Langkah-langkah dalam analisis cluster dengan menggunakan SPSS adalah sebagai berikut:
2. Setelah mengklik tab program aplikasi SPSS, muncul jendela program aplikasi SPSS.
Kemudian klik Variabel View (Kiri-Bawah) pada SPSS Data Editor.
3. Pada variabel view di SPSS isi kolom seperti gambar di bawah ini:
6. Lalu akan muncul Descriptive Dialog, masukkan seluruh variabel penentu ke dalam
kotak Variables. Lalu centang Save standardized values as Variables. Klik OK.
7. Kemudian akan muncul output seperti di bawah ini.
3. Klik Save, lalu centang Cluster membership, dan Distance from cluster center,
lalu klik Continue.
4. Klik Options, lalu pada Statistics centang Initial cluster centers dan ANOVA table,
sedangkan pada Missing Values klik Exclude cases listwise, kemudian klik
Continue lalu OK.
1. Standardisasi
Karena isi data sangat bervariasi dalam satuan, perbedaan satuan ini akan
menyebabkan bias dalam analisis cluster, sehingga data asli harus ditransformasikan
(standarisasi) sebelum bias dianalisis, dengan demikian perlu dilakukan transformasi
terhadap variabel yang relevan kebentuk Z – Score . Output yang didapat yaitu deskripsi
dari keseluruhan variabel yang meliputi nilai maksimum, nilai minimum, rataan, dan
standar deviasi dari masing-masing variable:
2. Pengklasteran Berdasarkan Metode Non-Hierarki
Tabel diatas merupakan tampilan pertama proses clustering data sebelum dilakukan
iterasi. Untuk mendeteksi beberapa kali proses iterasi yang dilakukan dalam proses
clustering dari 77 obyek yang diteliti, dapat dilihat dari tampilan output berikut ini.
Ternyata proses clustering yang dilakukan melalui 3 tahapan iterasi untuk
mendapatkan cluster yang tepat. Dari tabel di atas disebutkan bahwa jarak minimum antar
pusat cluster yang terjadi dari hasil iterasi adalah 12,885.
Output final cluster centers tersebut diatas masih terkait dengan proses standardisasi
data sebelumnya, yang mengacu pada z-score dengan ketentuan sebagai berikut :
• Nilai negatif (-) berarti data berada di bawah rata-rata total.
• Nilai positif (+) berarti data berada di atas rata-rata total.
Dari tabel dapat disimpulkan bahwa yang berpengaruh pada setiap Klaster adalah sebagai
berikut:
1. Klaster 1: Usia, penghasilan/uang saku, pengeluaran (biaya belanja), Intensitas
mengunjungi, lama waktu yang dihabiskan,
2. Klaster 2: Jenis kelamin, jarak, lama waktu tempuh, jumlah motor, jumlah mobil
3. Klaster 3: Pekerjaan,
Tahapan selanjutnya yang perlu dilakukan yaitu melihat perbedaan variabel pada
cluster yang terbentuk. Dalam hal ini dapat dilihat dari nilai F dan nilai probabilitas (sig)
masing masing variabel, seperti pada tabel berikut ini,
Dimana dalam tabel ANOVA di atas MS Between di tunjukan oleh Means Square
dalam kolom cluster, sedangkan MS Within ditunjukan oleh Means Square dalam kolom
error.
Selanjutnya untuk mengetahui jumlah anggota masing-masing cluster yang terbentuk dapat
dilihat pada tabel output berikut ini :
Dari tabel diatas terlihat bahwa semua cluster responden memiliki jumlah yang sama,
dengan tidak ada variabel yang hilang (missing). Dengan demikian, semua responden
sejumlah 77 orang lengkap terpeta pada kedua cluster.
• Cluster 2 (Pengunjung.....) :
• Cluster 3 (Pengunjung,,,,,) :