Herdy Herlambang Putra K

242020009
Metode Analisis Perencanaan AC

ANALISIS CLUSTER

( Modul 6 )

Masukan data yang akan dianalisis pada data view

Sesuikan name, type, width, decimals, label, values, missing, columns, align, measure di variable
view
Pilih analyze kemudian descriptive statistics

lalu klik descriptives

Jika muncul kolom descriptives kemudian pindahkan semua variable ke variable(s), ceklis save
standardized lalu
Pada output muncul table descriptive statistics yang menampilkan keseluruhan nilai dari masing
masing variabel

Hasil z-score muncul pada data view

 K-MEANS CLUSTER

Pilih analyze kemudian classify lalu K-Means Custe

Pindahkan data tk, sd, smp, sma ke Variables dan Kecamatan ke label cases
Pilih save lalu akan muncul K-Means Cluster dan

c
entang semua kemudian continue

Pilih options lalu centang initial cluster centers dan anova pada statistics dan pilih exckude cases
listwise di missing values kemudian continue
Tabel di bawah merupakan tampilan proses clustering data sebelum dilakukan iterasi. Untuk
mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 20 obyek yang
diteliti, terlihat bahwa proses clustering yang dilakukan melalui 2 tahapan iterasi untuk mendapatkan
cluster yang tepat. Dari table dibawah, jarak minimum antar pusat cluster yang terjadi dari hasil iterasi
adalah 2,615.

iteration menggunakan zscore

iteration tanpa zscore

Dari table diatas, terlihat bahwa proses clustering yang dilakukan melalui 2 tahapan iterasi untuk
mendapatkan cluster yang tepat. Dari table dibawah, jarak minimum antar pusat cluster yang terjadi
dari hasil iterasi adalah 32,357.

Final Cluster Centers menggunakan zscore

Dari tabel output Final Cluster Centers yang pakai z score diatas ini, dapat didefinisikan sebagai
berikut :

- Cluster-1 : Dalam cluster-1 ini berisikan kecamatan yang mempunyai TK, SD,
SMP, SMA yang lebih dari rata-rata populasi kecamatan yang diteliti. Hal ini terbukti dari
nilai positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan variabel.
Oleh karena itu, dapat diduga bahwa cluster-1 ini merupakan pengelompokan dari kecamatan-
kecamatan besar.
- Cluster-2 : Karakteristik kota yang masuk dalam pengelompokan cluster-2 yaitu
memiliki rata-rata SD, SMP, SMA yang melebihi rata-rata populasi kecamatan yang diteliti.
Untuk instrumen variabel yang lain di cluster-2 ini berada di atas rata-rata populasi. Oleh
karena itu, dapat diduga sekumpulan kecamatan menengah keatas berada pada cluster-2.
 - Cluster-3 : Sedangkan karakteristik kota-kota yang mengelompok pada cluster-3 adalah
keseluruhan instrumen penilai berada pada posisi dibawah rata-rata populasi kecamatan yang

diteliti. Oleh karena itu, dapat diduga bahwa cluster-3 merupakan pengelompokan kecamatan-
kecamatan kecil.
- Cluster-4 : Berisikan kecamatan yang mempunyai TK, SD, SMP, SMA yang lebih dari
rata-rata populasi kecamatan yang diteliti. . Hal ini terbukti dari nilai positif (+) yang terdapat
pada tabel Final Cluster Centers dalam keseluruhan variabel. Oleh karena itu, dapat diduga
bahwa cluster-1 ini merupakan pengelompokan dari kecamatan- kecamatan besar.

Instrumen TK yang paling menunjukkan adanya perbedaan diantara kota-kota pada keempat
cluster yang terbentuk. Hal ini dengan ditunjukkannya nilai F = 41. 739 dan sig = 0,000.

Final Cluster Centers tanpa zscore

Dari tabel output Final Cluster Centers yang tidak pakai z score diatas ini, dapat didefinisikan sebagai
berikut :

- Cluster-1 : Dalam cluster-1 ini berisikan kecamatan yang mempunyai TK, SD,
SMP, SMA yang lebih dari rata-rata populasi kecamatan yang diteliti. Hal ini terbukti dari
nilai positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan variabel.
Oleh karena itu, dapat diduga bahwa cluster-1 ini merupakan pengelompokan dari kecamatan-
kecamatan besar.
- Cluster-2 : Dalam cluster-2 ini berisikan kecamatan yang mempunyai TK, SD, SMP,
SMA yang lebih dari rata-rata populasi kecamatan yang diteliti. Hal ini terbukti dari nilai
positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan variabel. Oleh
karena itu, dapat diduga bahwa cluster-2 ini merupakan pengelompokan dari kecamatan-
kecamatan besar.
- Cluster 3 : Dalam cluster-3 ini berisikan kecamatan yang mempunyai TK, SD, SMP,
SMA yang lebih dari rata-rata populasi kecamatan yang diteliti. Hal ini terbukti dari nilai
positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan variabel. Oleh
karena itu, dapat diduga bahwa cluster-3 ini merupakan pengelompokan dari kecamatan-
kecamatan besar.
- Cluster 4 : Dalam cluster-4 ini berisikan kecamatan yang mempunyai TK, SD, SMP,
SMA yang lebih dari rata-rata populasi kecamatan yang diteliti. Hal ini terbukti dari nilai
positif (+) yang terdapat pada tabel Final Cluster Centers dalam keseluruhan variabel. Oleh
 karena itu, dapat diduga bahwa cluster-4 ini merupakan pengelompokan dari kecamatan-
kecamatan besar.

