STMIK TRIGUNA DHARMA

Metode-Metode Terkait Pengelompokan Hierarki Aglomeratif

Kunci operasi metode AHC (Algoritma Hierarki Cluster) adalah
penggunaan ukuran kedekatan (proximity) diantara dua kelompok”
(Hartini dalam Prasetyo, 2012 : 214).
Ada tiga tehnik kedekatan yang dijelaskan disini:

Single Linkage

Complete Linkage

Average Linkage

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA

Single • Jarak Terdekat atauTautan tunggal memberikan

Linkag hasil bila kelompok-kelompok digabungkan

menurut jarak antara anggota-anggota yang
terdekat diantara dua kelompok.
e
• Jarak Terjauh atau Tautan lengkap terjadi bila
Complete kelompok-kelompok digabungkan menurut
jarak antara anggota-anggota yang terjauh
Linkage di antara dua kelompok.

• Jarak Rata-rata atau Tautan rata-rata

Average digabungkan menurut jarak rata-rata
pasangan-pasangan anggota masing-
Linkage masing pada himpunan di antara dua
kelompok
 STMIK TRIGUNA DHARMA

Tehnik Pengukuran Jarak

Ada beberapa macam ukuran jarak yang biasa dipakai dalam analisis
cluster, diantaranya :
Eucladian Distance

Manhattan

Pearson

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA
1. Pembentukan kelompok tergantung apakah jarak dari objek
kekelompok pertama lebih dekat dibandingkan dengan jarak objek
tersebut dengan objek lainnya yang belum terkelompok

Keterangan Rumus :
X = Rata-rata data X
Xi = Data X ke-i
N = Banyak data X
Std (X) = Standar deviasi data X
Zi = Data standar (skor
standar) X ke-i

Langkah Pasti Menuju Sukses

 n

STMIK TRIGUNA DHARMA

dAB = ∑ | x1 - y1 |2
i=1
Keterangan Rumus :
dAB = Ukuran kemiripan / ketidakmiripan antara objek ke-x dengan objek ke-y.

2. Menentukan ukuran kemiripan atau ketidakmiripan antar data dengan

metode jarak Euclidean

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA

Sampel Kasus:
Analisis cluster termasuk dalam analisis multivariat yang
mewakili seluruh hubungan interdependensi, tidak ada
perbedaan variabel bebas dan variabel tidak bebas
(independent and dependent variables) dalam analisis ini.
Analisis cluster adalah teknik yang digunakan untuk
mengidentifikasi objek atau individu yang serupa dengan
memperhatikan beberapa kriteria.

Langkah Pasti Menuju Sukses

 Negara
No Lagu Waktu Putar Genre Musik
Asal
1 Timmy Thomas - You Are All I Need 05.00 - 05.59 Barat Pop
Lighthouse Family - Ain't No
2 Sunshine 06.00 - 06.59 Barat AudioPhille
3 Cake - I Will Survive 07.00 - 07.59 Barat Pop Mix
4 Anggun - Still Reminds Me 08.00 - 08.59 Indonesia Pop
5 Aloe Blacc - Hello World 09.00 - 09.59 Barat Pop
6 One Direction – Story of My Life 10.00 - 10.59 Barat Pop Mix
7 Rihanna - Diamonds 11.00 - 11.59 Barat R&B
8 Hayley Westenra - Prayer 12.00 - 12.59 Barat AudioPhille
9 Feel Fascinated - Peng You 13.00 - 13.59 Chinese Mandarin
10 Lisa Ono - I Feel Good 14.00 - 14.59 Barat Jazz
11 James Morrison – I Won't Let You Go 15.00 - 15.59 Barat Pop
12 Nidji - Laskar Pelangi 16.00 - 16.59 Indonesia Pop
13 Jason Mraz - Im Yours 17.00 - 17.59 Barat Pop
Titi DJ - Tak Kan Ada Cinta Yang
14 Lain 18.00 - 18.59 Indonesia Pop
15 The Beatles - Dont Let Me Down 19.00 - 19.59 Barat Pop
Langkah Pasti
16 Diana Krall - AllMenuju
Night LongSukses 20.00 - 20.59 Barat AudioPhille
17 Cymande - Brother On The Side 21.00 - 21.59 Barat Jazz
 STMIK TRIGUNA DHARMA

