SlideShare a Scribd company logo
1 of 20
ANALISIS CLUSTER


Penggertian
Analisis Cluster             Oleh:

Tujuan             ILSAM MUHARTI      (321776)
Analisis Cluster
                   AHMAD FAQIH       (322747)
Kriteria           ERNI KOMALASARI   (323037)
Cluster            DIAN AYU AFIFAH   (323233)
                   SRI DAMAYANTI     (323363)
Proses
Analisis Cluster

Contoh
Permasalahan
Pengertian Analisis Cluster


Penggertian
Analisis Cluster
                   Analisis Cluster merupakan salah satu metode yang digunakan
Tujuan             untuk memisahkan atau mengelompokkan komponen-komponen
Analisis Cluster   data ke dalam beberapa kelompok tertentu dimana setiap obyek
                   yang berada dalam cluster yang sama mempunyai kemiripan satu
Kriteria           dengan yang lain dibandingkan dengan anggota cluster yang lain.
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Tujuan Analisis Cluster


Penggertian         Untuk mengelompokkan objek-objek (individu-individu)
Analisis Cluster     menjadi kelompok-kelompok yang mempunyai sifat yang
                     relatif sama (homogen).
Tujuan
Analisis Cluster
                    Untuk membedakan dengan jelas antara satu kelompok
Kriteria             (cluster) dengan kelompok lainnya.
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Kriteria Cluster


Penggertian
Analisis Cluster
                    Homogenitas (kesamaan) yang tinggi antar anggota dalam satu
                     cluster
Tujuan
Analisis Cluster

Kriteria            Heterogenitas (perbedaan) yang tinggi antar cluster yang satu
Cluster              dengan cluster yang lainnya


Proses
Analisis Cluster

Contoh
Permasalahan
Proses Analisis Cluster


Penggertian
Analisis Cluster

Tujuan
Analisis Cluster

Kriteria
Cluster

                      Diagram Proses Analisis Cluster
Proses
Analisis Cluster

Contoh
Permasalahan
Proses Analisis Cluster
                   Ukuran kemiripan (kesamaan)
                      Kesamaan antara obyek diukur pada seluruh pasangan obyek
Penggertian           dan dapat juga beberapa obyek dibandingkan dengan obyek
Analisis Cluster      lainnya untuk diukur kemiripannya.
                      Ada tiga metode untuk mengukur kemiripan antar obyek yaitu
Tujuan                ukuran korelasi, ukuran jarak dan ukuran asosiasi.
Analisis Cluster
                      Ukuran jarak yang sering digunakan adalah jarak euclidean (d)

Kriteria
Cluster                                               d (P1, P2 )  ( X12  X11 )2  ( X 22  X 21 )2


Proses                                         d (y, x)  (y1  x1 )2  (y 2  x2 )2  ......  (y  x)'(y  x)
Analisis Cluster

Contoh
Permasalahan
Proses Analisis Cluster

                   Metode analisis :

Penggertian        1. Hierarki :
Analisis Cluster      Metode yang memulai pengelompokannya dengan dua atau lebih
                      obyek yang mempunyai kesamaan paling dekat, kemudian proses
Tujuan                dilanjutkan ke obyek lain yang mempunyai kedekatan kedua.
Analisis Cluster      Sedemikian seterusnya sehingga cluster akan membentuk semacam
                      “pohon” dimana ada hirarki (tingkatan) yang jelas antar obyek,
Kriteria              dari yang paling mirip sampai dengan yang paling tidak mirip.
Cluster

                   2. Non Hierarki :
Proses
Analisis Cluster      Metode yang dimulai dengan menentukan terlebih dahulu jumlah
                      cluster yang diinginkan dan kemudian baru dilakukan proses
Contoh                cluster.
Permasalahan
Proses Analisis Cluster
                   Hierarki
                   Beberapa metode yang biasa digunakan antara lain :
Penggertian
Analisis Cluster
                                                                   single lingkage
Tujuan                                                              (pautan tunggal)
                                                                         d ij  min d p j ; d q j 
Analisis Cluster

Kriteria                                                           complete linkage
Cluster                                                             (pautan lengkap)
                                                                        d ij  maks d p j , d q j 
Proses
Analisis Cluster
                    dpj = jarak antara kelompok P dan kelompok J
Contoh              dqj = jarak antara kelompok Q dan kelompok J
Permasalahan
Proses Analisis Cluster
                   average linkage
                    (pautan rata-rata)

