BAB IV

ANALISA DAN PENGOLAHAN DATA

Pada bab ini berisi tentang analisa dan pengolahan data dari modul 1 analisis
Cluster.
4.1 Variabel-variabel yang digunakan
Dibawah ini adalah tabel dari variabel-variabel yang digunakan.
Tabel 1.4.1 Data variabel pada kuesioner

No Variabel
1 Daerah
2 Jenis Kelamin
3 Pekerjaan
4 Pentingnya edukasi
5 Pendapatan
6 Jumlah anak
7 Jumlah tanggungan
8 Pengeluaran
9 Harga HP
10 Jumlah transportasi
11 Harga mainan
12 Lama Diluar rumah
13 Beli Mainan sebulan
14 Jarak Kekota
15 Jumlah ATM
16 Harga Properti
4.2 Data
Berikut merupakan data yang digunakan dalam pengelompokan karakteristik responden.
Tabel 1.4.2 Data Karakteristik Responden
Daerah Jenis Kelamin Pekerjaan Pentingnya edukasi pendapatan Jumlah anak Jumlah tanggungan Pengeluaran Harga HP Jumlah Transportasi Harga Mainan Lama Diluar rumah Beli Mainan sebulan Jarak Ke kota Jumlah ATM Harga Properti Jumlah HP
Sampang L 1 1 4.0 2.0 4.0 2.0 1.0 1.0 1.0 5.0 1.0 5.0 2.0 1.0 2.0
Sampang L 1 1 4.0 5.0 5.0 2.0 1.0 1.0 1.0 5.0 1.0 5.0 2.0 1.0 2.0
Sampang p 2 1 2.0 2.0 4.0 1.0 3.0 2.0 2.0 1.0 1.0 5.0 1.0 1.0 1.0
Sampang P 2 1 2.0 2.0 4.0 2.0 1.0 1.0 1.0 3.0 1.0 5.0 1.0 1.0 1.0
Sampang P 5 1 1.0 4.0 4.0 1.0 1.0 1.0 1.0 3.0 1.0 1.0 1.0 1.0 1.0
Sampang P 1 1 5.0 3.0 4.0 4.0 3.0 1.0 1.0 4.0 1.0 1.0 1.0 1.0 1.0
Sampang P 2 1 4.0 1.0 3.0 3.0 4.0 2.0 1.0 5.0 1.0 5.0 2.0 3.0 1.0
Sampang P 5 2 4.0 3.0 3.0 3.0 2.0 1.0 1.0 2.0 1.0 5.0 1.0 1.0 1.0
Sampang P 5 3 5.0 1.0 3.0 3.0 5.0 2.0 1.0 2.0 2.0 5.0 3.0 1.0 1.0
Sampang P 5 1 3.0 1.0 3.0 2.0 3.0 1.0 1.0 2.0 1.0 5.0 1.0 1.0 2.0
Sampang P 2 1 2.0 1.0 3.0 1.0 1.0 1.0 1.0 3.0 2.0 1.0 1.0 1.0 1.0
Sampang P 2 1 1.0 2.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0
Sampang P 2 1 2.0 4.0 5.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0 1.0
Pamekasan P 1 1 5.0 3.0 5.0 4.0 1.0 2.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0
Pamekasan P 1 1 4.0 2.0 5.0 3.0 3.0 1.0 1.0 3.0 1.0 1.0 2.0 1.0 1.0
Pamekasan L 2 2 1.0 3.0 5.0 1.0 2.0 2.0 1.0 5.0 2.0 5.0 1.0 1.0 2.0
Pamekasan P 2 3 2.0 1.0 4.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Pamekasan P 4 5 2.0 3.0 4.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Pamekasan P 4 5 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 2.0 1.0 1.0 1.0 1.0
Pamekasan P 4 5 1.0 1.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Pamekasan P 4 5 1.0 5.0 5.0 1.0 2.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Pamekasan P 2 2 2.0 1.0 1.0 1.0 2.0 1.0 1.0 4.0 1.0 3.0 1.0 1.0 1.0
Pamekasan L 5 1 2.0 2.0 2.0 1.0 2.0 2.0 1.0 5.0 1.0 4.0 1.0 1.0 1.0
