Revisi
Revisi
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 Keterangan
1 Nama Nama Repnden
2 Daerah Daerah Asal Responden (Sampang,Sumenep,Pamekasan,Bangkalan)
3 Jenis Kelamin Jenis Kelamin responden (Laki-laki,Perempuan)
4 Pekerjaan Pekerjaan responden saat ini seperti PNS, Petani, Wiraswasta dll)
5 Pentingnya edukasi Pertnyaan tentang bagaimana pentingnya edukasi dalam mainan
6 Pendapatan Pendapatan yang didapat responden tiap bulan
7 Jumlah anak Jumlah Anak yang dimiliki responden saat ini
8 Jumlah tanggungan Jumlah tanggungan yang dimiliki saat ini
9 Pengeluaran Jumlah Pengeluaran yang dilakukan dalam keluarga selama sebulan
10 Harga HP Harga HP yang dimiliki responden
11 Jumlah transportasi Jumlah Transportasi yang dimiliki responden seperti (sepeda motor, dll)
12 Harga mainan Harga Mainan yang pernah dibelikan untuk anak
13 Lama Diluar rumah Lama Responden meninggalkan rumah (anak)
14 Beli Mainan sebulan Berapa kali responden membeli mainan untuk anak selama sebulan
15 Jarak Kekota Jarak rumah responden dengan kota
16 Jumlah ATM Banyaknya jumlah ATM yang dimiliki responden
17 Harga Properti Harga properti (fasilitas rumah) yang sering dibeli oleh responden
18 Jumlah HP Jumlah HP yang dimiliki oleh responden
4.2 Data
Berikut merupakan data yang digunakan dalam pengelompokan karakteristik responden.
Tabel 1.4.2 Data Karakteristik Responden
beli mainan dalam sebulan (kali) Jarak tempat tinggal ke kota (km) Jumalh ATM (unit) Harga Properti (Rp) Pentingnya edukasi pada mainan Jumalh HP (unit)
1 7 2 430,000 Penting 2
1 7 2 480,000 Penting 2
1 8 1 460,000 Penting 1
1 5 1 440,000 Penting 1
1 0.6 1 320,000 Penting 1
1 0.8 1 460,000 Penting 1
1 7 2 1,400,000 Penting 1
1 6 1 390,000 Cukup penting 1
6 5 3 420,000 sangat penting 1
1 5 1 400,000 Penting 2
6 0.6 1 450,000 Penting 1
Tabel 1.4.3 Data Karakteristik Responden (Lanjutan)
Nama Alamat Sekarang Jenis Kelamin Usia Pendapatan (Rp) Jumlah Anak (orang) Jumlah Tanggungan (orang) Pengeluaran (Rp) Harga HP (Rp) Jumlah Transportasi (unit) Harga Mainan (Rp) Lama di luar rumah (jam)
1 ahmadi jl. Pondok melati L 46 2,300,000 2 4 1,800,000 390,000 1 48,000 5
2 muhammad kp. Dumarah L 50 2,500,000 5 5 1,600,000 300,000 1 36,000 8
3 luluk kejawan p 34 700,000 2 4 880,000 1,400,000 2 72,000 1
4 sari s.r banyuajuh P 28 800,000 2 4 1,700,000 410,000 1 37,000 3
5 nurul hidayati bedak timur P 37 490,000 4 4 820,000 360,000 1 33,000 3
6 h. Wini sugiastutik jl. Kusuma bangsa P 53 3,600,000 3 4 3,800,000 1,300,000 1 45,000 4
7 lenny kp. Kejawan P 39 2,400,000 1 3 2,700,000 2,300,000 2 42,000 5
8 halimatus s. kp. Kejawan P 34 2,200,000 3 3 2,800,000 540,000 1 38,000 2
9 eni i.r kp. Baru kamal P 30 3,300,000 1 3 2,600,000 3,100,000 2 45,000 2
10 devita kp. Kejawan P 25 1,800,000 1 3 1,700,000 1,350,000 1 39,000 2
