MAKALAH

‘Mata Kuliah Statistika Gizi’

“ANALISIS INTERDEPENDENSI JENIS ANALISIS

KLUSTER”

DISUSUN OLEH :
Kelompok 8
1. Fiwi Khofifah (P 211 198 020)

2. ABD. Rahman Daffa (P 211 19 058)

3. Hairunnisa Ahmad ( P 211 19 078)

4. Silma Unzila (P 211 19 014)

5. Lailatul Istianah (P 211 19 024)

6. Sitti Muzdalifah (P 211 19 086)

7. Riski Faradillah Sari (P 211 19 062)

8. Namira (P 211 19 090)

9. Nanda Febriana (P 211 19 108)

PROGRAM STUDI GIZI

FAKULTAS KESEHATAN MASYARAKAT
 UNIVERSITAS TADULAKO
DESEMBER 2021
KATA PENGANTAR

Puji syukur kami ucapkan kehadirat Allah SWT, karena dengan rahmat dan
karunia-Nya kami masih diberi kesempatan untuk menyelesaikan makalah ini.
Tidak lupa saya ucapkan kepada dosen pengempuh mata kuliah ini yang telah
memberikan dukungan dalam menyelesaikan makalah ini. Kami menyadari
bahwa dalam penulisan makalah ini masih banyak kekurangan, oleh sebab itu
kami sangat mengharapkan kritik dan saran yang membangun sehingga makalah
ini nantinya dapat menajadi makalah yang lebih baik lagi. Demikian semoga
makalah ini dapat bermanfaat bagi para pembaca, Aamiin.
 DAFTAR ISI

SAMPUL...................................................................................................................
KATA PENGANTAR..............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN........................................................................................1
1.1. Latar Belakang..........................................................................................1
1.2. Rumusan Masalah.....................................................................................2
1.3. Tujuan........................................................................................................2
BAB II PEMBAHASAN.........................................................................................3
2.1. Pengertian Analisis Kluster...........................................................................3
2.2. Jenis-Jenis Uji Analisis Kluster.....................................................................4
2.3. Cara mengkaji metode K-means dalam pembentukan kluster......................5
BAB III PENUTUP...............................................................................................11
3.1. Kesimpulan..............................................................................................11
3.2. Saran........................................................................................................11
DAFTAR PUSTAKA............................................................................................12
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Menurut Abdul Majid (2013:54) “ Analisis adalah (kemampuan menguraikan)
adalah menguraikan satuan menjadi unit-unit terpisah, membagi satuan
menjadi sub-sub atau bagian, membedakan antara dua yang sama, memilih
dan mengenai perbedaan (diantara beberapa yang dalam satu kesatuan)”. 
Analisis multivariat merupakan analisis multivariabel yang berhubungan
dengan semua teknik statistik yang secara simultan menganalisis sejumlah
pengukuran pada individu atau objek (Santoso, 2010: 7). 

Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan

analisis interdependensi. Analisis dependensi merupakan analisis untuk
mengetahui hubungan antara variabel dependen dan independen. Contoh
analisis dependensi, yaitu: anova, ancova, analisis regresi berganda, dan
analisis diskriman. Sedangkan analisis interdependensi adalah analisis untuk
mengetahui hubungan antar variabel independen. Contoh analisis
interdependensi, yaitu: analisis faktor, analisis cluster, penskalaan
multidimensi, dan analisis kategori (Yulianto dan Hidayatullah, 2014: 57).

Analisis multivariat dapat digunakan untuk mengatasi permasalahan dalam

kehidupan sehari-hari, seperti mengelompokkan objek-objek yang mempunyai
kesamaan karakteristik. Analisis yang dapat digunakan yaitu analisis cluster.
Analisis cluster bertujuan untuk mengelompokkan objekobjek pengamatan
berdasarkan karakteristik yang dimiliki. Ukuran kesamaan yang digunakan
adalah ukuran jarak antar objek. Dua objek yang memiliki jarak paling dekat
akan bergabung menjadi satu cluster. Kedekatan jarak yang dimiliki
menunjukkan bahwa kedua objek tersebut memiliki kesamaan karakteristik
(Yulianto dan Hidayatullah, 2014: 57) 
 Analisis cluster termasuk dalam analisis statistik multivariat metode
interdependen, sebagai alat analisis interdependen maka tujuan analisis cluster
tidak untuk menghubungkan ataupun membedakan dengan sampel ataupun
variabel yang lain.Berdasarkan latarbelakan diatas maka yang
melatarbelakangi makalah ini adalah kurangnyaa pengetahuan tentang analisis
kluster.