Pamekasan P 4 4 3.0 2.0 5.0 1.0 2.0 2.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0
Pamekasan P 5 4 1.0 2.0 4.0 1.0 1.0 1.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0
Pamekasan P 5 1 3.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0
 Tabel 1.4.3 Data Karakteristik Responden (Lanjutan)
Pamekasan L 2 1 2.0 2.0 4.0 2.0 1.0 1.0 1.0 3.0 2.0 4.0 1.0 1.0
Sumenep P 5 1 2.0 2.0 4.0 1.0 2.0 2.0 1.0 2.0 1.0 5.0 1.0 1.0
Sumenep P 5 1 2.0 4.0 5.0 4.0 1.0 2.0 1.0 3.0 1.0 1.0 1.0 1.0
Sumenep P 2 2 2.0 1.0 3.0 1.0 1.0 1.0 1.0 2.0 1.0 5.0 1.0 1.0
Sumenep P 2 1 2.0 4.0 4.0 3.0 2.0 1.0 1.0 4.0 2.0 5.0 5.0 1.0
Sumenep P 5 1 1.0 3.0 5.0 1.0 1.0 1.0 1.0 5.0 1.0 4.0 1.0 1.0
Sumenep L 5 4 2.0 5.0 5.0 2.0 1.0 4.0 1.0 5.0 2.0 5.0 1.0 1.0
Sumenep P 5 1 4.0 2.0 3.0 3.0 2.0 2.0 4.0 5.0 3.0 4.0 1.0 5.0
Sumenep P 2 2 1.0 1.0 2.0 1.0 1.0 1.0 1.0 4.0 2.0 4.0 1.0 1.0
Sumenep L 2 1 2.0 2.0 4.0 2.0 1.0 2.0 2.0 5.0 2.0 5.0 1.0 2.0
Sumenep L 5 2 1.0 4.0 1.0 1.0 1.0 1.0 1.0 5.0 2.0 4.0 1.0 2.0
Sumenep L 2 3 4.0 2.0 4.0 2.0 2.0 1.0 2.0 5.0 1.0 3.0 1.0 2.0
Sumenep L 2 4 3.0 1.0 4.0 2.0 3.0 1.0 2.0 5.0 2.0 3.0 1.0 1.0
Sumenep L 2 2 2.0 4.0 5.0 1.0 1.0 1.0 1.0 5.0 1.0 5.0 1.0 1.0
Sumenep L 2 2 2.0 3.0 3.0 1.0 1.0 1.0 1.0 5.0 1.0 4.0 1.0 1.0
Sumenep L 4 4 3.0 4.0 5.0 2.0 1.0 1.0 1.0 5.0 1.0 3.0 1.0 1.0
Bangkalan P 2 3 4.0 3.0 5.0 3.0 1.0 1.0 5.0 4.0 2.0 2.0 1.0 2.0
Bangkalan P 2 2 3.0 3.0 4.0 2.0 2.0 2.0 3.0 5.0 3.0 4.0 1.0 3.0
Bangkalan L 2 2 2.0 2.0 4.0 1.0 3.0 3.0 2.0 5.0 2.0 3.0 2.0 2.0
Bangkalan L 2 3 5.0 1.0 5.0 4.0 5.0 4.0 3.0 5.0 2.0 1.0 3.0 5.0
Bangkalan L 2 3 2.0 2.0 3.0 1.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0 1.0
Bangkalan L 2 3 3.0 4.0 3.0 2.0 1.0 1.0 1.0 5.0 1.0 1.0 1.0 1.0
Bangkalan L 1 2 3.0 1.0 3.0 1.0 2.0 2.0 1.0 5.0 2.0 3.0 1.0 2.0
Bangkalan L 1 2 2.0 2.0 3.0 2.0 2.0 2.0 3.0 5.0 3.0 3.0 2.0 3.0
Bangkalan P 2 2 3.0 2.0 4.0 2.0 4.0 1.0 3.0 5.0 3.0 2.0 1.0 3.0
Bangkalan P 1 3 4.0 2.0 4.0 4.0 4.0 3.0 4.0 5.0 2.0 2.0 3.0 5.0
Bangkalan L 1 2 3.0 1.0 3.0 2.0 2.0 2.0 2.0 4.0 3.0 2.0 2.0 1.0
Bangkalan P 2 3 2.0 1.0 3.0 3.0 3.0 2.0 2.0 2.0 2.0 2.0 1.0 4.0
Bangkalan L 2 2 1.0 2.0 4.0 1.0 1.0 1.0 1.0 3.0 2.0 3.0 1.0 1.0
Bangkalan L 5 1 4.0 1.0 3.0 3.0 4.0 2.0 4.0 5.0 2.0 3.0 2.0 5.0
Bangkalan P 2 2 3.0 2.0 4.0 2.0 3.0 3.0 2.0 5.0 3.0 2.0 2.0 2.0
Bangkalan P 5 1 1.0 1.0 3.0 2.0 2.0 1.0 2.0 2.0 1.0 1.0 1.0 2.0
Bangkalan L 2 2 2.0 1.0 2.0 1.0 3.0 2.0 2.0 5.0 2.0 1.0 1.0 1.0
4.3 Data standarisasi
Data berikut adalah data yang sudah terstandarisasi.
Tabel 1.4.4 Data Standarisasi