11 endang susilowati kp. Kejawan P 34 800,000 1 3 810,000 480,000 1 35,000 3
12 eka kp. Kejawan P 32 485,000 2 2 850,000 380,000 1 40,000 1
13 sumiati kp. Kejawan P 58 800,000 4 5 800,000 490,000 1 42,000 1
14 maulil kp. Baru kamal P 36 3,600,000 3 5 3,800,000 460,000 2 38,000 1
15 zainatul muslihah kp. Kejawan P 30 2,300,000 2 5 2,580,000 1,200,000 1 35,000 3
16 Sunggono Socah L 30 450,000 3 5 800,000 550,000 2 30,000 6
17 Yuniati Pedeng P 31 1,000,000 1 4 900,000 700,000 1 40,000 1
18 Rohimah Duko P 38 1,000,000 3 4 800,000 450,000 1 30,000 1
19 Siti Aisah Duko P 21 500,000 1 1 800,000 500,000 1 30,000 1
20 Rahmawati Duko P 23 500,000 1 1 1,500,000 500,000 1 30,000 1
21 Alisa Duko P 40 500,000 5 5 800,000 560,000 1 30,000 1
22 Mbak Andri Kauman Socah P 37 1,000,000 1 1 900,000 750,000 1 30,000 4
23 Junaidi Kauman L 32 1,000,000 2 2 900,000 700,000 2 30,000 6
24 Eka Duko P 30 1,500,000 2 5 750,000 1,000,000 2 30,000 1
Tabel 1.4.5 Data Standarisasi (Lanjutan)
43 400,000 3 5 800,000 250,000 1 30,000 6 1 4 1 250,000 1
56 1,000,000 5 5 1,000,000 300,000 4 30,000 7 3 6 1 300,000 1
26 2,500,000 2 3 2,000,000 500,000 1 150,000 6 6 4 1 3,000,000 4
28 500,000 1 2 800,000 400,000 1 30,000 4 3 4 1 400,000 1
46 750,000 2 4 1,500,000 400,000 2 60,000 5 3 5 1 700,000 3
60 400,000 4 1 800,000 300,000 1 30,000 6 3 4 1 550,000 1
36 3,000,000 2 4 2,000,000 1,000,000 1 60,000 6 1 3 1 550,000 1
26 1,500,000 1 4 1,500,000 1,100,000 1 60,000 7 3 3 1 500,000 1
48 1,000,000 4 5 1,000,000 500,000 1 30,000 7 1 5 1 500,000 1
45 1,000,000 3 3 800,000 400,000 1 30,000 6 1 4 1 500,000 1
35 1,100,000 4 5 1,500,000 500,000 1 30,000 5 1 3 1 400,000 1
32 2,500,000 3 5 2,500,000 500,000 1 160,000 4 6 2 1 510,000 4
32 2,000,000 3 4 1,750,000 1,000,000 2 100,000 7 6 4 1 1,300,000 2
32 1,000,000 2 4 900,000 1,200,000 3 75,000 8 3 3 2 550,000 2
30 3,900,000 1 5 3,500,000 2,500,000 4 95,000 7 3 0.9 3 3,500,000 3
37 900,000 2 3 800,000 450,000 1 70,000 7 1 0.5 1 450,000 1
44 2,000,000 4 3 1,500,000 400,000 1 50,000 8 1 0.7 1 480,000 1
30 1,500,000 1 3 900,000 600,000 2 40,000 8 3 3 1 550,000 2
35 1,000,000 2 3 1,500,000 550,000 2 90,000 6 6 3 2 1,300,000 2
35 2,000,000 2 4 1,800,000 2,500,000 1 90,000 5 6 2 1 1,500,000 2
28 2,500,000 2 4 3,500,000 2,500,000 3 120,000 6 3 2 3 3,100,000 3
30 2,000,000 1 3 1,500,000 550,000 2 80,000 4 6 3 2 450,000 2
26 1,000,000 1 3 2,500,000 1,200,000 2 70,000 2 3 2 1 2,300,000 2
39 450,000 2 4 800,000 350,000 1 35,000 3 3 3 1 350,000 1
27 2,800,000 1 3 2,500,000 2,100,000 2 110,000 5 3 3 2 3,100,000 3
23 1,800,000 2 4 1,500,000 1,200,000 3 75,000 10 6 2 2 510,000 2
25 1,000,000 1 3 1,500,000 550,000 1 70,000 2 1 0.8 1 560,000 1
4.4 Data Output Standarisasi
Data berikut adalah data yang sudah terstandarisasi.
