62065 -1,93967 -2,13155
∑ 0,086611 -1,20423 -1,83118
-1,23254

Selanjutnya nilai centroid dari tiap kelompok dengan menggunakan

Metode Single Linkage dapat dilihat pada tabel 4.24.
Tabel 4.24 Rata-rata variabel pada setiap kelompok Metode Single
Linkage

Variabel Kelompok I Kelompok II

 51

X́ 1 0,212399 0,086611

X́ 2 0,440118 -1,20423

X́ 3 0,242315 -1,23254

X́ 4 -0,07779 -1,83118

Dari tabel 4.24 dapat diinterprestasikan masing-masing cluster sebagai

berikut:
1. Cluster 1 yaitu Kabupaten/Kota Sibolga, Tanjungbalai,
Pematangsiantar, Tebing Tinggi, Binjai, Medan, Padang
Sidempuan, Gunungsitoli, Mandailing Natal, Tapanuli Selatan,
Tapanuli Tengah, Tapanuli Utara, Toba Samosir, Labuhanbatu,
Asahan, Simalungun, Dairi, Karo,Deli Serdang Langkat, Humbang
Hasudutan, Pakpak Barat, Samosir, Padang Lawas Utara, Padang
Lawas, Labuhanbatu Selatan, Labuhanbatu Utara mempunnyai
nilai centroid yang tinggi untuk Harapan Lama Sekolah dan Rata-
rata Lama Sekolah.
2. Cluster 2 yaitu Kabupaten Nias, Nias Selatan, Nias Utara, Nias
Barat mempunyai centroid rendah untuk Harapan Lama Sekolah,
Rata-rata Lama Sekolah dan Pengeluaran Perkapita.
4.6.2 Metode Complete Linkage
Untuk menginterpretasian dan memprofilkan hasil cluster digunakan nilai-
nilai centroid tiap kelompok. Centroid adalah rata-rata nilai objek yang
terdapat dalam kelompok pada tiap variabel. Pada tabel 4.25 , tabel 4.26
dan tabel 4.27 akan disajikan nilai centroid dari tiap kelompok.
Tabel 4.25 Menghitung nilai centroid kelompok 1
X́ 1 X́ 2 X́ 3 X́ 4
Sibolga -0,11464 0,19477 0,769603 0,601092
Tanjungbalai -2,40275 -0,89245 0,286042 0,385958
Tebing Tinggi 0,769674 -0,5407 0,915334 1,006106
Gunung Sitoli 0,825192 1,106118 -0,20414 -1,30306
Mandailing Natal -2,52569 -0,01308 -0,46911 -0,29052
 52

Tapanuli Selatan -1,60965 0,130816 -0,02529 0,471914

Tapanuli Tengah -0,66585 -0,55669 -0,28363 -0,06374
Tapanuli Utara -0,18999 1,042164 0,498014 0,691419
Toba Samosir 0,404845 0,402621 0,921958 0,90461
labuhanbatu 0,436569 -0,65262 0,199928 0,377216
Asahan -0,30499 -0,74856 -0,1644 0,239783
Simalunggun 0,868813 -0,46076 0,160183 0,520477
Dairi -0,08292 0,098838 0,127063 0,199962
Karo 0,963986 -0,46076 0,551007 1,008049
Deli Serdang 1,098814 -0,15698 0,656993 0,926463
Langkat -0,15826 -0,44477 -0,13128 0,388871
Humbang
0,028119 0,386633 0,259545 -1,24867
Hasudutan
Pakpak Barat -1,3043 1,313969 -0,15777 -1,00537
Samosir 0,928296 0,690415 0,160183 -0,88396
Serdang Bedagai -0,21774 -0,71658 -0,23726 0,27572
Batu Bara -0,88792 -0,81251 -0,58172 0,048931
Padang Lawas
-0,69757 -0,94042 0,146935 -0,11958
Utara
Padang Lawas -0,7293 -0,01308 -0,18427 -0,74702
Labuhanbatu SLN -0,07895 -0,07704 -0,00542 0,441319
Labuhanbatu
0,226396 -0,33285 -0,24389 0,741438
UTR
∑ -0,22711 -0,08014 0,172696 0,114311

Tabel 4.26 Menghitung nilai centroid kelompok 2

X́ 1 X́ 2 X́ 3 X́ 4
Pematangsiantar 1,701575 1,617752 1,557875 1,030874
Medan 1,610368 2,321249 1,683733 2,248347
Binjai 1,352608 0,930244 1,239916 0,24464
Padangsidempuan 0,408811 2,401192 1,226668 0,23347
∑ 1,268341 1,817609 1,427048 0,93932

Tabel 4.27 Menghitung nilai centroid kelompok 3

X́ 1 X́ 2 X́ 3 X́ 4
Nias -2,52569 -1,40409 -2,50272 -1,62892
Nias Selatan -0,13447 -2,10758 -2,48947 -1,54976
Nias Utara 0,170879 -0,6846 -1,74094 -2,01451
Nias Barat -0,02343 -0,62065 -1,93967 -2,13155
∑ 0,086611 -1,20423 -1,83118
-1,23254
 53

Selanjutnya nilai centroid dari tiap kelompok dengan menggunakan

Metode Single Linkage dapat dilihat pada tabel 4.28.
Tabel 4.28 Rata-rata variabel pada setiap cluster Metode Complete Linkage

Variabel Cluster I Cluster II Cluster III

X1 -0,22711 1,268341 0,086611

X2 -0,08014 1,817609 -1,20423

X3 0,172696 1,427048 -1,23254

X4 0,114311 0,93932 -1,83118

Dari tabel 4.28 dapat diinterprestasikan masing-masing cluster sebagai

berikut:
1. Cluster 1 yaitu Kabupaten/Kota Sibolga, Tanjungbalai, Tebing
Tinggi, Binjai, Medan, Gunungsitoli, Mandailing Natal,
Tapanuli Selatan, Tapanuli Tengah, Tapanuli Utara, Toba
Samosir, Labuhanbatu, Asahan, Simalungun, Dairi, Karo,Deli
Serdang Langkat, Humbang Hasudutan, Pakpak Barat,
Samosir, Padang Lawas Utara, Padang Lawas, Labuhanbatu
Selatan, Labuhanbatu Utara mempunnyai centroid tinggi untuk
Rata-rata Lama Sekolah dan Pengeluaran Perkapita.
2. Cluster 2 yaitu Kabupaten/Kota Pematangsiantar, Binjai,
Medan, Padang Sidempuan mempunyai centroid tinggi untuk
Angka Harapan Hidup, Harapan Lama Sekolah, Rata-rata
Lama Sekolah dan Pengeluaran Perkapita.
3. Cluster 3 yaitu Kabupaten Nias, Nias Selatan, Nias Utara, Nias
Barat mempunyai nilai centroid yang rendah untuk Harapan
Lama Sekolah, Rata-rata Lama Sekolah, Pengeluaran
Perkapita.