Penggertian
Analisis Cluster

Tujuan
Analisis Cluster

                                                x         y jk 
                                         n
                             1 ni j             p
                    d ij         .
                                                                  2
Kriteria                                              ik
                           ni .n j i 1 j 1   k 1
Cluster

                   ni = banyaknya anggota kelompok I
Proses
                   nj = banyaknya anggota kelompok J
Analisis Cluster
                   xi = anggota kelompok I
                   yj = anggota kelompok J
Contoh             p = banyaknya variabel
Permasalahan
Proses Analisis Cluster

                   Metode Ward

Penggertian
Analisis Cluster

Tujuan
Analisis Cluster          K    nk p 2    1 p  nk        
                                                          2

                   ESS    X ijk     X ijk  
                         k 1  i 1 j 1
                                         nk j 1  i 1  
Kriteria
Cluster
                   ESS = Error Sum of Square
Proses
Analisis Cluster   k = 1, 2, …, K adalah banyaknya kelompok yang terbentuk
                   i = 1, 2, …, nk dengan nk adalah banyaknya obyek pada
                       kelompok ke-k
Contoh             j = 1, 2, …, p dengan p adalah banyaknya variabel kelompok
Permasalahan
Proses Analisis Cluster

                   Output : berupa dendogram

Penggertian
Analisis Cluster

Tujuan
                                                 Z
Analisis Cluster

Kriteria
                                                 K
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Proses Analisis Cluster
                   Non Hierarki
                   Metode yang digunakan adalah K-means
Penggertian
Analisis Cluster

Tujuan
Analisis Cluster

Kriteria
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Proses Analisis Cluster

                   Interpretasi Hasil

Penggertian         Tahapan interprestasi adalah untuk mencari karakter setiap
Analisis Cluster    kelompok yang khas, salah satunya dengan membandingkan mean
                    masing-masing kelompok
Tujuan             Validasi dan Profiling Kelompok
Analisis Cluster
                    Validasi pada analisis kelompok dilakukan dengan melakukan
                    pengujian terhadap kelompok yang telah terbentuk. Tujuan untuk
Kriteria            meyakinkan bahwa hasil dari solusi telah representatif terhadap
Cluster             populasi secara umum, dan mampu digeneralisasi untuk obyek-
                    obyek lain serta stabil untuk beberapa periode waktu.
Proses
Analisis Cluster     Proses profiling dilakukan untuk menjelaskan
                     karakteristik dari setiap kelompok berdasarkan
                     profil tertentu, dengan tujuan untuk memberi
Contoh               label pada masing-masing kelompok tersebut.
Permasalahan
Contoh
                   Diberikan data jumlah peserta yang menggunakan alat
                   kontrasepsi di 35 kabupaten di Pulau Jawa. Bagaimana
                   pengelompokan kabupaten berdasar intensitas
Penggertian        penggunaan alat kontrasepsi ?
Analisis Cluster

Tujuan              Dari hasil output komputer dengan paket SPSS,
Analisis Cluster    memberikan deskriptif data total peserta pengguna alat
                    kontrasepsi sebagai berikut :
Kriteria
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Contoh

                            Hasil
                            pengelompokan
Penggertian                 dengan metode
Analisis Cluster            Ward dapat
                            dilihat pada
                            gambar tampilan
Tujuan                      dendogram
Analisis Cluster            disamping

Kriteria
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Contoh
                   Dari lampiran tabel dibawah dapat diketahui jumlah anggota tiap
                   kelompok hasil metode hirarki, yaitu :
                   Kelompok I : 8 kota
Penggertian        Kelompok II : 22 kota
Analisis Cluster   Kelompok III : 5 Kota
                                              Cluster Membership

