People Innovation Excellence

ANALISIS CLUSTER

Analisis Cluster adalah Teknik statistik yang berguna untuk mengelompokkan objek ataupun variable ke dalam beberapa kelompok tertentu dimana setiap objek atau variable yang terbentuk memeiliki sifat dan karakteristik yang berdekatan tersebut. Pada praktiknya, analisis cluster digunakan untuk segmentasi sejumlah konsumen (responden) ke dalam beberapa kelompok (cluster) berdasarkan kemiripan sejumlah atribut yang didefinisikan.

 

Tujuan dari Analisis Cluster adalah mengelompokkan obyek berdasarkan kesamaan karakteristik di antara obyek-obyek tersebut. 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.

 

Langkah pengelompokan dalam analisis cluster mencakup 3 hal berikut :

  1. Mengukur kesamaan jarak
  2. Membentuk cluster secara hirarkis
  3. Menentukan jumlah cluster.

 

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”.
  • 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”. K-mean kluster sangat efektif dan efisien jika digunakan untuk mengelompokkan objek yang berjumlah besar. K-mean cluster digunakan untuk objek yang berjumlah lebih dari 100.

 

Asumsi yang harus dipenuhi dalam Analisis Cluster, yaitu:

  • Sampel yang diambil benar-benar dapat mewakili populasi yang ada (representativeness of the sample)

Multikolinieritas.


Published at : Updated
Leave Your Footprint

    Periksa Browser Anda

    Check Your Browser

    Situs ini tidak lagi mendukung penggunaan browser dengan teknologi tertinggal.

    Apabila Anda melihat pesan ini, berarti Anda masih menggunakan browser Internet Explorer seri 8 / 7 / 6 / ...

    Sebagai informasi, browser yang anda gunakan ini tidaklah aman dan tidak dapat menampilkan teknologi CSS terakhir yang dapat membuat sebuah situs tampil lebih baik. Bahkan Microsoft sebagai pembuatnya, telah merekomendasikan agar menggunakan browser yang lebih modern.

    Untuk tampilan yang lebih baik, gunakan salah satu browser berikut. Download dan Install, seluruhnya gratis untuk digunakan.

    We're Moving Forward.

    This Site Is No Longer Supporting Out-of Date Browser.

    If you are viewing this message, it means that you are currently using Internet Explorer 8 / 7 / 6 / below to access this site. FYI, it is unsafe and unable to render the latest CSS improvements. Even Microsoft, its creator, wants you to install more modern browser.

    Best viewed with one of these browser instead. It is totally free.

    1. Google Chrome
    2. Mozilla Firefox
    3. Opera
    4. Internet Explorer 9
    Close