Tabel 1.4.6 data output standarisasi
Zpendapatan ZJumlah_anak ZJumlah_tanggungan Zpengeluaran Zharga_HP Zjumlah_transportasi Zharga_mainan Zlama_diluar ZBeli_mainan Zjarak_ke_kota Zjumlah_ATM Zharga_properti
12.507 -0.2238 0.3704 0.1544 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 10.9600 0.9430 -0.5120
12.507 22.944 12.2530 0.1544 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 10.9600 0.9430 -0.5120
-0.436 -0.2238 0.3704 -0.8752 0.9905 0.6686 0.5100 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
-0.436 -0.2238 0.3704 0.1544 -0.8381 -0.6686 -0.5452 -0.3167 -0.7894 10.9600 -0.4370 -0.5120
-12.789 14.5490 0.3704 -0.8752 -0.8381 -0.6686 -0.5452 -0.3167 -0.7894 -13.6240 -0.4370 -0.5120
2.094 0.6156 0.3704 2.2130 0.9905 -0.6686 -0.5452 0.2963 -0.7894 -13.6240 -0.4370 -0.5120
12.507 -10.6320 -0.4844 1.1840 19.0470 0.6686 -0.5452 0.9094 -0.7894 10.9600 0.9430 1.2430
12.507 0.6156 -0.4844 1.1840 0.0762 -0.6686 -0.5452 -0.9298 -0.7894 10.9600 -0.4370 -0.5120
2.094 -10.6320 -0.4844 1.1840 28.1900 0.6686 -0.5452 -0.9298 0.6907 10.9600 23.2290 -0.5120
0.4075 -10.6320 -0.4844 0.1544 0.9905 -0.6686 -0.5452 -0.9298 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 -10.6320 -0.4844 -0.8752 -0.8381 -0.6686 -0.5452 -0.3167 0.6907 -13.6240 -0.4370 -0.5120
-12.789 -0.2238 -13.3920 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 14.5490 12.2530 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 -0.7478 -0.4370 -0.5120
2.094 0.6156 12.2530 2.2130 -0.8381 0.6686 -0.5452 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
12.507 -0.2238 12.2530 1.1840 0.9905 -0.6686 -0.5452 -0.3167 -0.7894 -13.6240 0.9430 -0.5120
-12.789 0.6156 12.2530 -0.8752 0.0762 0.6686 -0.5452 0.9094 0.6907 10.9600 -0.4370 -0.5120
-0.4357 -10.6320 0.3704 -0.8752 0.0762 -0.6686 -0.5452 -15.4280 -0.7894 -13.6240 -0.4370 -0.5120
-0.4357 0.6156 0.3704 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 -13.6240 -0.4370 -0.5120
-12.789 -10.6320 -21.9410 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 0.6907 -13.6240 -0.4370 -0.5120
-12.789 -10.6320 -21.9410 0.1544 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 -13.6240 -0.4370 -0.5120
-12.789 22.9440 12.2530 -0.8752 0.0762 -0.6686 -0.5452 -15.4280 -0.7894 -13.6240 -0.4370 -0.5120
-0.4357 -10.6320 -21.9410 -0.8752 0.0762 -0.6686 -0.5452 0.2963 -0.7894 -0.1332 -0.4370 -0.5120
-0.4357 -0.2238 -13.3920 -0.8752 0.0762 0.6686 -0.5452 0.9094 -0.7894 0.4815 -0.4370 -0.5120
0.4075 -0.2238 12.2530 -0.8752 0.0762 0.6686 -0.5452 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
-12.789 -0.2238 0.3704 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
0.4075 -10.6320 -21.9410 -0.8752 -0.8381 -0.6686 -0.5452 -15.4280 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 0.6156 -0.4844 -0.8752 0.0762 -0.6686 -0.5452 0.9094 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 -0.2238 0.3704 0.1544 -0.8381 -0.6686 -0.5452 -0.3167 0.6907 0.4815 -0.4370 -0.5120