Tujuan               Cas e                   5 Clus ters   4 Clus ters   3 Clus ters   2 Clus ters
                     1:K ab. B anyumas                1             1             1             1
Analisis Cluster     2:K ab. P urbalingga             2             2             2             2
                     3:K ab. Cilac ap                 3             3             1             1
                     4:K ab. B anjarnegara            2             2             2             2
Kriteria             5:K ab. Magelang                 4             2             2             2
                     6:K ab. T emanggung              2             2             2             2
Cluster              7:K ab. W onos obo               2             2             2             2
                     8:K ab. P urworejo               2             2             2             2
                     9:K ab. K ebumen                 2             2             2             2
Proses               10:Kab. P ekalongan              4             2             2             2
                     11:Kab. P emalang                1             1             1             1
Analisis Cluster     12:Kab. T egal                   1             1             1             1
                     13:Kab. B rebes                  3             3             1             1
                     14:Kab. S emarang                4             2             2             2
Contoh               15:Kab. K endal                  2             2             2             2
Permasalahan         16:Kab. Demak                    1             1             1             1
                     17:Kab. Grobongan                1             1             1             1
                     18:Kab. P ati                    1             1             1             1
                     19:Kab. J epara                  4             2             2             2
                     20:Kab. Rembang                  2             2             2             2
7:K ab. W onos obo     2     2      2   2
                   8:K ab. P urworejo     2     2      2   2


                                              Contoh
                   9:K ab. K ebumen       2     2      2   2
                   10:Kab. P ekalongan    4     2      2   2
                   11:Kab. P emalang      1     1      1   1
                   12:Kab. T egal         1     1      1   1
                   13:Kab. B rebes        3     3      1   1
                   14:Kab. S emarang      4     2      2   2
                   15:Kab. K endal        2     2      2   2
                   16:Kab. Demak          1     1      1   1
                   17:Kab. Grobongan      1     1      1   1
Penggertian        18:Kab. P ati          1     1      1   1
                   19:Kab. J epara        4     2      2   2
Analisis Cluster   20:Kab. Rembang        2     2      2   2
                   21:Kab. B lora         2     2      2   2
                   22:Kab. K udus         2     2      2   2
Tujuan             23:Kab. K laten        4     2      2   2
Analisis Cluster   24:Kab. B oyolali      4     2      2   2
                   25:Kab. S ragen        2     2      2   2
                   26:Kab. S ukoharjo     2     2      2   2
Kriteria           27:Kab. K aranganyar   4     2      2   2
                   28:Kab. W onogiri      4     2      2   2
Cluster            29:Kab. B atang        2     2      2   2
                   30:Kota S emarang      4     2      2   2
                   31:Kota S urakarta     5     4      3   2
Proses             32:Kota P ekalongan    5     4      3   2
                   33:Kota Magelang       5     4      3   2
Analisis Cluster
                   34:Kota T egal         5     4      3   2
                   35:Kota S alatiga      5     4      3   2

Contoh
Permasalahan
Contoh
                   Tahap profilisasi yaitu deskripsi karakteristik dari masing-masing
                   kelompok untuk menerangkan bagaimana kelompok-kelompok
                   tersebut berbeda sekaligus untuk memberikan label pada pada
Penggertian
                   masing-masing kelompok.
Analisis Cluster

Tujuan
Analisis Cluster

Kriteria
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Contoh


Penggertian
Analisis Cluster

Tujuan
Analisis Cluster

Kriteria
Cluster

Proses
Analisis Cluster

Contoh
Permasalahan
Contoh


Penggertian
Analisis Cluster

Tujuan
Analisis Cluster

Kriteria
Cluster            Dari hasil pengelompokan terlihat pada kelompok I mempunyai
                   jumlah pengguna alat kontrasepsi tertinggi, kelompok II sedang,
                   dan kelompok III rendah
Proses
Analisis Cluster

Contoh
Permasalahan

More Related Content

What's hot

Metode interpolasi linier
Metode  interpolasi linierMetode  interpolasi linier
Metode interpolasi linierokti agung
 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrikEman Mendrofa
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncinganRia Defti Nurharinda
 
362112547 kuadratik-dan-kubik
362112547 kuadratik-dan-kubik362112547 kuadratik-dan-kubik
362112547 kuadratik-dan-kubikChevi Rahayu
 
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenMenentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenBAIDILAH Baidilah
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normalhidayatulfitri
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parametermatematikaunindra
 
persamaan dan pertidaksamaan
persamaan dan pertidaksamaanpersamaan dan pertidaksamaan
persamaan dan pertidaksamaanAndesva dansi
 
Distribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialDistribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialSilvia_Al
 
Uji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rataUji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-ratasilvia kuswanti
 