-0.6685579234215219 -0.545213763219591 -0.3167449328946257 -0.7893682982176462 ### -0.4369827432256279 -0.5120067271502208 -0.6491753010001011

-0.6685579234215219 -0.545213763219591 0.2963097759336827 -0.7893682982176462 ### -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
0.6685579234215212 -0.545213763219591 0.9093644847619912 -0.7893682982176462 10,960,773,148,035,800 0.9429627616974067 1,243,444,908,793,390 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 -0.9297996417229342 -0.7893682982176462 10,960,773,148,035,800 -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
0.6685579234215212 -0.545213763219591 -0.9297996417229342 0.6906972609404408 10,960,773,148,035,800 ### -0.5120067271502208 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 -0.9297996417229342 -0.7893682982176462 10,960,773,148,035,800 -0.4369827432256279 -0.5120067271502208 0.6491753010001006
-0.6685579234215219 -0.545213763219591 -0.3167449328946257 0.6906972609404408 ### -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 ### -0.7893682982176462 10,960,773,148,035,800 -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 ### -0.7893682982176462 -0.7477910652398276 -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
0.6685579234215212 -0.545213763219591 ### -0.7893682982176462 10,960,773,148,035,800 -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 -0.3167449328946257 -0.7893682982176462 ### 0.9429627616974067 -0.5120067271502208 -0.6491753010001011
0.6685579234215212 -0.545213763219591 0.9093644847619912 0.6906972609404408 10,960,773,148,035,800 -0.4369827432256279 -0.5120067271502208 0.6491753010001006
-0.6685579234215219 -0.545213763219591 ### -0.7893682982176462 ### -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
-0.6685579234215219 -0.545213763219591 ### -0.7893682982176462 ### -0.4369827432256279 -0.5120067271502208 -0.6491753010001011
 Tabel 1.4.5 Data Standarisasi (Lanjutan)

Sumenep L 2 1 -0.435653303246183 -0.22384404640849104 0.3704432292161867 0.15444885056015517 -0.8380817098475258

Sumenep L 5 2 ### 14,549,863,016,551,800 ### -0.8752101531742117 -0.8380817098475258
Sumenep L 2 3 12,507,465,802,874,200 -0.22384404640849104 0.3704432292161867 0.15444885056015517 0.076189246349775
Sumenep L 2 4 0.40754663852062073 ### 0.3704432292161867 0.15444885056015517 0.9904602025470758
Sumenep L 2 2 -0.435653303246183 14,549,863,016,551,800 12,253,122,197,150,800 -0.8752101531742117 -0.8380817098475258
Sumenep L 2 2 -0.435653303246183 0.6155711276233492 -0.484425761282707 -0.8752101531742117 -0.8380817098475258
Sumenep L 4 4 0.40754663852062073 14,549,863,016,551,800 12,253,122,197,150,800 0.15444885056015517 -0.8380817098475258
Bangkalan P 2 3 12,507,465,802,874,200 0.6155711276233492 12,253,122,197,150,800 ### -0.8380817098475258
Bangkalan P 2 2 0.40754663852062073 0.6155711276233492 0.3704432292161867 0.15444885056015517 0.076189246349775
Bangkalan L 2 2 -0.435653303246183 -0.22384404640849104 0.3704432292161867 -0.8752101531742117 0.9904602025470758
Bangkalan L 2 3 2,093,946,522,054,220 ### 12,253,122,197,150,800 ### ###
Bangkalan L 2 3 -0.435653303246183 -0.22384404640849104 -0.484425761282707 -0.8752101531742117 -0.8380817098475258
Bangkalan L 2 3 0.40754663852062073 14,549,863,016,551,800 -0.484425761282707 0.15444885056015517 -0.8380817098475258
Bangkalan L 1 2 0.40754663852062073 ### -0.484425761282707 -0.8752101531742117 0.076189246349775
Bangkalan L 1 2 -0.435653303246183 -0.22384404640849104 -0.484425761282707 0.15444885056015517 0.076189246349775
4.4 Metode Hirarki
Berikut merupakan hasil analisa data dari karakteristik responden
menggunakan metode hirarki.
4.4.1 Analisis Proximity
Dibawah ini adalah hasil dari output SPSS pada pengujian proximity
matrix.
Tabel 1.4.6 output SPSS Analisis Proximity