-0.4357 -0.2238 0.3704 -0.8752 0.0762 0.6686 -0.5452 -0.9298 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 14.549 12.2530 2.2130 -0.8381 0.6686 -0.5452 -0.3167 -0.7894 -13.6240 -0.4370 -0.5120
-0.4357 -10.632 -0.4844 -0.8752 -0.8381 -0.6686 -0.5452 -0.9298 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 14.549 0.3704 1.1840 0.0762 -0.6686 -0.5452 0.2963 0.6907 10.9600 5.0827 -0.5120
-12.789 0.616 12.2530 -0.8752 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 0.4815 -0.4370 -0.5120
-0.4357 22.944 12.2530 0.1544 -0.8381 33.4270 -0.5452 0.9094 0.6907 10.9600 -0.4370 -0.5120
12.507 -0.224 -0.4844 1.1840 0.0762 0.6686 2.6205 0.9094 2.1700 0.4815 -0.4370 2.9980
-12.789 -10.632 -13.3920 -0.8752 -0.8381 -0.6686 -0.5452 0.2963 0.6907 0.4815 -0.4370 -0.5120
-0.4357 -0.224 0.3704 0.1544 -0.8381 0.6686 0.5100 0.9094 0.6907 10.9600 -0.4370 0.3657
-12.789 14.549 -21.9410 -0.8752 -0.8381 -0.6686 -0.5452 0.9094 0.6907 0.4815 -0.4370 0.3657
12.507 -0.224 0.3704 0.1544 0.0762 -0.6686 0.5100 0.9094 -0.7894 -0.1332 -0.4370 0.3657
0.4075 -10.632 0.3704 0.1544 0.9905 -0.6686 0.5100 0.9094 0.6907 -0.1332 -0.4370 -0.5120
-0.4357 14.549 12.2530 -0.8752 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 10.9600 -0.4370 -0.5120
-0.4357 0.616 -0.4844 -0.8752 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 0.4815 -0.4370 -0.5120
0.4075 14.549 12.2530 0.1544 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 -0.1332 -0.4370 -0.5120
12.507 0.616 12.2530 1.1840 -0.8381 -0.6686 36.7570 0.2963 0.6907 -0.7478 -0.4370 0.3657
0.4075 0.616 0.3704 0.1544 0.0762 0.6686 15.6520 0.9094 2.1700 0.4815 -0.4370 1.2430
-0.4357 -0.224 0.3704 -0.8752 0.9905 20.0560 0.5100 0.9094 0.6907 -0.1332 0.9430 0.3657
2.0939 -10.632 12.2530 2.2130 28.1900 33.4270 15.6520 0.9094 0.6907 -13.6240 23.2290 2.9980
-0.4357 -0.224 -0.4844 -0.8752 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 -13.6240 -0.4370 -0.5120
0.4075 14.549 -0.4844 0.1544 -0.8381 -0.6686 -0.5452 0.9094 -0.7894 -13.6240 -0.4370 -0.5120
0.4075 -10.632 -0.4844 -0.8752 0.0762 0.6686 -0.5452 0.9094 0.6907 -0.1332 -0.4370 0.3657
-0.4357 -0.224 -0.4844 0.1544 0.0762 0.6686 15.6520 0.9094 2.1700 -0.1332 0.9430 1.2430
0.4075 -0.224 0.3704 0.1544 19.0470 -0.6686 15.6520 0.9094 2.1700 -0.7478 -0.4370 1.2430
12.507 -0.224 0.3704 2.2130 19.0470 20.0560 2.6205 0.9094 0.6907 -0.7478 23.2290 2.9980
0.4075 -10.632 -0.4844 0.1544 0.0762 0.6686 0.5100 0.2963 2.1700 -0.7478 0.9430 -0.5120
-0.4357 -10.632 -0.4844 1.1840 0.9905 0.6686 0.5100 -0.9298 0.6907 -0.7478 -0.4370 21.2110
-12.789 -0.224 0.3704 -0.8752 -0.8381 -0.6686 -0.5452 -0.3167 0.6907 -0.1332 -0.4370 -0.5120
12.507 -10.632 -0.4844 1.1840 19.0470 0.6686 2.6205 0.9094 0.6907 -0.1332 0.9430 2.9980
0.4075 -0.224 0.3704 0.1544 0.9905 20.0560 0.5100 0.9094 2.1700 -0.7478 0.9430 0.3657
4.4 Metode Hirarki
Berikut merupakan hasil data dari karakteristik responden menggunakan
metode hirarki.
4.4.1 Analisis Proximity
Dibawah ini adalah hasil dari output SPSS pada pengujian proximity
matrix.