Maka berdasarkan data music playlist diatas terlebih dahulu

dikelompokkan sesuai set objek dan variabelnya beserta asumsi nilai
yang dipergunakan seperti pada tabel-tabel berikut
Tabel Set Objek Dan Variabel
Data Kategori
Lagu Objek
Waktu Putar Variabel 1 (x1)
Negara Asal Variabel 2 (x2)
Genre Musik Variabel 3 (x3)

Langkah Pasti Menuju Sukses

 Tabel Asumsi Objek
No Objek Asumsi
1 Timmy Thomas - You Are All I Need A

2 Lighthouse Family - Ain't No Sunshine B

3 Cake - I Will Survive C
4 Anggun - Still Reminds Me D
5 Aloe Blacc - Hello World E
6 One Direction – Story of My Life F
7 Rihanna - Diamonds G
8 Hayley Westenra - Prayer H
9 Feel Fascinated - Peng You I
10 Lisa Ono - I Feel Good J
11 James Morrison – I Won't Let You Go K
13 Jason Mraz - Im Yours M
14 Titi DJ - Tak Kan Ada Cinta Yang Lain
N
15 The Beatles - Dont Let Me Down O
16 Diana Krall - All Night Long P
17 Cymande - Brother On The Side Q
18 Maliq&D'essentials - Terdiam R
19 Norah Jones - Don't Know Why S
 STMIK TRIGUNA DHARMA
Tabel Asumsi Waktu Putar Tabel Asumsi Negara Asal
X1 Nilai
X2 Nilai
Pagi (05.00 - 10.59) 1
Barat 1
Siang (11.00 - 14.59) 2

Sore (15.00 - 18.59) 3

Indonesia 2
Malam (19.00 - 00.59) 4 Chinese 3

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA

Tabel Asumsi Genre Musik

Dalam tabel-tabel diatas dapat
Genre Musik
dilihat bahwa objek atau lagu
(V3) Nilai
dimisalkan dengan huruf (A,
Pop 6 B, C, D dan seterusnya) dan
AudioPhille 5 variabel dimisalkan dengan
Pop Mix 4 kode (x1, x2 dan x3) begitu
juga dengan nilai asumsi
R&B 3
adalah sebagai perumpamaan,
Jazz 2 agar mempermudah
Mandarin 1 perhitungan

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA
Setelah pengelompokkan objek dan variabel nilai, maka langkah
selanjutnya adalah melakukan perhitungan sesuai algoritma yang dipilih.
Namun untuk menghindari terjadinya kesalahan, terlebih dahulu
beberapa tabel asumsi diatas digabungkan menjadi satu tabel yang lebih
terperinci seperti berikut ini

Langkah Pasti Menuju Sukses

 Tabel Asumsi Data dan Variabelnya
No Objek X1 X2 X3
1 A 1 1 6
2 B 1 1 5
3 C 1 1 4
4 D 1 2 6
5 E 1 1 6
6 F 1 1 4
7 G 2 1 3
8 H 2 1 5
9 I 2 3 1
10 J 2 1 2
11 K 3 1 6
12 L 3 2 6
13 M 3 1 6
14 N 3 2 6
15 O 4 1 6
16 P 4 1 5
17 Q 4 1 2
18 R 4 2 6
19 S 4 1 5
Algoritma Single Linkage Method Dengan Jarak Euclidean Distance
1. Menstandarisasi data-data yang terkumpul dalam tabel menggunakan
rumus-rumus yang telah tersedia :
a. Mencari rata-rata data dari setiap variabel

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA

b. Mencari standar deviasi data

dari setiap variabel
 STMIK TRIGUNA DHARMA

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA
c. Mencari skor standar (zero standar) dari masing-masing objek
setiap variabel.