Distribusi Peluang Diskrit dan Distribusi Peluang Kontinu
Distribusi Peluang Diskrit dan Distribusi Peluang KontinuDistribusi Peluang Diskrit dan Distribusi Peluang Kontinu
Distribusi Peluang Diskrit dan Distribusi Peluang KontinuArning Susilawati
 
Modul Statistika I (lab 1-5)
Modul Statistika I (lab 1-5)Modul Statistika I (lab 1-5)
Modul Statistika I (lab 1-5)Farhatunisa
 
Sistem Persamaan Linear Tiga Variabel
Sistem Persamaan Linear Tiga VariabelSistem Persamaan Linear Tiga Variabel
Sistem Persamaan Linear Tiga VariabelEman Mendrofa
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitasAde Nurlaila
 
metodenewtongregoryforward
metodenewtongregoryforwardmetodenewtongregoryforward
metodenewtongregoryforwardAdi Moel
 

What's hot (20)

02 klp snp
02 klp snp02 klp snp
02 klp snp
 
Metode interpolasi linier
Metode  interpolasi linierMetode  interpolasi linier
Metode interpolasi linier
 
Sampling
Sampling Sampling
Sampling
 
Teknik sampling
Teknik samplingTeknik sampling
Teknik sampling
 
Distribusi hipergeometrik
Distribusi hipergeometrikDistribusi hipergeometrik
Distribusi hipergeometrik
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan
 
362112547 kuadratik-dan-kubik
362112547 kuadratik-dan-kubik362112547 kuadratik-dan-kubik
362112547 kuadratik-dan-kubik
 
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsistenMenentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
Menentukan sistem persamaan linier dalam bentuk sistem konsisten dan inkonsisten
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normal
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parameter
 
persamaan dan pertidaksamaan
persamaan dan pertidaksamaanpersamaan dan pertidaksamaan
persamaan dan pertidaksamaan
 
Distribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan BinomialDistribusi Seragam, Bernoulli, dan Binomial
Distribusi Seragam, Bernoulli, dan Binomial
 
Uji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rataUji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rata
 
Distribusi Peluang Diskrit dan Distribusi Peluang Kontinu
Distribusi Peluang Diskrit dan Distribusi Peluang KontinuDistribusi Peluang Diskrit dan Distribusi Peluang Kontinu
Distribusi Peluang Diskrit dan Distribusi Peluang Kontinu
 
Modul Statistika I (lab 1-5)
Modul Statistika I (lab 1-5)Modul Statistika I (lab 1-5)
Modul Statistika I (lab 1-5)
 
Distribusi poisson
Distribusi poissonDistribusi poisson
Distribusi poisson
 
Sistem Persamaan Linear Tiga Variabel
Sistem Persamaan Linear Tiga VariabelSistem Persamaan Linear Tiga Variabel
Sistem Persamaan Linear Tiga Variabel
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitas
 
Eliminasi gauss
Eliminasi gaussEliminasi gauss
Eliminasi gauss
 
metodenewtongregoryforward
metodenewtongregoryforwardmetodenewtongregoryforward
metodenewtongregoryforward
 

Similar to CLUSTERING

Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data miningaiiniR
 
Clustering _IgedeAris.ppt
Clustering _IgedeAris.pptClustering _IgedeAris.ppt
Clustering _IgedeAris.pptPandeKadek3
 
Modul praktikum 3 cluster
Modul praktikum 3   clusterModul praktikum 3   cluster
Modul praktikum 3 clusterDeiHart DeiHart
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariatkartiko edhi
 
Belajar mudah algoritma data mining k means
Belajar mudah algoritma data mining k meansBelajar mudah algoritma data mining k means
Belajar mudah algoritma data mining k meansilmuBiner
 
Machine Learning Diskusi 9.pdf
Machine Learning Diskusi 9.pdfMachine Learning Diskusi 9.pdf
Machine Learning Diskusi 9.pdfHendroGunawan8
 
Klasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfKlasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfElvi Rahmi
 
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-b
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-bBuku speech processing_subp_pengklasteran-fitur-sinyal-wicara-b
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-bTri Budi Santoso
 
Pertemuan 3 Model Data Mining.pptx
Pertemuan 3 Model Data Mining.pptxPertemuan 3 Model Data Mining.pptx
Pertemuan 3 Model Data Mining.pptxArwansyahDipanegara
 

Similar to CLUSTERING (17)

Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data mining
 
Clustering
ClusteringClustering
Clustering
 
LN s10-machine vision-s2
LN s10-machine vision-s2LN s10-machine vision-s2
LN s10-machine vision-s2
 
Analisis klaster
Analisis klasterAnalisis klaster
Analisis klaster
 
Clustering _IgedeAris.ppt
Clustering _IgedeAris.pptClustering _IgedeAris.ppt
Clustering _IgedeAris.ppt
 
Analisis Cluster
Analisis ClusterAnalisis Cluster
Analisis Cluster
 
Modul praktikum 3 cluster
Modul praktikum 3   clusterModul praktikum 3   cluster
Modul praktikum 3 cluster
 
teknik-teknik data mining
teknik-teknik data miningteknik-teknik data mining
teknik-teknik data mining
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariat
 
Data mining 7
Data mining 7Data mining 7
Data mining 7
 
Modul klasifikasi decission tree modul klasifikasi
Modul klasifikasi decission tree modul klasifikasiModul klasifikasi decission tree modul klasifikasi
Modul klasifikasi decission tree modul klasifikasi
 
Belajar mudah algoritma data mining k means
Belajar mudah algoritma data mining k meansBelajar mudah algoritma data mining k means
Belajar mudah algoritma data mining k means
 
Machine Learning Diskusi 9.pdf
Machine Learning Diskusi 9.pdfMachine Learning Diskusi 9.pdf
Machine Learning Diskusi 9.pdf
 
Klasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfKlasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdf
 
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-b
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-bBuku speech processing_subp_pengklasteran-fitur-sinyal-wicara-b
Buku speech processing_subp_pengklasteran-fitur-sinyal-wicara-b
 
Cara pemakaian weka
Cara pemakaian wekaCara pemakaian weka
Cara pemakaian weka
 
Pertemuan 3 Model Data Mining.pptx
Pertemuan 3 Model Data Mining.pptxPertemuan 3 Model Data Mining.pptx
Pertemuan 3 Model Data Mining.pptx
 