Tabel 1.4.7 output SPSS Analisis Proximity
22:Pamekasan 17,499 33,184 15,913 11,065 16,353
23:Pamekasan 13,419 23,414 11,264 8,488 13,980
24:Pamekasan 14,729 20,340 3,391 6,629 16,565
25:Pamekasan 17,062 24,135 6,956 3,275 10,366
26:Pamekasan 18,656 34,341 14,238 10,556 23,310
27:Pamekasan 9,765 14,072 11,186 4,835 10,530
28:Pamekasan 8,820 15,892 13,063 4,254 11,866
29:Sumenep 13,500 20,573 2,325 4,060 12,573
30:Sumenep 23,559 20,715 25,096 15,622 12,771
31:Sumenep 10,626 23,388 9,742 4,557 15,889
32:Sumenep 27,263 25,880 48,523 39,435 46,552
33:Sumenep 12,862 14,245 14,783 5,088 6,339
34:Sumenep 31,788 24,715 27,945 26,857 29,036
35:Sumenep 44,550 53,084 55,757 55,422 67,998
36:Sumenep 17,621 31,844 16,535 8,343 15,231
37:Sumenep 12,296 19,369 20,121 14,109 24,742
38:Sumenep 23,783 26,785 25,704 16,009 14,441
39:Sumenep 7,821 14,893 14,823 8,578 16,012
40:Sumenep 13,164 24,464 13,979 11,078 19,908
41:Sumenep 11,043 8,199 15,808 6,113 8,989
42:Sumenep 9,307 13,614 14,072 4,377 7,050
43:Sumenep 9,361 6,517 19,090 7,275 7,649
Agglomeration Schedule
Cluster 1 Cluster 2
1 27 42 1.2137
2 33 41 1.7934
3 13 18 1.8132
4 24 29 1.8176
5 3 24 2.8583
6 12 25 2.9232
7 5 13 3.1209
8 19 20 3.2508
9 11 56 3.6574
10 23 27 3.8301
11 5 21 3.8334
12 33 43 4.1344
13 12 31 4.2080
14 4 28 4.2541
15 46 58 4.3395
16 45 51 4.4284
17 48 49 4.5897
18 17 59 4.7618
19 11 36 4.7994
20 39 40 5.2125
21 6 15 5.4867
22 50 60 5.6727
23 4 12 6.2416
24 47 53 6.2615
25 22 23 6.3122
26 1 2 7.0724
27 8 10 7.1113
28 46 54 7.3752
29 16 37 7.6122
30 45 52 8.1012
31 3 4 8.1127
32 22 48 8.1411
33 17 19 8.6969
34 11 17 9.1468
35 46 50 9.4173
36 3 8 9.8555
37 22 33 10.0497
38 35 57 10.2065
39 3 26 10.7013
40 6 39 11.5541
41 45 46 11.9603
42 7 9 12.1059
43 22 38 12.5889
44 3 11 13.4459
45 5 22 13.7376
46 3 5 14.4459
47 45 55 14.6329
48 14 30 14.6510
49 16 45 15.4698
50 1 6 16.9442
51 1 14 18.9421
52 35 47 19.9458
53 1 3 20.8824
54 1 16 24.1965
55 1 7 31.5758
56 1 34 32.9078
57 35 44 34.0536
Pada tabel diatas menunjukkan bahwa pada stage pertama terbentuk jarak
terdekat sebesar 1.214 yang terbentuk dari responden 27 dan 42. Pada stage
selanjutnya yaitu stage 10.
4.4.3 Cluster Membership
Dibawah ini adalah hasil dari output SPSS pada pengujian Cluster Membership.
Tabel 1.4.28 output SPSS Cluster membership
39:Sumenep 1
40:Sumenep 1
41:Sumenep 1
42:Sumenep 1
43:Sumenep 1
44:Bangkalan 4
45:Bangkalan 1
46:Bangkalan 1
47:Bangkalan 3
48:Bangkalan 1
49:Bangkalan 1
50:Bangkalan 1
51:Bangkalan 1
52:Bangkalan 1
53:Bangkalan 3
54:Bangkalan 1
55:Bangkalan 1
56:Bangkalan 1
57:Bangkalan 3
58:Bangkalan 1
59:Bangkalan 1
60:Bangkalan 1
Dari tabel diatas dapat diketahui bahwa, jika dibentuk 4 cluster, anggota
dari cluster 1 adalah data 1-31, 33, 34, 36-43, 45, 46, 48-52, 54-56, 58-60.