Langkah Pasti Menuju Sukses

 Tabel Data Music Playlist Standar
Objek X1 X2 X3
A -1,214 -0,509 0,824
B -1,214 -0,509 0,236
C -1,214 -0,509 -0,353
D -1,214 1,188 0,824
E -1,214 -0,509 0,824
F -1,214 -0,509 -0,353
G -0,405 -0,509 -0,942
H -0,405 -0,509 0,236
I -0,405 2,884 -2,120
J 0,405 1,188 -1,531
K 0,405 -0,509 0,824
L 0,405 1,188 0,824
M 0,405 -0,509 0,824
N 0,405 1,188 0,824
O 1,214 -0,509 0,824
P 1,214 -0,509 0,236
Q 1,214 -0,509 -1,531
R 1,214 1,188 0,824
 2. Menentukan ukuran kemiripan atau ketidakmiripan antara
data dengan jarak Euclidean distance.

Langkah Pasti Menuju Sukses

Tabel Matriks Jarak
 STMIK TRIGUNA DHARMA
3.Melakukan algoritma pengelompokkan euclidean single linkage
clustering, dengan langkah-langkah sebagai berikut :

a.Mencari nilai terkecil dari matriks jarak.

ACEFKLMNPQST mempunyai nilai terkecil yakni 0, maka objek
ini menjadi satu cluster.
b. Menghitung jarak antar cluster ACEFKLMNPQST
dengan objek lainnya.

Langkah Pasti Menuju Sukses

d(ACEFKLMNPQST)B = min {dAB,dCB,dEB,dFB,dKB,dLB,dMB,
dNB,dPB,dQB,dSB,dTB} = dAB,dCB,dEB,dFB = 0,589

d(ACEFKLMNPQST)D = min {dAD,dCD,dED,dFD,dKD,dLD,dMD,

dND,dPD,dQD,dSD,dTD} = dLD,dND = 1,619

d(ACEFKLMNPQST)G = min {dAG,dCG,dEG,dFG,dKG,dLG,dMG,

dNG,dPG,dQG,dSG,dTG} = dCG,dFG = 1,001

d(ACEFKLMNPQST)H = min {dAH,dCH,dEH,dFH,dKH,dLH,dMH,

dNH,dPH,dQH,dSH,dTH} = dAH,dCH,dEH,dFH,dKH,dMH = 1,001

d(ACEFKLMNPQST)I = min {dAI,dCI,dEI,dFI,dKI,dLI,dMI,dNI,

dPI,dQI,dSI,dTI} = dLI,dNI = 3,493

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA
d(ACEFKLMNPQST)J = min{dAJ,dCJ,dEJ,dFJ,dKJ,dLJ,dMJ,dNJ,
dPJ,dQJ,dSJ,dTJ} = dQJ, dTJ= 1,880

d(ACEFKLMNPQST)O = min{dAO,dCO,dEO,dFO,dKO,dLO,dMO,
dNO,dPO,dQO,dSO,dTO} = dPO,dSO = 0,589

d(ACEFKLMNPQST)R = min {dAR,dCR,dER,dFR,dKR,dLR,dMR,

dNR,dPR,dQR,dSR,dTR} = dLR,dNR = 0,809

Langkah Pasti Menuju Sukses

Setelah melakukan perhitungan diatas, maka terbentuk matriks jarak
yang baru yang menjadi sebuah cluster antara ACEFKLMNPQST
pada table di bawah, yaitu cluster 1.
Tabel Cluster 1
ACEFK
  LMNP B D G H I J O R
QST
ACEFKLM
0 0,589 1,619 1,001 1,001 3,493 1,880 0,589 0,809
NPQST
B 0,589 0 1,766 1,575 1,046 4,212 2,989 2,511 3,013
D 1,619 1,766 0 2,644 2,053 3,541 2,931 2,955 2,441
G 1,001 1,575 2,644 0 1,178 3,533 1,899 2,251 2,800
H 1,001 1,046 2,053 1,178 0 4,080 2,526 1,514 2,251
I 3,493 4,212 3,541 3,533 4,080 0 1,899 4,659 3,659
J 1,880 2,989 2,931 1,899 2,526 1,899 0 2,968 2,456
O 0,589 2,511 2,955 2,251 1,514 4,659 2,968 0 1,665
R 0,809 3,013 2,441 2,800 2,251 3,659 2,456 1,665 0
c. Mencari nilai terkecil dari matriks jarak, objek ACEFKLMNPQST
dan BO yang memiliki nilai terkecil yaitu 0,589. Maka
ACEFKLMNPQST dan BO bergabung menjadi satu cluster baru.