1.2. Rumusan Masalah

1. Apa yang dimaksud dengan analisis kluster
2. Sebutkan jenis pada uji analisis kluster ?
3. Bagaimana kajian teoritis metode K-Means dalam pembentukan kluster?

1.3. Tujuan
1. Untuk Mengetahui maksud dari analisis kluster
2. Untuk mengetahi jenis-jenis pada uji analisis kluster.
3. Untuk mengetahi cara mengkaji metode K-means dalam pembentukan
kluster.
 BAB II
PEMBAHASAN

2.1. Pengertian Analisis Kluster

Analisis klaster sering kali ditemui di kehidupan sehari-hari, baik yang terkait
dengan bidang sosial, bidang kesehatan, bidang marketing, maupun bidang
pertanian. Analisis klaster merupakan suatu teknik yang dapat digunakan
untuk mengklasifikasikan obyek atau kasus kedalam kelompok yang relatif
homogen. Objek atau kasus dalam setiap kelompok cenderung mirip satu
sama lain dan berbeda jauh (tidak sama) dengan objek dari klaster lainnya.
Analisis klaster juga disebut analisis klasifikasi atau taksonomi numerik
(Oktarina, 2014).

Analisis klaster adalah suatu metode statistik yang mengidentifikasi kelompok

sampel berdasarkan karakteristik serupa. Analisis klaster mengelompokkan
elemen mirip sebagai objek penelitian yang mempunyai tingkat homogenitas
yang tinggi antar objek menjadi klaster yang berbeda dengan tingkat
heterogenitas obyek yang tinggi antar klaster. Pengklasteran ini didasarkan
pada gugus variabel yang dipertimbangkan untuk diteliti (Nugroho,2008).

Analsis cluster adalah salah satu dari metode dalam analisis multivariat yang
memiliki tujuan utama untuk mengelompokkan objek-objek berdasarkan
karakteristik yang dimilikinya. Analisis cluster mengelompokkan individu
atau objek penelitian, sehingga setiap objek yang paling dekat kesamaannya
dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang
terbentuk dalam satu cluster mempunyai ciri yang relatif sama (homogen),
sedangkan antar cluster mempunyari ciri yang berbeda (heterogen).
Pengelompokan ini dilakukan berdasarkan variabel-variabel yang diamati
(Usman dan Sobari, 2013). 

Ditinjau dari hal-hal yang dikelompokkan analisis klaster dibagi menjadi dua
macam yaitu pengelompokan observasi dan pengelompokan variabel.
Sedangkan secara umum analisis klaster dibagi menjadi dua metode yaitu
 metode hierarki dan metode non hierarki. Di dalam metode hierarki sendiri
terdapat beberapa metode, metode-metode yang termasuk dalam metode
hierarki adalah metode Pautan Tunggal (Single Linkage), metode Pautan
Lengkap (Complete Linkage), metode Antar Pusat (Centroid Linkage),
metode Pautan Rata-rata (Average Linkage) dan Metode Ward (Ward’s
Method), sedangkan metode yang termasuk dalam metode non hirarki adalah
metode K-Means (Soraya, 2011).

2.2. Jenis-Jenis Uji Analisis Kluster

Analisis cluster adalah metode yang tepat untuk mengidentifikasi objek- objek
yang homogen ke dalam kelompok-kelompok yang disebut cluster. Cluster-
cluster yang terbentuk memiliki homogenitas internal yang tinggi dan
heterogenitas eksternal yang tinggi. Secara garis besar metode clustering
dibagi menjadi dua, yaitu: metode clustering hirarki dan metode clustering
nonhirarki. Metode clustering hirarki dibagi menjadi dua, yaitu agglomerative
(penyatuan) dan metode divisive (pembagian). Dalam metode agglomerative,
proses pengelompokan dimulai dengan objek-objek yang individual. Jadi,
banyaknya cluster sama dengan banyaknya objek. Objek-objek yang paling
mirip pertama kali bergabung membentuk cluster, demikian seterusnya sampai
membentuk satu cluster. Sedangkan metode divisive merupakan kebalikan
dari metode agglomerative. Metode ini dimulai dari satu cluster yang
mencakup semua objek pengamatan. Kemudian objek yang memiliki
ketidakmiripan cukup besar akan dipisahkan menjadi kelompok baru,
demikian seterusnya sampai terbentuk cluster yang jumlahnya sama dengan
jumlah objek yang dikelompokkan (Johnson & Wichern, 2007:680).