Untuk anggota dari cluster 2 adalah data 32. Aggota dari cluster 3 adalah data
35, 47, 53, dan 57. Dan untuk cluster 4 anggotanya hanya data 44.
Jika dibentuk 3 cluster, anggota dari cluster 1 adalah data 1-31, 33, 34,
36-43, 45, 46, 48-52, 54-56, 58-60. Untuk anggota dari cluster 2 adalah data
32. Aggota dari cluster 3 adalah data 35, 47, 53, 57, dan 44.
Jika dibentuk 3 cluster, anggota dari cluster 1 adalah data 1-34, 36-43,
45, 46, 48-52, 54-56, 58-60. Untuk anggota dari cluster 2 adalah data 35, 44,
47, 53 dan 57.
4.4.4 Dendogram
Dibawah ini adalah hasil dari output SPSS pada pengujian Dendogram
Tabel 1.4.29 di atas merupakan tabel Initial Cluster Centers hasil output
SPSS dimana merupakan hasil awal cluster sebelum dilakukan proses iterasi
untuk mendapatkan hasil yang paling tepat.
4.5.2 Iteration History
Dibawah ini adalah hasil dari output SPSS pada pengujian Initial Cluster
Center.
Tabel 1.4.30 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
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
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 pendapatan yaitu 2.275 bernilai lebih
kecil dibandingkan dengan nilai rata-rata sesungguhnya yaitu sebesar 2.516.
4.5.6 ANOVA
Hipotesis :
H0 = µ1 = µ2 = Tidak terdapat perbedaan pada cluster yang terbentuk
H1 ≠ µ1 ≠ µ2 = Terdapat perbedaan pada cluster yang terbentuk
Pengambilan keputusan :
Fhitung ≥ Ftabel maka, tolak H0
Fhitung < Ftabel maka, terima H0.
Dibawah ini adalah hasil dari output SPSS pada pengujian ANOVA.
Tabel 1.4.34 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.
Dari tabel 1.4.34 diatas diketahui bahwa variabel yang memiliki nilai
Fhitung terbesar yaitu variabel harga properti dengan nilai sebesar 53,1745937,
hal itu berarti variabel harga properti yang paling berpengaruh terhadap
segmentasi pasar. Pada z(harga properti) nilai Fhitung 53,174 > Ftabel 2,77, maka
tolak H0, yang berarti terdapat perbedaan pada cluster yang terbentuk.
Dengan Ftabel 2,77, maka variabel yang tolak H0 (terdapat perbedaan pada
cluster yang terbentuk) yaitu z(pendapatan), z(pengeluaran), z(harga HP),
z(jumlah transportasi), z(harga mainan), z(lama di luar rumah), z(beli mainan
sebulan), z(jumlah ATM), dan z(jumlah HP). Sedangkan variabel yang terima
H0 (tidak terdapat perbedaan pada cluster yang terbentuk) yaitu z(jumlah
anak), z(jumlah tanggungan), dan z(jarak ke kota)
4.5.7 Jumlah Anggota disetiap cluster
Dibawah ini adalah hasil dari output SPSS pada pengujian jumlah
anggota disetiap cluster.