Tabel Anova menggunakan

zscore

Tabel Anova tanpa zscore

Number of Cases in each Cluster menggunakan zscore

Dapat terlihat jelas bahwa cluster-1 beranggotakan 1 kecamatan, cluster-2 berisi 2 kecamatan, dan
pada cluster-3 terdapat 14, dan cluster-4 berisi 3 kecamatan yang mengelompok.

Number of Cases in each Cluster tanpa zscore

Dapat terlihat jelas bahwa cluster-1 beranggotakan 2 kecamatan, cluster-2 berisi 2 kecamatan, dan
pada cluster-3 terdapat 14, dan cluster-4 berisi 2 kecamatan yang mengelompok.
 Pertanyaan

1. Sebutkan anggota masing-masing cluster dari 3 cluster yang terbentuk (jelaskan

dengan menunjukan output SPSS dan interpretasinya) (memakai z-score)

Cluster-1 : berisikan keacamatan Gunung Putri, dengan jarak terhadap pusat cluster-1 adalah 0.000

Cluster 2 berisikan kecamatan Leuwiliang dan Kecamatan Rumpin dengan masing-masing jarak
terhadap pusat cluster-2 : 0.68570 dan 0.68570.

Cluster 3 berisikan kecamatan, Cibungbu, Parung, Dramaga, Ciomas, Jasinga, Ciseeng, Caringin,
Cisarua, Sukaraja, Pamijahan, Cileungsi, Kelapanunggal, Megamendung, dan Kemang dengan
masing-masing jarak terhadap pusat cluster-3 :0.77835, 1.26692, 0.66740, 0.54701, 0.94921, 0.69590,
0.44914, 0.91903, 0.78513, 0.46205, 0.78283, 0,42394, 0.37988, 1.13880.

Cluster 4 berisikan kecamatan Citeureup, Cibinong, Bojonggede dengan masing-masing jarak

terhadap pusat cluster-4 : 0.92310, 0.81333, 1.30110.
 (tidak memakai z-score)

Cluster-1 : berisikan keacamatan Gunung Putri, Cibinong dengan jarak terhadap pusat cluster-1
adalah 12.30853, 12.30853

Cluster 2 berisikan kecamatan Rumpin dengan jarak terhadap pusat cluster-2 : 10.64190

Cluster 3 berisikan kecamatan Cisarua, Sukaraja, Cileungsi, Kelapanunggal, Megamendung, Kemang

dengan masing-masing jarak terhadap pusat cluster-3 : 16.06508, 10,08965, 12.59029, 3.35106,
7.21711, 12.37282

Cluster 4 berisikan kecamatan Citeureup, Bojonggede dengan masing-masing jarak terhadap pusat
cluster-4 : 10.68878, 10.68878.

2. Kecamatan apa saja yang akan dipilih oleh Bappeda litbang untuk mendapatkan program tersebut?

(yang memakai z-score) Kecamatan, Cibungbu, Parung, Dramaga, Ciomas, Jasinga, Ciseeng,
Caringin, Cisarua, Sukaraja, Pamijahan, Cileungsi, Kelapanunggal, Megamendung, dan Kemang
karena berada pada posisi dibawah rata-rata populasi kecamatan yang diteliti.

(yang tidak memakai z-score) Tidak ada kecamatan yang dipilih oleh Litbang karena semua cluster
bernilai positif atau lebih dari rata- rata

3. Hitung rata-rata jumlah SD di keempat cluster yang terbentuk (yang pakai memakai z-score)

Rata-rata jumlah SD di cluster 1 = 28,75 + (1,44482 x 19.553) = 56,99

Rata-rata jumlah SD di cluster 2 = 28,75 + ( 2,16084 x 19. 553) = 71

Rata-rata jumlah SD di cluster 3 = 28,75 + (-0,49135 x 19. 553) = 19,143

Rata-rata jumlah SD di cluster 4 = 28,75 + (0,37080 x 19.553) = 36

(yang tidak memakai z score)

Rata -rata jumlah SD di cluster 1 = 28,75 = (52 x 19.553) = 1045.256

Rata-rata jumlah SD di cluster 2 = 28,75 + (71 x 19. 553) = 1416.763

Rata-rata jumlah SD di cluster 3 = 28,75 + (19 x 19. 553) = 400.007

Rata-rata jumlah SD di cluster 4 = 28,75 + (31x 19.553) = 634.643