Analisa : Pada responden pertama daerah sampang memiliki jarak kedekatan

memiliki jarak kedekatan sebesar 7.072 dengan responden 2 daerah sampan.
Untuk responden 14 daerah pamekasan memiliki jarak kedekatan sebesar 19.161
dengan responden 2 daerah sampang. Untuk responden 29 daerah sumenep
memiliki jarak kedekatan sebesar 20.572 dengan responden 2 daerah sampang.
responden 44 daerah Bangkalan memiliki jarak kedekatan sebesar 37.079 dengan
responden 2 daerah sampang.
4.4.2 Agglomeration Schedule
Dibawah ini adalah hasil dari output SPSS pada pengujian Agglomeration
Schedule.
Tabel 1.4.7 output SPSS Agglomeration Schedule
 Agglomeration Schedule

Stage Cluster First

Cluster Combined
Stage Coefficients Appears Next Stage

Cluster 1 Cluster 2 Cluster 1 Cluster 2

1 27 42 1.2136525594 0 0 10
2 33 41 1.7933651543 0 0 12
3 13 18 1.8131800034 0 0 7
4 24 29 1.8176232087 0 0 5
5 3 24 2.8582607083 0 4 31
6 12 25 2.9232039637 0 0 13
7 5 13 3.1209204476 0 3 11
8 19 20 3.2507917234 0 0 33
9 11 56 3.6574496795 0 0 19
10 23 27 3.8301238929 0 1 25
11 5 21 3.8333536327 7 0 45
12 33 43 4.1343748809 2 0 37
13 12 31 4.2079553288 6 0 23
14 4 28 4.2540695232 0 0 23
15 46 58 4.3395390433 0 0 28
16 45 51 4.4284157418 0 0 30
17 48 49 4.5896551433 0 0 32
18 17 59 4.7617812068 0 0 33
19 11 36 4.7994464319 9 0 34
20 39 40 5.2124920285 0 0 40
21 6 15 5.4866883037 0 0 40
22 50 60 5.6726835606 0 0 35
23 4 12 6.2416056778 14 13 31
24 47 53 6.261494037 0 0 52
25 22 23 6.3122049646 0 10 32
26 1 2 7.0723615005 0 0 50

28 46 54 7.3751972037 15 0
29 16 37 7.6121686322 0 0
30 45 52 8.1011745404 16 0
31 3 4 8.1127409566 5 23
32 22 48 8.1410617129 25 17
33 17 19 8.6968849599 18 8
34 11 17 9.1467863443 19 33
35 46 50 9.4172895018 28 22
36 3 8 9.8555343738 31 27
37 22 33 10.049748447 32 12
38 35 57 10.20650248 0 0
39 3 26 10.701278943 36 0
40 6 39 11.554062069 21 20
41 45 46 11.960281658 30 35
42 7 9 12.105856309 0 0
43 22 38 12.588858597 37 0
44 3 11 13.445939348 39 34
45 5 22 13.737639183 11 43
46 3 5 14.445943802 44 45
47 45 55 14.632865521 41 0
48 14 30 14.651016264 0 0
49 16 45 15.469807948 29 47
50 1 6 16.944213196 26 40
51 1 14 18.942120784 50 48
52 35 47 19.94580126 38 24
53 1 3 20.882377072 51 46
54 1 16 24.196528503 53 49
55 1 7 31.5757556 54 42
56 1 34 32.907770552 55 0
57 35 44 34.053610407 52 0