Metode Pengklasteran
Metode klaster hierarki (hierarchical clustering methods) adalah metode yang
digunakan untuk mengelompokkan suatu pengamatan secara terstruktur
berdasarkan kemiripan sifat dan banyaknya kelompok yang dapat dibentuk
belum diketahui. Untuk penyajian banyaknya kelompok yang dapat dibentuk
yaitu dari kelompok terbesar hingga terkecil dan sebaliknya. Pengklasteran
 hierarki dimulai dengan satu klaster yang diperoleh dari hasil pengamatan
suatu objek dan diakhiri dengan klaster yang berisi semua objek atau
sebaliknya (Rencher, 2002).

Analisis klaster dengan metode non hierarki merupakan metode klaster yang
menentukan jumlah klaster secara manual (Baroroh, 2012). Teknik analisis
klaster nonhierarki dirancang untuk mengelompokkan item bukan variabel
menjadi kumpulan K klaster. Banyaknya klaster K, ditentukan terlebih dahulu
untuk memulai prosedur pengklasteran. Metode ini dapat diterapkan pada
himpunan data yang jauh lebih besar dibandingkan menggunakan teknik
analisis klaster hierarki.

2.3. Cara mengkaji metode K-means dalam pembentukan kluster

C-Means merupakan salah satu metode data clustering nonhierarki yang
berusaha mempartisi data yang ada dalam bentuk satu atau lebih cluster,
sehingga data dengan karakteristik yang sama dikelompokan dalam satu
cluster yang sama pula. Data dengan karakteristik yang berbeda
dikelompokan dalam kelompok yang lain. Metode yang termasuk dalam
algoritma clustering berbasis jarak yang membagi data kedalamsejumlah
cluster dan algoritma ini hanya bekerja pada atribut numerik (Talakua et al,
2017).

C-Means merupakan salah satu algoritma dalam data mining yang biasa
digunakan untuk melakukan clustering suatu data. Ada banyak pendekatan
untuk membuat cluster, diantaranya adalah membuat aturan yang mendikte
keanggotaan dalam kelompok yang sama berdasarkan tingkat persamaan di
antara anggota-anggotanya. Pendekatan lainnya adalah dengan membuat
sekumpulan fungsi yang mengukur beberapaproperti dari pengelompokan
tersebut sebagai fungsi dari beberapa parameter dari sebuah clustering
(Talakua et al, 2017). 
Menurut Talaku et al (2017), mengelompokan data dengan metode C-Means
dilakukan dengan algoritma sebagai berikut.
1. Tentukan jumlah kelompok.
2. Alokasikan data ke dalam kelompok secara acak.
3. Hitung pusat kelompok dari data yang ada di masing-masing kelompok.
Lokasi centroid setiap kelompok diambil dari rata-rata semua nilai data
dari setiap fiturnya. Jika M menyatakan jumlah data dalam sebuah
kelompok, i menyatakan fitur ke-i dalam sebuah kelompok, dan p
menyatakan dimensi data, maka persamaan untuk menghitung centroid
fitur ke-i digunakan persamaan

4. Alokasikan masing-masing data ke centroid/rata-rata terdekat. Ada

beberapa cara yang dapat dilakukan untuk mengukur jarak data ke pusat
kelompok, diantaranya adalah Euclidean pengukuran jarak pada ruang
jarak (distance space). Euclidean dapat dicari menggunakan persamaan

Pengalokasian kembali data ke dalam masing-masing kelompok dalam

metode K-Means didasarkan pada perbandingan jarak antara data dengan
centroid setiap kelompok yang ada. Data dialokasikan ulang secara tegas
ke kelompok yang mempunyai cetroid dengan jarak terdekat dari data
tersebut. Pengalokasian data ini menurut MacQueen (1967) dapat
ditentukan menggunakan persamaan (3).

ai1adalah nilai keanggotaan titik xi ke pusat kelompok Cl, 𝑑 adalah jarak

terpendek dari data xi ke 𝐾 kelompok setelah dibandingkan, dan Cl adalah
centroid ke-1. Fungsi objektif yang digunakan untuk metode K-Means
ditentukan berdasarkan jarak dan nilai keanggotaan data dalam kelompok.
Fungsi objektif menurut MacQueen (1967) dapat ditentukan menggunakan
persamaan (4).

