Analisis Kluster
Analisis Kluster
MAP
METODE ANALISIS
Analisis Kluster
Erma Fitria Rini
PERENCANAAN
2018
Analisis Dependensi
Besarnya pengaruh dari
• Crosstab perubahan variabel bebas
terhadap perubahan variabel tak
• Korelasi bebas
• Regresi
Analisis Interdependensi
• pengelompokkan / pengklasifikasian /
• Klaster pengklasteran
• variabel tidak dibedakan menjadi bebas dan tak
• Faktor bebas, variabel mempunyai derajat tingkat yang
sama
1
23-10-2018
Analisis Cluster
Cluster analysis divides data into groups (clusters) that are meaningful,
useful, or both. The goal is that the objects within a group be similar (or
related) to one another and different from (or unrelated to) the objects in
other groups.
EFR 3
EFR 4
2
23-10-2018
Contoh Kasus
Individu Asal Hobby Makanan favorit
EFR 5
Prinsip:
• Pengelompokan berdasarkan similarity (kesamaan) antar objek
• Meminimalkan jarak antar objek dalam cluster (within cluster)
• Memaksimalkan jarak antar kelompok (between cluster)
Pertanyaan dasar:
1. Bagaimana mengukur similarity antar objek???
2. Bagaimana prosedur membentuk cluster berdasarkan hasil pengukuran
similarity-nya???
3
23-10-2018
MENGUKUR SIMILARITY:
Prinsip pengukuran:
mengukur atau memperkirakan kesamaan antara pasangan-
pasangan objek dalam data, berdasarkan jarak (distance) atau
perbedaan (difference) antara sepasang objek
Metode:
•Correlation coefficients: nilai korelasi antara sepasang objek
yang diukur berdasarkan variabel-variabelnya
•Euclidean Distances:berdasakan jarak terdekat antara dua objek
yang diukur berdasarkan nilai variabel-variabelnya
•Matching-type measure of similarity: mencocokkan kesamaan
antar objek (untuk objek-objek kualitatif)
4
23-10-2018
• Correlation
coefficients: • Karakter variabel (diskrit,
• Euclidean continyu, binary)
Distances • Skala pengukuran variabel
(nominal, ordinal, interval,
• Matching-type ratio)
measure of
similarity:
Metode •Hierarchical
•Non-Hierarchical
Cluster
EFR 10
5
23-10-2018
Data: Cluster
Matrik
Objek dengan yang
similarity terbentuk
karakteristiknya
Hierarchical Methods:
• Pengelompokan objek secara bertahap dan bertingkat sesuai
dengan skala similarity-nya
• Jika suatu objek dikelompokkan ke dalam suatu cluster, maka
objek tersebut tetap berada pada kelompok tersebut,
sehingga jika ketika objek tadi akan dikelompokkan dengan
objek lain, maka culster-nya akan dikelopompokkan juga
• Penentuan jumlah cluster ditentukan kemudian sesuai dengan
keinginan peneliti
6
23-10-2018
EFR 14
7
23-10-2018
Step-by-step
• Standarize data
Klik Analyze pilih Descriptive statistic pilih descriptive.
Hierarchy
Masukkan variabel sesuai tujuan analisis, dan aktifkan kotak save standardized values as
variables . Kemudian tekan OK.
• Analyze, pilih Classify lalu Hierarchical cluster
• Masukkan variabel
• Label Cases by…. Masukkan variabel dimana cluster akan dilakukan berdasarkan variabel tersebut
(mis, kecamatan)
• Klik icon statistic
• Pada bagian Cluster Membership, aktifkan pilihan Range of Solution . Misal isi from dengan 2 lalu
through dengan 3. Hal ini berarti akan dibuat kemungkinan 2 sampai 3 cluster.
• Continue
• Kemudian klik icon PLOTS. Aktifkan kotak Dendogram
• Untuk bagian ICICLE, pilih none
• continue
• Klik icon Method
• Pada kotak Cluster method, pilih Ward’s Method
• Continue
• OK
EFR 16
8
23-10-2018
Non-Hierarchical Method:
Step-by-step
• Standarize data
Klik Analyze pilih Descriptive statistic pilih descriptive.
K-Means
Masukkan variabel sesuai tujuan analisis, dan aktifkan kotak save standardized values as
variables . Kemudian tekan OK.
• Analyze, pilih Classify lalu K-Means cluster
• Masukkan variabel
• Label Cases by…. Masukkan variabel dimana cluster akan dilakukan berdasarkan variabel tersebut
(mis, kecamatan)
• Isikan jumlah cluster yang ingin dibentuk
• Klik Save, aktif kan cluster membership dan distance from cluster center
• continue
• Klik option, aktifkan initial cluster center, ANOVA tabel, dan Cluster information.
• Aktifkan exclude (pilih pairwise atau listwise sesuai kebutuhan)
• Continue
• OK
EFR 18
9
23-10-2018
EFR 19
2 cluster
EFR 20
10
23-10-2018
3 cluster
EFR 21
4 cluster
EFR 22
11
23-10-2018
EFR 23
12