Analisa: Pada table diatas menunjukkan bahwa pada stage pertama terbentuk
jarak terdekat sebesar 1.214 yang terbentuk responden 27 dan 42. Pada stage
selanjutnya yaitu stage 10 yang terbentuk jarak sebesar 3.83 dari responden 23
dan 27. Selanjutnya pada stage 25 yaitu terbentuk jarak sebesar 6.312 dari
responden 22 dan 23. Sehingga didapatkan jarak rata-rata sebesar 3.7853 dengan
1.214+3.83+6.312
perhitungan manual sebagai berikut : =3.7853
3
4.4.3 Cluster Membership
Dibawah ini adalah hasil dari output SPSS pada pengujian Cluster
Membership.
Tabel 1.4.8 output SPSS Cluster membership
Cluster Membership

Case 4 Clusters 3 Clusters 2 Clusters

1:Sampang 1 1 1
2:Sampang 1 1 1
3:Sampang 1 1 1
4:Sampang 1 1 1
5:Sampang 1 1 1
6:Sampang 1 1 1
7:Sampang 1 1 1
8:Sampang 1 1 1
9:Sampang 1 1 1
10:Sampang 1 1 1
11:Sampang 1 1 1
12:Sampang 1 1 1
13:Sampang 1 1 1
14:Pamekasan 1 1 1
15:Pamekasan 1 1 1
16:Pamekasan 1 1 1
17:Pamekasan 1 1 1

19:Pamekasan 1 1 1
20:Pamekasan 1 1 1
21:Pamekasan 1 1 1
22:Pamekasan 1 1 1
23:Pamekasan 1 1 1
24:Pamekasan 1 1 1
25:Pamekasan 1 1 1
26:Pamekasan 1 1 1
27:Pamekasan 1 1 1
28:Pamekasan 1 1 1
29:Sumenep 1 1 1
30:Sumenep 1 1 1
31:Sumenep 1 1 1
32:Sumenep 2 2 1
33:Sumenep 1 1 1
34:Sumenep 1 1 1
35:Sumenep 3 3 2
36:Sumenep 1 1 1
37:Sumenep 1 1 1
38:Sumenep 1 1 1
39:Sumenep 1 1 1
40:Sumenep 1 1 1
41:Sumenep 1 1 1
42:Sumenep 1 1 1
43:Sumenep 1 1 1
44:Bangkalan 4 3 2
45:Bangkalan 1 1 1
46:Bangkalan 1 1 1
47:Bangkalan 3 3 2
48:Bangkalan 1 1 1
49:Bangkalan 1 1 1
50:Bangkalan 1 1 1
51:Bangkalan 1 1 1
52:Bangkalan 1 1 1
53:Bangkalan 3 3 2
54:Bangkalan 1 1 1
55:Bangkalan 1 1 1
56:Bangkalan 1 1 1
57:Bangkalan 3 3 2
58:Bangkalan 1 1 1
59:Bangkalan 1 1 1
60:Bangkalan 1 1 1

Analisa : pada responden 44 daerah Bangkalan jika terbentuk 4 cluster maka

responden tersebut berada pada cluster ke 4, jika terbentuk 3 cluster maka akan
 berada pada cluster ke 3, dan jika terbentuk 2 cluster maka akan berada pada
cluster ke 2.
4.4.4 Dendogram
Dibawah ini adalah hasil dari output SPSS pada pengujian Dendogram

Gambar 1.4.1 output SPSS Dendogram

Analisa : pada gambar diatas dapat dilihat jika jarak terdekat dibentuk oleh
responden 27 dan 42, semakin jauh garis yang terbentuk maka jarak antar cluster
semakin jauh.
4.5 Metode Non Hinarki
Berikut merupakan hasil analisa data dari karakteristik responden
menggunakan metode non hirarki.
4.5.1 Initial Cluster Center
Dibawah ini adalah hasil dari output SPSS pada pengujian Initial Cluster
Center.
Tabel 1.4.9 output SPSS Initial Cluster Center
 Initial Cluster Centers
Zscore(Pendapatan)
Zscore(Jumlah_anak)
Zscore(Jumlah_tanggungan)
Zscore(Pengeluaran)
Zscore(Harga_HP)
Zscore(Jumlah_transportasi)
Zscore(Harga_mainan)
Zscore(Lama_diluar_rumah)
Zscore(Beli_mainan_sebulan)
Zscore(Jarak_ke_kota)
Zscore(Jumlah_ATM)
Cluster
1 2
-0.4356533 -0.4356533
1.4549863 2.29440148
0.37044323 1.22531222
1.18410785 0.15444885
0.07618925 -0.8380817
-0.6685579 3.34278962
-0.5452138 -0.5452138
0.29630978 0.90936448
0.69069726 0.69069726
1.09607731 1.09607731
5.08279928 -0.4369827