CLUSTERING

  • 1. ANALISIS CLUSTER Penggertian Analisis Cluster Oleh: Tujuan ILSAM MUHARTI (321776) Analisis Cluster AHMAD FAQIH (322747) Kriteria ERNI KOMALASARI (323037) Cluster DIAN AYU AFIFAH (323233) SRI DAMAYANTI (323363) Proses Analisis Cluster Contoh Permasalahan
  • 2. Pengertian Analisis Cluster Penggertian Analisis Cluster Analisis Cluster merupakan salah satu metode yang digunakan Tujuan untuk memisahkan atau mengelompokkan komponen-komponen Analisis Cluster data ke dalam beberapa kelompok tertentu dimana setiap obyek yang berada dalam cluster yang sama mempunyai kemiripan satu Kriteria dengan yang lain dibandingkan dengan anggota cluster yang lain. Cluster Proses Analisis Cluster Contoh Permasalahan
  • 3. Tujuan Analisis Cluster Penggertian  Untuk mengelompokkan objek-objek (individu-individu) Analisis Cluster menjadi kelompok-kelompok yang mempunyai sifat yang relatif sama (homogen). Tujuan Analisis Cluster  Untuk membedakan dengan jelas antara satu kelompok Kriteria (cluster) dengan kelompok lainnya. Cluster Proses Analisis Cluster Contoh Permasalahan
  • 4. Kriteria Cluster Penggertian Analisis Cluster  Homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster Tujuan Analisis Cluster Kriteria  Heterogenitas (perbedaan) yang tinggi antar cluster yang satu Cluster dengan cluster yang lainnya Proses Analisis Cluster Contoh Permasalahan
  • 5. Proses Analisis Cluster Penggertian Analisis Cluster Tujuan Analisis Cluster Kriteria Cluster Diagram Proses Analisis Cluster Proses Analisis Cluster Contoh Permasalahan
  • 6. Proses Analisis Cluster Ukuran kemiripan (kesamaan) Kesamaan antara obyek diukur pada seluruh pasangan obyek Penggertian dan dapat juga beberapa obyek dibandingkan dengan obyek Analisis Cluster lainnya untuk diukur kemiripannya. Ada tiga metode untuk mengukur kemiripan antar obyek yaitu Tujuan ukuran korelasi, ukuran jarak dan ukuran asosiasi. Analisis Cluster Ukuran jarak yang sering digunakan adalah jarak euclidean (d) Kriteria Cluster d (P1, P2 )  ( X12  X11 )2  ( X 22  X 21 )2 Proses d (y, x)  (y1  x1 )2  (y 2  x2 )2  ......  (y  x)'(y  x) Analisis Cluster Contoh Permasalahan
  • 7. Proses Analisis Cluster Metode analisis : Penggertian 1. Hierarki : Analisis Cluster Metode yang memulai pengelompokannya dengan dua atau lebih obyek yang mempunyai kesamaan paling dekat, kemudian proses Tujuan dilanjutkan ke obyek lain yang mempunyai kedekatan kedua. Analisis Cluster Sedemikian seterusnya sehingga cluster akan membentuk semacam “pohon” dimana ada hirarki (tingkatan) yang jelas antar obyek, Kriteria dari yang paling mirip sampai dengan yang paling tidak mirip. Cluster 2. Non Hierarki : Proses Analisis Cluster Metode yang dimulai dengan menentukan terlebih dahulu jumlah cluster yang diinginkan dan kemudian baru dilakukan proses Contoh cluster. Permasalahan
  • 8. Proses Analisis Cluster Hierarki Beberapa metode yang biasa digunakan antara lain : Penggertian Analisis Cluster single lingkage Tujuan (pautan tunggal) d ij  min d p j ; d q j  Analisis Cluster Kriteria complete linkage Cluster (pautan lengkap) d ij  maks d p j , d q j  Proses Analisis Cluster dpj = jarak antara kelompok P dan kelompok J Contoh dqj = jarak antara kelompok Q dan kelompok J Permasalahan
  • 9. Proses Analisis Cluster average linkage (pautan rata-rata) Penggertian Analisis Cluster Tujuan Analisis Cluster  x  y jk  n 1 ni j p d ij  . 2 Kriteria ik ni .n j i 1 j 1 k 1 Cluster ni = banyaknya anggota kelompok I Proses nj = banyaknya anggota kelompok J Analisis Cluster xi = anggota kelompok I yj = anggota kelompok J Contoh p = banyaknya variabel Permasalahan
  • 10. Proses Analisis Cluster Metode Ward Penggertian Analisis Cluster Tujuan Analisis Cluster K  nk p 2 1 p  nk   2 ESS    X ijk     X ijk   k 1  i 1 j 1  nk j 1  i 1   Kriteria Cluster ESS = Error Sum of Square Proses Analisis Cluster k = 1, 2, …, K adalah banyaknya kelompok yang terbentuk i = 1, 2, …, nk dengan nk adalah banyaknya obyek pada kelompok ke-k Contoh j = 1, 2, …, p dengan p adalah banyaknya variabel kelompok Permasalahan
