Metode Analisis Cluster

Nama Kelompok:
1. Reza Akbar Velayatie D1091141015
2. Qhadafi D1091141018
3. Ganjar Ilham Wahyudi D1091141020
4. Elsa Yulianti Utami D1091141021
5. Hana Izdihar Oktaviani D1091141034
Pengertian Metode Analisis Cluster

Analisis cluster merupakan teknik multivariat yang

mempunyai tujuan utama untuk mengelompokkan objek-objek
berdasarkan karakteristik yang dimilikinya.
Analisis cluster mengklasifikasi objek sehingga setiap objek
yang paling dekat kesamaannya dengan objek lain berada dalam
cluster yang sama.
Bedanya dengan analisis faktor adalah bahwa analisis
cluster terfokus pada pengelompokan objek sedangkan
analisis faktor terfokus pada kelompok variabel.
 Manfaat, Asumsi dan Metode
Manfaat
1. Menerapkan dasar-dasar pengelompokan dengan lebih konsisten
2. Menemukan tipologi yang cocok dengan karakter objek yang diteliti
3. Mendiskripsikan sifat-sifat atau karakteristik dari masing-masing
kelompok

Asumsi
1. Sampel yang diambil benar-benar dapat mewakili populasi yang ada
(representativeness of the sample)
2. Multikolinieritas.

Terdapat 2 metode:
1. Metode Hirarkis. Disebut juga Metode Aglomerativ.
2. Metode Non-Hirarkis. Disebut juga Metode K-Means.
 Studi Kasus
Dari penelitian yang dilakukan terhadap 12 kota, ingin diketahui
pengelompokan kota-kota tersebut berdasarkan instrumen 5 variabel yaitu:
jumlah pendapatan kota (trilyun Rp)
jumlah pinjaman pemerintah kota (milyar Rp)
jumlah dana hibah yang dimiliki kota (milyar Rp)
jumlah konsumsi pemerintah kota (milyar Rp)
jumlah penduduk kota (juta jiwa).
Langkah 1 Standardisasi/Transformasi
Output Standardisasi/Transformasi
Langkah 2 Analisis Cluster
1. Metode K-Means (Non Hirarki)
 Output Analisis Cluster (K-Means)
Awal Proses Menentukan Iterasi

Hasil Akhir Nilai negatif

Proses (-) di bawah
rata - rata
total.
Nilai positif
(+) di atas
rata - rata
total.
 Rumus

Contoh, rata-rata jumlah pendapatan kota di cluster-1 yaitu :

(rata-rata pendapatan seluruh kota) + (0,98858 x standar deviasi rata-rata
pendapatan)
= 72,58 + (0,98858 x 12,965) = 85,3969
Jadi rata-rata jumlah pendapatan kota yang berada di cluster-1 adalah Rp
5,3969 trilyun.
 Output Analisis Cluster (K-Means)

Melihat
Perbedaan Antar
Variabel

Semakin besar nilai F dan (sig < 0,05), maka semakin besar perbedaan
variabel
pada cluster yang terbentuk.
Output Analisis Cluster (K-Means)

Melihat Jumlah
Objek
Mengetahui kotadalam Jarak Antar Obyek
Setiap Cluster
yang masuk dengan Pusat
dalam Cluster Cluster

Cluster 1: Kota G, I, J, K, L
Cluster 2: Kota B, F, H
Cluster 3: Kota A, C, D, E
 Interpretasi

Kesimpulan
Cluster 1: Kota G, I, J, K, L
Cluster 2: Kota B, F, H
Cluster 3: Kota A, C, D, E

Cluster-1
Nilai positif (+) yang terdapat pada tabel Final Cluster Centers dalam
keseluruhan variabel. Kota-kota besar.
Cluster-2
Rata-rata jumlah pinjaman dan jumlah konsumsi yang melebihi rata-rata
populasi (+) sedangkan pendapatan, dana hibah dan penduduk dibawah rata-
rata populasi (-). Kota-kota sedang
Cluster-3
Keseluruhan variabel penilai berada pada posisi dibawah rata-rata populasi
kota yang diteliti. Kota-kota kecil.
 Langkah 2 Analisis Cluster
1. Metode Hierarchical Cluster (Hirarki)
Output Analisis Cluster (Hirarki)

Data sejumlah 12 obyek

telah diproses tanpa ada
data yang hilang.
 Output Analisis Cluster (Hirarki)
Menunjukkan matrik jarak
antara variabel satu dengan
variabel yang lain

Semakin kecil jarak euclidean, maka semakin mirip kedua variabel

tersebut
Output Analisis Cluster (Hirarki)
Output Analisis Cluster (Hirarki)
Output Analisis Cluster (Hirarki)

Kesimpulan
Cluster 1: Kota A,B,C,D,E,H
Cluster 2: Kota F,G,I,J,K,L
 Interpretasi
Cluster-1
Kelima variabel memiliki rata-rata lebih kecil dibanding cluster yang
lain. Anggotanya yaitu Kota A, Kota B, Kota C, Kota D, Kota E dan
Kota H, disebut kota kecil.
Cluster-2
Kelima variabel memiliki rata-rata lebih besar dibanding cluster yang
lain. Anggotanya yaitu Kota F, Kota G, Kota I, Kota J, Kota K, Kota L,
disebut kota besar.

Page 19
Kesimpulan
Dari Studi Kasus dengan menggunakan Metode Analisis Cluster,
diketahui anggota dari Kota Besar, Kota Sedang dan Kota Kecil.
Dalam Perencanaan Wilayah dan Kota, pengelompokan kota
tersebut berfungsi:
1. Untuk merumuskan perencanaan kota yang sesuai dengan
karakteristik masing- masing klasifikasi kota
2. Untuk merumuskan kebutuhan kota yang sesuai dengan
karakteristik masing- masing klasifikasi kota
Thank You