Pengelompokkan KabupatenKota Di Sulawesi Berdasark
Pengelompokkan KabupatenKota Di Sulawesi Berdasark
Desember 2019
191
Natural Science: Journal of Science and Technology Vol. 8 No. 3: 191—197 (2019)
192
Natural Science: Journal of Science and Technology Vol. 8 No. 3: 191—197 (2019)
1. Mengumpulkan data, yang diambil dari web resmi pengelompokkan dengan menggunakan average
BPS Provinsi di Sulawesi pada tahun 2017 linkage dan median linkage Kabupaten/Kota di
2. Melakukan uji kelayakan data, yaitu sampel harus Sulawesi Tengah berdasarkan indikator pendidikan.
mewakili populasi dengan dengan melihat nilai
KMO atau MSA dan melihat hubungan antar Uji Multikolinearitas
variabel dengan uji Bartlett,untuk mengetahui Berdasarkan Tabel 1 terlihat bahwa pada variabel X 4
apakah data terdapat multikolinearitas dengan sebesar 12.816 dan X7 sebesar 15.658, variabel yang
melihat nilai VIF. memiliki nilai VIF lebih dari 10 artinya terjadi
3. Menghitung nilai kemiripan antar objek multikolinearitas,sehingga variabel yang memiliki nilai
menggunakan rumus euclidean. VIF paling tinggi dihilangkan. Variabel X7 dihilangkan
4. Memilih prosedur analisis klaster. maka dilakukan kembali pengujian multikolinearitas.
5. Menginterpretasi klaster. Berdasarkan Tabel 2 terlihat nilai VIF dari semua
6. Menentukan metode terbaik. variabel kurang dari 10, sehingga dapat disimpulkan
7. Menarik kesimpulan tidak terjadi multikolinearitas pada 10 variabel.
193
Natural Science: Journal of Science and Technology Vol. 8 No. 3: 191—197 (2019)
Uji Bartlett 𝑝
𝑑𝑖𝑗 = √∑𝑘=1(𝑋𝑖𝑘 − 𝑋𝑗𝑘 )²
Uji Bartlett menyatakan hipotesis sebagai berikut
(Suliyanto, 2005):
𝐻0 : 𝜌 = I (ada korelasi antar variabel)
𝐻1 : 𝜌 ≠ I (tidak ada korelasi antar variabel) Sehingga diperoleh nilai kemiripan antar objek
2
Keputusan: Tolak 𝐻0 bila 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 2
> 𝑋𝛼;1/2𝑝(𝑝−1) berukuran 81𝑥81 sebagai berikut:
Berdasarkan Tabel 5 terlihat bahwa nilai Bartlett
0.000 14.64 17.40 ⋯ 19.98
sebesar 484.7, Derajat bebas sebesar 45, dan chi- 14.64 0.000 11.13 ⋯ 20.11
square sebesar 61.65, sehingga disimpulkan bahwa 17,40 11.13 0.000 ⋯ 20.22
tidak terjadi korelasi antar variabel karena 484.7 > ⋮ ⋮ ⋮ ⋯ ⋮
61.65. 27.15 17.93 16.20 ⋯ 31.98
Menghitung Nilai Kemiripan 20.72 16.35 14.67 ⋯ 29.58
Kemiripan antar objek dapat diukur dengan 𝑫= ⋮ ⋮ ⋮ ⋯ ⋮
menggunakan ukuran jarak. Menentukan nilai 19.60 20.42 14.00 ⋯ 18.09
⋮ ⋮ ⋮ ⋯ ⋮
kemiripan antar objek menggunakan jarak euclidean
80.16 80.06 79.35 ⋯ 82.75
karena data indikator pendidikan Kabupaten/Kota di 71.61 71.39 71.00 ⋯ 74.29
Sulawesi memiliki satuan data yang sama. Perhitungan ⋮ ⋮ ⋮ ⋯ ⋮
jarak euclidean menggunakan rumus sebagai berikut: [19.98 20.11 20.22 ⋯ 0.000]
194
Natural Science: Journal of Science and Technology Vol. 8 No. 3: 191—197 (2019)
Gambar 1. Dendogram Analisis Klaster: Average linkage (A), Median linkage (B)
195
Natural Science: Journal of Science and Technology Vol. 8 No. 3: 191—197 (2019)
Gudono.(2015). Anlisis Data Multivariat Edisi Sitepu, R., Irmeilyana., dan Gultom, B. (2011). Analisis
Empat.Yogyakarta: BPFE. Klaster Terhadap Tingkat Pencemaran Udara
Hardius, U., dan Nurdin, S.(2013). Aplikasi Teknik pada Sektor Industri Di Sumatera Selatan.Jurnal
Multivariate Riset Pemasaran. Jakarta: Raja Penelitian Sains, 14(3): 11-17.
Grafindo Persada. Suliyanto. (2005). Analisis Data dalam Aplikasi
Ningsih, S., Wahyuningsih, S., dan Nasution, Yuki, N. Pemasaran. Bogor: Penerbit Ghalia Indonesia.
(2016). Perbandingan Kinerja Metode Complete Supranto, J. (2004). Analisis Multivariat Arti dan
Linkage dan Average linkage dalam Menentukan Interpretasi Edisi Pertama. Jakarta: PT Rineka Cipta.
Hasil Analisis Cluster. Jurnal Sains dan Teknologi,
1(1): 46-50.
197