4.5.2 Iteration History

Dibawah ini adalah hasil dari output SPSS pada pengujian Initial Cluster
Center.
Tabel 1.4.9 output SPSS Initial Cluster Center
Harga_mainan 60 1
Lama_diluar_rumah 60 1
Beli_mainan_sebulan 60 1
Jarak_ke_kota 60 1
Jumlah_ATM 60 1
Harga_property 60 1
Jumlah_HP 60 1
Valid N (listwise) 60

Iteration Historya
Iteration Change in Cluster Centers

Analisa : pada tabel diatas menunjukkan bahwa terdapat 6 kali

pengulangan untuk penentuan 4 clusters terbaik. Dengan
4.5.3 Final Cluster Centers
Dibawah ini adalah hasil dari output SPSS pada pengujian Final Cluster
Center.
Tabel 1.4.10 output SPSS Final Cluster Center
 Final Cluster Centers
Cluster
1 2

Zscore(Pendapatan) 0.96967993 -0.1826933

Zscore(Jumlah_anak) -0.223844 -0.055961
Zscore(Jumlah_tanggungan) -0.1994694 0.11398253
Zscore(Pengeluaran) 1.18410785 -0.2574148
Zscore(Harga_HP) 1.59997417 0.16761634
Zscore(Jumlah_transportasi) 0.22285264 1.20340426
Zscore(Harga_mainan) -0.5452138 0.40451344
Zscore(Lama_diluar_rumah) 0.09195821 0.84805901
Zscore(Beli_mainan_sebulan) 0.19734207 1.28272348
Zscore(Jarak_ke_kota) 1.09607731 0.05121857
Zscore(Jumlah_ATM) 2.7828901 0.11499546
Pada nilai jarak cluster jika minus ada kemungkinan jarak cluster tersebut
berada di bawah rata-rata. Seperti pada variabel pendapatan, jika terbentuk 1
cluster maka berada diatas rata-rata, jika terbentuk 2 cluster berada dibawah
rata-rata, jika terbentuk 3 cluster berada dibawah rata-rata, dan jika terbentuk 4
cluster maka berada diatas rata-rata.
4.5.4 Descriptive Statistic
Dibawah ini adalah hasil dari output SPSS pada pengujian Descriptive
statistic dengan menggunakan data standarisasi.
Tabel 1.4.11 output SPSS Descriptive statistic
3 40
4 7
Valid 60
Missing 0

Descriptive Statistics
N Minimum
Pendapatan 60 1
Jumlah_anak 60 1
Jumlah_tanggungan 60 1
Pengeluaran 60 1
Harga_HP 60 1
Jumlah_transportasi 60 1
Harga_mainan 60 1

Pada variabel pendapatan rata-ratanya sebesar 2.5167 dengan standart

deviasi sebesar 1.1859
4.5.5 Tafsiran setiap Cluster
Dibawah ini adalah hasil dari output SPSS pada pengujian tafsiran setiap
Cluster.
Tabel 1.4.12 output SPSS tafsiran setiap cluster