Tabel 1.4.35 output SPSS 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 1.4.36 output SPSS Number of cases in each cluster (pekerjaan)
1 2 3 4 Total
Count 0 8 13 2 23
% within Jenis_kelamin 0% 34.78% 56.52% 8.69% 100%
Count 3 2 27 5 37
% within Jenis_kelamin 8.33% 5.56% 72.22% 13.89% 100%
Count 3 10 40 7 60
% within Jenis_kelamin 5% 16.67% 66.67% 11.67% 100%
Tabel 1.4.37 output SPSS Number of cases in each cluster (pentingnya edukasi pada
mainan)
Lain-lain
Total
Pentingnya_edukasi Penting
Cukup penting
Sangat penting
Tabel 1.4.38 output SPSS Number of cases in each cluster (daerah)
Tidak penting
Total
Daerah Bangkalan
Tabel 1.4.39 output SPSS Number of cases in each cluster (jenis kelamin)
Pamekasan
Sampang
Sumenep
Total
Dari tabel 1.4.36 dapat diketahui bahwa pada jenis pekerjaan PNS
terdapat 9 anggota. Pada cluster 2 terdapat 3 anggota dengan prosentase
sebesar 33, 33%, pada cluster 3 terdapat 5 anggota dengan prosentase sebesar
55,56%, dan pada cluster 4 terdapat 1 anggota dengan prosentase sebesar
11,11%. Untuk jenis pekerjaan wiraswasta terdapat 29 anggota. Pada cluster
1 terdapat 2 anggota dengan prosentase sebesar 6,89%, pada cluster 2
terdapat 6 anggota dengan prosentase sebesar 20,68%, pada cluster 3 terdapat
17 anggota dengan prosentase sebesar 58,62%, dan pada cluster 4 terdapat 4
anggota dengan prosentase sebesar 13,79%. Untuk jenis pekerjaan petani
terdapat 6 anggota pada cluster 3 dengan prosentase sebesar 100%. Untuk
jenis pekerjaan 5, yaitu lain-lain terdapat 16 anggota. Pada cluster 1 terdapat
1 anggota dengan prosentase sebesar 6,25%, pada cluster 2 terdapat 1
anggota dengan prosentase sebesar 6,25%, pada cluster 3 terdapat 12 anggota
dengan prosentase sebesar 75%, dan pada cluster 4 terdapat 2 anggota dengan
prosentase sebesar 12,5%.
Dari tabel 1.4.37 dapat diketahui bahwa pada pilihan penting terdapat 24
anggota. Pada cluster 1 terdapat 2 anggota dengan prosentase sebesar 8,33%,
pada cluster 2 terdapat 1 anggota dengan prosentase sebesar 4,17%, pada
cluster 3 terdapat 19 anggota dengan prosentase sebesar 79,17%, dan pada
cluster 4 terdapat 2 anggota dengan prosentase sebesar 8,33%. Untuk pilihan
responden cukup penting terdapat 17 anggota. Pada cluster 1 terdapat 0
anggota dengan prosentase sebesar 0%, pada cluster 2 terdapat 8 anggota
dengan prosentase sebesar 47,06%, pada cluster 3 terdapat 8 anggota dengan
prosentase sebesar 47,06%, dan pada cluster 4 terdapat 1 anggota dengan
prosentase sebesar 5,88%. Untuk pilihan responden sangat penting terdapat 9
anggota pada cluster 1 terdapat 1 anggota dengan prosentase sebesar 11,11%,
pada cluster 3 terdapat 4 anggota dengan prosentase sebesar 44,44%, pada
cluster 4 terdapat 4 anggota dengan prosentase sebesar 44,44%. Untuk pilihan
responden tidak penting, terdapat 5 anggota. Pada cluster 2 terdapat 1 anggota
dengan prosentase sebesar 20%, pada cluster 3 terdapat 1 anggota dengan
prosentase sebesar 80. Untuk pilihan responden sangat tidak penting, terdapat
5 anggota pada cluster 3 terdapat 5 anggota dengan prosentase sebesar 100%.
Dari tabel 1.4.38 dapat diketahui bahwa pada responden daerah
Bangkalan terdapat 17 anggota. Pada cluster 2 terdapat 7 anggota dengan
prosentase sebesar 41,18%, pada cluster 3 terdapat 4 anggota dengan
prosentase sebesar 23,53%, dan pada cluster 4 terdapat 6 anggota dengan
prosentase sebesar 35,29%. Untuk responden daerah Pamekasan terdapat 15
anggota. Pada cluster 2 terdapat 1 anggota dengan prosentase sebesar 6,67%,
dan pada cluster 3 terdapat 14 anggota dengan prosentase sebesar 93,33%.
Untuk responden daerah Sampang terdapat 13 anggota pada cluster 1
terdapat 2 anggota dengan prosentase sebesar 15,38%, dan pada cluster 3
terdapat 11 anggota dengan prosentase sebesar 84,62%. Untuk responden
daerah Sumenep terdapat 15 anggota. Pada cluster 1 terdapat 1 anggota
dengan prosentase sebesar 6,67%, pada cluster 2 terdapat 2 anggota dengan
prosentase sebesar 13,33%, pada cluster 3 terdapat 11 anggota dengan
prosentase sebesar 73,33%, dan pada cluster 4 terdapat 1 anggota dengan
prosentase sebesar 6,67%.
