Berdasarkan penelitian yang dilakukan terhadap 25 kota, ingin diketahui pengelompokan kota-kota

tersebut berdasarkan instrumen 5 variabel yaitu :

1. jumlah pendapatan kota (trilyun Rp)
2. jumlah pinjaman pemerintah kota (milyar Rp)
3. jumlah dana hibah yang dimiliki kota (milyar Rp)
4. jumlah konsumsi pemerintah kota (milyar Rp)
5. Jumlah penduduk kota (juta jiwa).

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

Hasil Hierarchical Custer

 Case Processing Summarya,b

Cases
Valid Missing Total
N Percent N Percent N Percent

25 100.0 0 .0 25 100.0

a. Squared Euclidean Distance used

b. Single Linkage

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

Cluster 1 Cluster 2 Cluster 1 Cluster 2

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

Initial Cluster Centers

Cluster

1 2 3 4 5

Pendapatan 65.00 95.00 97.00 73.00 81.00

Pinjaman 3.00 9.00 2.00 1.00 9.00
Dana_hibah 6.00 6.00 5.00 2.00 5.00
Konsumsi 53.00 75.00 91.00 57.00 73.00
Penduduk 21.00 39.00 16.00 46.00 10.00

Initial Cluster Centers

Cluster

1 2 3

Zscore(Pendapatan) -1.09669 .70445 1.30483

Zscore(Pinjaman) -1.90909 .58645 -1.59714
Zscore(Dana_hibah) -2.00103 1.15375 -.64898
Zscore(Konsumsi) -1.25123 .11304 2.06200
Zscore(Penduduk) 1.44437 1.69001 -1.01204

Untuk mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 25 obyek yang
diteliti, dapat dilihat pad tabel berikut:

Iteration Historya

Iteration Change in Cluster Centers

1 2 3

1 2.225 1.703 1.597

2 .354 .172 .000
3 .000 .000 .000

a. Convergence achieved due to no or small change

in cluster centers. The maximum absolute coordinate
change for any center is .000. The current iteration is
3. The minimum distance between initial centers is
4.413.
Didapatkan tahapan clustering cukup dengan 3 iterasi dan jarak minimum sebesar 4.413

Final Cluster Centers

Cluster

1 2 3

Zscore(Pendapatan) -1.38021 .37567 .60438

Zscore(Pinjaman) -.45336 .40820 -.59893
Zscore(Dana_hibah) -.64898 .41334 -.37857
Zscore(Konsumsi) -1.05633 .07128 1.06803
Zscore(Penduduk) -.02948 .36238 -.97929

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

Zscore(Pendapatan) 7.616 2 .399 22 19.109 .000

Zscore(Pinjaman) 2.680 2 .847 22 3.163 .062
Zscore(Dana_hibah) 2.818 2 .835 22 3.376 .053
Zscore(Konsumsi) 6.235 2 .524 22 11.896 .000
Zscore(Penduduk) 3.319 2 .789 22 4.206 .028

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.

Number of Cases in each Cluster

1 6.000

Cluster 2 14.000

3 5.000
Valid 25.000
Missing .000