Dana
Kota Pendapatan Pinjaman hibah Konsumsi Penduduk
A 65 6 8 57 20
B 91 9 9 71 49
C 94 9 7 72 17
E 77 7 8 75 40
F 81 9 5 73 10
G 87 2 7 73 45
H 97 2 5 91 16
I 70 10 5 65 16
J 78 9 10 59 20
K 82 10 7 72 23
L 73 1 2 57 46
M 95 10 7 89 10
N 79 10 6 64 17
O 86 4 9 70 16
P 99 7 6 83 41
Q 93 9 9 65 42
R 71 4 6 62 29
S 85 9 8 80 30
T 95 9 6 75 39
U 90 9 10 77 38
V 77 10 3 60 36
W 88 9 6 66 19
X 91 1 2 81 30
Y 90 10 4 56 39
Z 65 3 6 53 21
Cases
Valid Missing Total
N Percent N Percent N Percent
25 100.0 0 .0 25 100.0
Menunjukkan bahwa semua data sejumlah 25 obyek telah diproses tanpa ada data yang hilang.
Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Appears Next Stage
1 1 25 30.000 0 0 18
2 19 20 46.000 0 0 7
3 9 13 52.000 0 0 6
4 14 22 63.000 0 0 5
5 3 14 77.000 0 4 10
6 8 9 84.000 0 3 11
7 15 19 88.000 0 2 12
8 2 16 89.000 0 0 9
9 2 6 89.000 8 0 15
10 3 10 90.000 5 0 11
11 3 8 90.000 10 6 13
12 15 18 102.000 7 0 15
13 3 5 111.000 11 0 16
14 7 12 112.000 0 0 24
15 2 15 122.000 9 12 16
16 2 3 124.000 15 13 17
17 2 24 125.000 16 0 18
18 1 2 130.000 1 17 20
19 17 21 134.000 0 0 21
20 1 23 137.000 18 0 21
21 1 17 150.000 20 19 22
22 1 4 155.000 21 0 23
23 1 11 207.000 22 0 24
24 1 7 340.000 23 14 0
Hasil proses clustering dengan metode Between Group Linkage. Setelah jarak antar variabel diukur
dengan jarak euclidean, maka dilakukan pengelompokan, yang dilakukan secara bertingkat.
Stage 1 : terbentuk 1 cluster yang beranggotakan Kota A dan Kota Z dengan jarak 30
Baris ke-18 (stage 18) terlihat obyek ke-1 (Kota A) membentuk cluster dengan Kota B. Dengan demikian,
sekarang cluster terdiri dari 3 obyek yaitu Kota A, Z, dan B.
Sedangkan jarak sebesar 130 merupakan jarak rata-rata obyek terakhir yang bergabing dengan 2 obyek
sebelumnya, seperti tampak dalam Proximity matrix dan dapat dihitung.
Stage 2 : terjadi pembentukan cluster Kota T dan Kota U berjarak 46, yang kemudian berlanjut ke stage 7.
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 dihasilkan beberapa cluster dengan masing-masing anggotanya,
tergantung jumlah cluster yang dibentuk.
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 Z sampai dengan Kota F (sesuai urutan dalam dendogram); dan cluster
2 beranggotakan Kota D sampai dengan Kota A. Demikian seterusnya dapat dengan mudah dilihat
anggota tiap cluster sesuai jumlah cluster yang diinginkan.
Hasil K-Means Custer
Cluster
1 2 3 4 5
Cluster
1 2 3
Untuk mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 25 obyek yang
diteliti, dapat dilihat pad tabel berikut:
Iteration Historya
1 2 3
Cluster
1 2 3
Output Final Cluster Centers tersebut masih terkait dengan proses standardisasi data sebelumnya, yang
mengacu pada z-score dengan ketentuan sebagai berikut :
a. Nilai negatif (-) berarti data berada di bawah rata-rata total.
b. Nilai positif (+)berarti data berada di atas rata-rata total.
Karakteristik kota yang masuk dalam pengelompokan cluster-1 yaitu memiliki rata-rata seluruh variabel
kurang dari rata-rata populasi kota yang diteliti. Dengan demikian, dapat diduga sekumpulan kota-kota
kecil berada pada cluster-1.
Dalam cluster 2 berisikan kota-kota yang mempunyai jumlah pendapatan kota, jumlah pinjaman, jumlah
dana hibah, jumlah konsumsi, dan jumlah penduduk yang lebih dari rata-rata populasi kota yang diteliti.
Hal ini terbukti dari nilai positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan
variabel. Dengan demikian, dapat diduga bahwa cluster-1 ini merupakan pengelompokan dari kota-kota
besar.
Karakteristik kota yang masuk dalam pengelompokan cluster-3 yaitu memiliki rata-rata jumlah pendapatan
dan jumlah konsumsi yang melebihi rata-rata populasi kota yang diteliti. Dengan demikian, dapat diduga
sekumpulan kota-kota menengah berada pada cluster-3.
Tahapan berikutnya adalah melihat perbedaan variabel pada cluster yang terbentuk. Dalam hal ini dapat
dilihat dari nilai F dan nilai probabilitas (sig) masing-masing variabel Semakin besar niai F dan sig<0.05
maka akan semakin besar perbedaan variance pada cluster yang terbentuk.
ANOVA
Cluster Error F Sig.
Mean Square df Mean Square df
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the
differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot
be interpreted as tests of the hypothesis that the cluster means are equal.
1 6.000
Cluster 2 14.000
3 5.000
Valid 25.000
Missing .000