Dari tabel 1.4.39 dapat diketahui bahwa pada responden jenis kelamin
laki-laki terdapat 23 anggota. Pada cluster 2 terdapat 8 anggota dengan
prosentase sebesar 34,78%, pada cluster 3 terdapat 13 anggota dengan
prosentase sebesar 56,52%, dan pada cluster 4 terdapat 2 anggota dengan
prosentase sebesar 8,69%. Untuk responden jenis kelamin perempuan
terdapat 37 anggota. Pada cluster 1 terdapat 3 anggota dengan prosentase
sebesar 8,33%, pada cluster 2 terdapat 2 anggota dengan prosentase sebesar
5,56%, pada cluster 3 terdapat 27 anggota dengan prosentase sebesar 72,22%,
dan pada cluster 4 terdapat 5 anggota dengan prosentase sebesar 13,89%.
4.7 Grafik Pencaran (Scatter)
Dibawah ini adalah hasil dari output SPSS Scatter Plot.
5.1 Kesimpulan
Berikut kesimpulan-kesimpulan yang dapat diambil setelah melakukan
praktikum analisis cluster sebagai berikut:
1. Dalam melakukan analisis cluster, dasarnya harus bisa menggunakan SPSS
karena dalam melakukan analisis cluster tersebut membutuhkan bantuan SPSS,
melakukan analisis cluster dapat dilakukan dengan cara klik analyze, lalu
classify, selanjutnya pilih Hierarchichal Cluster kemudian masukkan variabel-
variabel yang ada. Hasil dari analisis cluster dapat diterapkan dalam berbagai
bidang, salah satunya bidang bisnis dimana dalam bidang bisnis tersebut
biasanya lebih kedalam pembuatan segmentasi pasar. Berdasarkan pengolahan
data yang telah dilakukan, cluster dibentuk berdasarkan jarak terdekat atau
minimum. Jadi, dua atau lebih responden yang memiliki jarak terdekat akan
membentuk suatu cluster.
2. Melakukan penelitian pasar tidak boleh sembarangan, ada kegiatan sistematis
yang harus dilakukan, diantaranya merumuskan masalah, menentukan tujuan
penelitian, mengumpulkan data, mengolah data serta menginterpretasikan hasil
penelitian. Semua kegiatan sistematis ini harus dilakukan secara runtut agar
menghasilkan kesimpulan yang tepat dan bisa digunakan untuk pengambilan
keputusan.
3. Dalam data mining sendiri, analisis cluster digunakan untuk mengidentifikasi
sekelompok obyek yang mempunyai kemiripan karakteristik tertentu yang
dapat dipisahkan dengan kelompok obyek lainnya. Jadi, dengan melakukan
pengambilan data dengan cara menyebar kuesioner terhadap 60 reponden,
kemudian merekap kuesioner yang terkumpul dan mengolahnya menggunakan
bantuan SPSS hal itu merupakan kegiatan data mining yang dimaksud karena
dengan begitu dapat diidentifikasi sekelompok obyek (dalam hal ini responden)
yang mempunyai kemiripan karakteristik yang nantinya dapat dipisahkan
dengan kelompok lainnya.
4. Asumsi-asumsi analisis cluster diantaranya data harus representatif,
maksudnya sampel yang diambil benar-benar bisa mewakili populasi yang ada.
Serta data harus bersifat multikolinearitas, yaitu kemungkinan adanya korelasi
antar objek. Dalam hal ini, semua data telah memenuhi asumsi-asumsi yang
ada, dan dari pengolahan data yang telah dilakukan diperoleh beberapa output
model analisis cluster salah satunya seperti yang terdapat pada tabel output
Anova, dimana pada tabel tersebut variabel yang memiliki nilai F hitung terbesar
yaitu variabel harga properti dengan nilai sebesar 53,1745937, hal itu berarti
variabel harga properti tersebut merupakan variabel yang paling berpengaruh
terhadap segmentasi pasar.
5.2 Saran
Berikut saran yang sekiranya dapat digunakan untuk mengevaluasi praktikum
untuk kedepannya:
Sebaiknya para asisten menyediakan dan memberikan surat ijin untuk melakukan
pengambilan data untuk praktikan supaya calon responden bisa percaya dan tidak
ragu terhadap praktikan yang benar-benar hendak melakukan pengambilan data.
DAFTAR PUSTAKA