  • 11. Proses Analisis Cluster Output : berupa dendogram Penggertian Analisis Cluster Tujuan Z Analisis Cluster Kriteria K Cluster Proses Analisis Cluster Contoh Permasalahan
  • 12. Proses Analisis Cluster Non Hierarki Metode yang digunakan adalah K-means Penggertian Analisis Cluster Tujuan Analisis Cluster Kriteria Cluster Proses Analisis Cluster Contoh Permasalahan
  • 13. Proses Analisis Cluster Interpretasi Hasil Penggertian Tahapan interprestasi adalah untuk mencari karakter setiap Analisis Cluster kelompok yang khas, salah satunya dengan membandingkan mean masing-masing kelompok Tujuan Validasi dan Profiling Kelompok Analisis Cluster Validasi pada analisis kelompok dilakukan dengan melakukan pengujian terhadap kelompok yang telah terbentuk. Tujuan untuk Kriteria meyakinkan bahwa hasil dari solusi telah representatif terhadap Cluster populasi secara umum, dan mampu digeneralisasi untuk obyek- obyek lain serta stabil untuk beberapa periode waktu. Proses Analisis Cluster Proses profiling dilakukan untuk menjelaskan karakteristik dari setiap kelompok berdasarkan profil tertentu, dengan tujuan untuk memberi Contoh label pada masing-masing kelompok tersebut. Permasalahan
  • 14. Contoh Diberikan data jumlah peserta yang menggunakan alat kontrasepsi di 35 kabupaten di Pulau Jawa. Bagaimana pengelompokan kabupaten berdasar intensitas Penggertian penggunaan alat kontrasepsi ? Analisis Cluster Tujuan Dari hasil output komputer dengan paket SPSS, Analisis Cluster memberikan deskriptif data total peserta pengguna alat kontrasepsi sebagai berikut : Kriteria Cluster Proses Analisis Cluster Contoh Permasalahan
  • 15. Contoh Hasil pengelompokan Penggertian dengan metode Analisis Cluster Ward dapat dilihat pada gambar tampilan Tujuan dendogram Analisis Cluster disamping Kriteria Cluster Proses Analisis Cluster Contoh Permasalahan
  • 16. Contoh Dari lampiran tabel dibawah dapat diketahui jumlah anggota tiap kelompok hasil metode hirarki, yaitu : Kelompok I : 8 kota Penggertian Kelompok II : 22 kota Analisis Cluster Kelompok III : 5 Kota Cluster Membership Tujuan Cas e 5 Clus ters 4 Clus ters 3 Clus ters 2 Clus ters 1:K ab. B anyumas 1 1 1 1 Analisis Cluster 2:K ab. P urbalingga 2 2 2 2 3:K ab. Cilac ap 3 3 1 1 4:K ab. B anjarnegara 2 2 2 2 Kriteria 5:K ab. Magelang 4 2 2 2 6:K ab. T emanggung 2 2 2 2 Cluster 7:K ab. W onos obo 2 2 2 2 8:K ab. P urworejo 2 2 2 2 9:K ab. K ebumen 2 2 2 2 Proses 10:Kab. P ekalongan 4 2 2 2 11:Kab. P emalang 1 1 1 1 Analisis Cluster 12:Kab. T egal 1 1 1 1 13:Kab. B rebes 3 3 1 1 14:Kab. S emarang 4 2 2 2 Contoh 15:Kab. K endal 2 2 2 2 Permasalahan 16:Kab. Demak 1 1 1 1 17:Kab. Grobongan 1 1 1 1 18:Kab. P ati 1 1 1 1 19:Kab. J epara 4 2 2 2 20:Kab. Rembang 2 2 2 2
  • 17. 7:K ab. W onos obo 2 2 2 2 8:K ab. P urworejo 2 2 2 2 Contoh 9:K ab. K ebumen 2 2 2 2 10:Kab. P ekalongan 4 2 2 2 11:Kab. P emalang 1 1 1 1 12:Kab. T egal 1 1 1 1 13:Kab. B rebes 3 3 1 1 14:Kab. S emarang 4 2 2 2 15:Kab. K endal 2 2 2 2 16:Kab. Demak 1 1 1 1 17:Kab. Grobongan 1 1 1 1 Penggertian 18:Kab. P ati 1 1 1 1 19:Kab. J epara 4 2 2 2 Analisis Cluster 20:Kab. Rembang 2 2 2 2 21:Kab. B lora 2 2 2 2 22:Kab. K udus 2 2 2 2 Tujuan 23:Kab. K laten 4 2 2 2 Analisis Cluster 24:Kab. B oyolali 4 2 2 2 25:Kab. S ragen 2 2 2 2 26:Kab. S ukoharjo 2 2 2 2 Kriteria 27:Kab. K aranganyar 4 2 2 2 28:Kab. W onogiri 4 2 2 2 Cluster 29:Kab. B atang 2 2 2 2 30:Kota S emarang 4 2 2 2 31:Kota S urakarta 5 4 3 2 Proses 32:Kota P ekalongan 5 4 3 2 33:Kota Magelang 5 4 3 2 Analisis Cluster 34:Kota T egal 5 4 3 2 35:Kota S alatiga 5 4 3 2 Contoh Permasalahan
  • 18. Contoh Tahap profilisasi yaitu deskripsi karakteristik dari masing-masing kelompok untuk menerangkan bagaimana kelompok-kelompok tersebut berbeda sekaligus untuk memberikan label pada pada Penggertian masing-masing kelompok. Analisis Cluster Tujuan Analisis Cluster Kriteria Cluster Proses Analisis Cluster Contoh Permasalahan
  • 20. Contoh Penggertian Analisis Cluster Tujuan Analisis Cluster Kriteria Cluster Dari hasil pengelompokan terlihat pada kelompok I mempunyai jumlah pengguna alat kontrasepsi tertinggi, kelompok II sedang, dan kelompok III rendah Proses Analisis Cluster Contoh Permasalahan