cluster 1
Variabel µ σ Z
Pendapatan 2.5167 1.185958 0.970
Jumlah_anak 2.2667 1.191306 -0.224
Jumlah_tanggungan 3.5667 1.169770 -0.199
Pengeluaran 1.85 0.971195 1.184
Harga_HP 1.9167 1.093768 1.6
Jumlah_transportasi 1.5 0.747878 0.223
Harga_mainan 1.5167 0.947641 -0.545
Lama_diluar_rumah 3.5167 1.631176 0.092
Beli_mainan_sebulan 1.5333 0.675646 0.197
Jarak_ke_kota 3.2167 1.627014 1.096
Jumlah_ATM 1.3167 0.724666 2.783
 Perhitungan Manual :
x=μ+(z . σ )…………………………………………………………(1)
x=¿ 2.5167 + ( -0.2037 . 1.1859)
x=¿ 2.5167 – 0.241
x=¿ 2.275
Pada perhitungan nilai rata-rata zscore pendapatan bernilai lebih kecil
dibandingkan dengan nilai rata-rata sesungguhnya yaitu sebesar 2.275.
4.5.6 ANOVA
Dibawah ini adalah hasil dari output SPSS pada pengujian ANOVA.
Tabel 1.4.13 output SPSS ANOVA
ANOVA
Cluster Error
Mean df Mean df F Sig.
Square Square
Zscore(Pendapatan) 3.9846259 3 0.84010933 56 4.74298497 0.005115519
Zscore(Jumlah_anak) 0.72922354 3 1.01450588 56 0.71879676 0.544944434
Zscore(Jumlah_tanggungan) 0.27028037 3 1.03909212 56 0.26011203 0.853812841
Zscore(Pengeluaran) 6.64138108 3 0.69778316 56 9.51782946 3.54523E-05
Zscore(Harga_HP) 8.2441446 3 0.61192083 56 13.4725675 9.90598E-07
Zscore(Jumlah_transportasi) 9.52116402 3 0.54350907 56 17.5179487 3.83031E-08
Zscore(Harga_mainan) 14.3905241 3 0.28265049 56 50.9127862 5.21287E-16
Zscore(Lama_diluar_rumah) 4.47274759 3 0.81395995 56 5.49504627 0.002218369
Zscore(Beli_mainan_sebulan) 12.1673591 3 0.40174862 56 30.2860013 9.08221E-12
Zscore(Jarak_ke_kota) 1.97440178 3 0.9477999 56 2.08314199 0.112748879
Zscore(Jumlah_ATM) 9.97388509 3 0.51925616 56 19.2080247 1.09031E-08
Zscore(Harga_property) 14.5566351 3 0.27375169 56 53.1745937 2.14019E-16
Zscore(Jumlah_HP) 13.4623016 3 0.3323767 56 40.5031447 4.72011E-14

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.

Hipotesis :
H0 = µ1 = µ2 (variabel tidak memiliki pengaruh terhadap segmentasi pasar)
H1 ≠ µ1 ≠ µ2 (variabel memiliki pengaruh terhadap segmentasi pasar)
Pengambilan keputusan :
Fhitung ≥ Ftabel maka, tolak H0
Fhitung < Ftabel maka, terima H0
Dari tabel diatas dapat diketahui jika variabel pendapatan memiliki nilai
yang berpengaruh terhadap segmentasi konsumen.
 4.5.7 Jumlah Anggota disetiap cluster
Dibawah ini adalah hasil dari output SPSS pada pengujian jumlah anggota
disetiap cluster.
Tabel 1.4.14 output SPSS Number of cases in each cluster

Number of Cases in each Cluster

Cluster

Dari tabel diatas dapat diketahui jika dibentuk 4 cluster, pada cluster 1
memiliki 3 anggota, pada cluster 2 memiliki 10 anggota, pada cluster 3 memiliki
40 anggota, dan pada cluster 4 memiliki 7 anggota.
4.6 Crosstabulation
Dibawah ini adalah hasil dari output SPSS crosstabulation.
Tabel 1.4.14 output SPSS Number of cases in each cluster
Pekerjaan * Cluster Number of Case Crosstabulation

Cluster Number of Case

Total
1 2 3 4
Pekerjaan 1,00 Count 0 3 5 1 9
% within Pekerjaan 0 33.333333 55.555556 11.111111 100%
2,00 Count 2 6 17 4 29
% within Pekerjaan 6.8965517 20.689655 58.62069 13.793103 100%
4,00 Count 0 0 6 0 6
% within Pekerjaan 0 0 100 0 100%
5,00 Count 1 1 12 2 16
% within Pekerjaan 6.25 6.25 75 12.5 100%
Total Count 3 10 40 7 60
% within Pekerjaan 5 16.666667 66.666667 11.666667 100%

Dari tabel diatas dapat diketahui bahwa segmentasi terbesar pada variabel
pekerjaan terdapat pada cluster 3, dengan persentase 66,67%.
4.7 Grafik Pencaran (Scatter)

Dari
gambar diatas dapat diketahui bahwa pada cluster 1 jarak terdekat ada pada
daerah sampang dan jarak terjauh terdapat pada daerah sampang.