Analisis Cluster Untuk

Segmentasi Pasar
Analisis Cluster
 Analisis Cluster termasuk dalam kategori
statistik deskriptiv.

 Tujuan dari Analisis Cluster adalah

mengelompokkan obyek berdasarkan
kesamaan karakteristik di antara obyek-
obyek tersebut.
Kriteria Cluster yg Baik
 Dengan demikian, ciri-ciri suatu cluster yang
baik yaitu mepunyai :

 Homogenitas internal (within cluster); yaitu

kesamaan antar anggota dalam satu cluster.

 Heterogenitas external (between cluster);

yaitu perbedaan antara cluster yang satu
dengan cluster yang lain.
An Ideal Clustering Situation

Variable 1

Variable 2
A Practical Clustering Situation

Variable 1

X
Variable 2
Tahapan Analisis Cluster
Formulasikan permasalahannya

Pilih sebuah ukuran jarak

Pilih prosedur pengelompokan

Pilih metode penggabungan

Putuskan berapa jumlah clusternya

Interpretasi dan profil cluster

Beberapa Ukuran Jarak
Prosedur Pengelompokan
 Adapun metode pengelompokan dalam analisis
cluster meliputi :

Metode Hirarkis; memulai pengelompokan dengan

dua atau lebih obyek yang mempunyai kesamaan
paling dekat. Kemudian diteruskan pada obyek yang
lain dan seterusnya hingga cluster akan membentuk
semacam ‘pohon’ dimana terdapat tingkatan
(hirarki) yang jelas antar obyek, dari yang paling
mirip hingga yang paling tidak mirip. Alat yang
membantu untuk memperjelas proses hirarki ini
disebut “dendogram”.
Prosedur pengelompokan
 Metode Non-Hirarkis; dimulai dengan
menentukan terlebih dahulu jumlah cluster
yang diinginkan (dua, tiga, atau yang lain).
Setelah jumlah cluster ditentukan, maka
proses cluster dilakukan dengan tanpa
mengikuti proses hirarki. Metode ini biasa
disebut “K-Means Cluster”.
Metode penggabungan
Single Linkage
Minimum
Distance

Cluster 1 Cluster 2
Complete Linkage
Maximum
Distance

Cluster 1 Cluster 2
Average Linkage

Average
Cluster 1 Distance Cluster 2
Contoh Kasus
Seorang pemilik restoran ingin mengidentifikasi kelompok
segmen pelanggannya berdasarkan variabel-variabel yang
telah ditetapkan, yaitu:
1. Rasa
2. Harga
3. Suasana
4. Kehalalan Makanan
5. Variasi Makanan
6. Musik
Data
Sebagian datanya dapat dilihat pada tabel
dibawah ini.
Komputasi SPSS
 1. Define Variable
 2. Entry Data
 3. Klik Analyze  Clasify  Hierachical Cluster
 4. Masukkan semua variable dan isi label case
dengan pelanggan
 5. Klik Statistic  pilih proximity matrix
Cluster membership: Range of clusters
( 2 - 4)
 6. Klik Plot  Centang Dendogram
Orientation: Horizontal  Continue
 7. Klik Method  Cluster method: Nearest
Neighbor  Continue
Output: cluster membership
Menentukan Profile msg2 Cluster