d(ACEFKLMNPQST-BO)D = min{dACEFKLMNPQST-D, dBD, dOD}

= dACEFKLMNPQST-D = 1,619
d(ACEFKLMNPQST-BO)G = min{dACEFKLMNPQST-G, dBG, dOG}
= dACEFKLMNPQST-G = 1,001
d(ACEFKLMNPQST-BO)H = min{dACEFKLMNPQST-H, dBH, dOH}
= dACEFKLMNPQST-H = 1,001
d(ACEFKLMNPQST-BO)I = min {dACEFKLMNPQST - I, dBI, dOI}
= dACEFKLMNPQST-I = 3,493
d(ACEFKLMNPQST-BO)J = min { dACEFKLMNPQST - J, dBJ, dOJ}
= dACEFKLMNPQST-J = 1,880
d(ACEFKLMNPQST-BO)R = min{dACEFKLMNPQST-R, dBR, dOR}
= dACEFKLMNPQST-R = 0,809
 STMIK TRIGUNA DHARMA
Setelah pengelompokkan tersebut maka terbentuk matriks jarak baru
yang menjadi sebuah cluster antara ACEFKLMNPQST dan BO seperti
pada table di bawah yaitu cluster 2.
Tabel Cluster 2
ACEFKLMNPQSTB
  D G H I J R
O
ACEFKLMNPQSTB
0 1,619 1,001 1,001 3,493 1,880 0,809
O
D 1,619 0 2,644 2,053 3,541 2,931 2,441
G 1,001 2,644 0 1,178 3,533 1,899 2,800
H 1,001 2,053 1,178 0 4,080 2,526 2,251
I 3,493 3,541 3,533 4,080 0 1,899 3,659
J 1,880 2,931 1,899 2,526 1,899 0 2,456
R 0,809 2,441 2,800 2,251 3,659 2,456 0

Langkah Pasti Menuju Sukses

 S
d. etelah itu kembali lagi mencari nilai terkecil dari matriks jarak,
untuk objek ACEFKLMNPQSTBO dan R yang memiliki nilai terkecil
yaitu 0,809. Maka objek ACEFKLMNPQSTBO dan R akan bergabung
menjadi satu cluster

d(ACEFKLMNPQSTBO - R)D =min {dACEFKLMNPQSTBO-D,dRD}

= dACEFKLMNPQSTBO-D = 1,619

d(ACEFKLMNPQSTBO - R)G =min {dACEFKLMNPQSTBO-G,dRG}

= dACEFKLMNPQSTBO-G = 1,001

d(ACEFKLMNPQSTBO - R)H =min {dACEFKLMNPQSTBO-H,dRH}

= dACEFKLMNPQSTBO-H = 1,001

d(ACEFKLMNPQSTBO - R)I = min {dACEFKLMNPQSTBO-I, dRI}

= dACEFKLMNPQSTBO-I = 3,493

d(ACEFKLMNPQSTBO - R)J = min {dACEFKLMNPQSTBO-J, dRJ}

= dACEFKLMNPQSTBO-J = 1,880
 STMIK TRIGUNA DHARMA

Cluster Akhir
ACEFKLMNPQS
  TBORGHDJ I
ACEFKLMNPQS
TBORGHDJ 0 1,899
I 1,899 0

Langkah Pasti Menuju Sukses

 STMIK TRIGUNA DHARMA
Berdasarkan tabel matriks jarak diatas, dari pengelompokan
euclidean distance yang dilakukan telah sesuai dengan langkah-
langkah dalam pengelompokkan tehnik tersebut. Sebab, telah tersisa
2 objek dalam satu cluster, yakni

ACEFKLMNPQSTBORGHDJ dan I

Langkah Pasti Menuju Sukses