dengan n adalah jumlah data, k adalah jumlah kelompok, ai1 adalah nilai
keanggotaan titik data xi ke kelompok C1 yang diikuti. 𝑎 mempunyai nilai
0 atau 1. Apabila data merupakan anggota suatu kelompok, nilai ai1 = 1.
Jika tidak, nilai ai1 = 0. Kembali ke langkah 3, apabila masih ada data
yang berpindah kelompok atau apabila ada perubahan nilai centroid di atas
nilai ambang yang ditentukan, atau apabila perubahan nilai pada fungsi
objektif yang digunakan masih di atas nilai ambang yang ditentukan.
 BAB III
PENUTUP

3.1. Kesimpulan
Analisis klaster merupakan suatu teknik yang dapat digunakan untuk
mengklasifikasikan obyek atau kasus kedalam kelompok yang relatif
homogen. Objek atau kasus dalam setiap kelompok cenderung mirip satu
sama lain dan berbeda jauh (tidak sama) dengan objek dari klaster lainnya.
Analsis cluster adalah salah satu dari metode dalam analisis multivariat yang
memiliki tujuan utama untuk mengelompokkan objek-objek berdasarkan
karakteristik yang dimilikinya. Analisis klaster dibagi menjadi dua macam
yaitu pengelompokan observasi dan pengelompokan variabel. Sedangkan
secara umum analisis klaster dibagi menjadi dua metode yaitu metode
hierarki dan metode non hierarki. Analisis cluster adalah metode yang tepat
untuk mengidentifikasi objek- objek yang homogen ke dalam kelompok-
kelompok yang disebut cluster. Cluster-cluster yang terbentuk memiliki
homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi.
Secara garis besar metode clustering dibagi menjadi dua, yaitu: metode
clustering hirarki dan metode clustering nonhirarki. C-Means merupakan
salah satu metode data clustering nonhierarki yang berusaha mempartisi data
yang ada dalam bentuk satu atau lebih cluster, sehingga data dengan
karakteristik yang sama dikelompokan dalam satu cluster yang sama pula.

3.2. Saran
Adapun sarannya yaitu dalam pembahasan hanya terbatas pada pengembangan
model pengambilan keputusan menggunakan metode K-Means. Oleh karena
itu penulis menyarankan pada peneliti selanjutnya agar dapat mengembangkan
metode-metode clustering yang lain serta dapat mengembangkan dan
mengimplementasikan pada ilmu dan studi kasus yang lain.
 DAFTAR PUSTAKA

Abdul majid.(2013).Strategi Pembelajaran. Remaja Rosdakarya: Bandung

Santoso, Singgih. (2010). Statistik Multivariat. Jakarta:PT Elex Media
Komputind.
Usman & Sobari. (2013). Aplikasi Teknik Multivariate. Jakarta: Rajawali Pers.
Johnson, R. A., dan Wichern, D. W., 2007. Applied Multivariate Statistical
Analysis 6th edition. Pearson Education Inc. United States of America
Yulianto, S., & Putriana, U. (2013). Analisis komponen utama (AKU) untuk
pengelompokan area pelayanan dan jaringan (APJ) Daerah Jawa Tengah dan
D. I. Yogyakarta. Buletin Median, 5:30-39
Nugroho, S. 2008. Statistika Multivariat terapan, edisi pertama. UNIB Press,
Universitas Bengkulu.
Oktarina, 2014. MetodeLinkage pada Persentase Kelahiran Balita Menurut
Penolong Kelahirn Terakhir. Skripsi, Program Studi Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam.
Universitas Bengkulu
Soraya, Y. 2011. Perbandingan Kinerja Metode Single Linkage Metode Complate
Linkage Metode KMeans Dalam Analisis Klaster. Jurusan Matematika dan
Ilmu Pengetahuan Alam Universitas
Negeri Semarang.
Rencher, A. C. 2002. Methods Of Multivariate Analysis Second Edition. Wiley
Series In Probability and Mathematical Statistics: Canada.
Talakua, M. W., Leleury, Z. A., dan Talluta, A.W. 2017. Anallisis Cluster Dengan
Menggunakan Metode K-Means Untuk Penggelompokan Kabupaten/Kota
Di Provinsi Maluku Berdasarkan Indikator Indeks Pembangunan Manusia
Tahun 2014. Jurnal Ilmu Matematika dan Terapan. 11(2). 119-128.