STUDI KASUS ANALISIS CLUSTER METODE HIERARKI (DENDOGRAM)

Masih membahas mengenai clustering data menggunakan metode hierarki pada aplikasi SPSS, berikut contoh studi kasusnya.

PENGENALAN PRODUK DAN LANGKAH PENENTUAN CLUSTER

 Produk yang akan menjadi bahan studi kasus kali ini ada detergent bubuk, dengan merk dagang: Attack, Boom, Daia, Rinso, dan So Klin. Berikut rincian selengkapnya.

Produk	kode	Kriteria	kode	Skala	Tingkatan
Attack	A	Busa	B	Sangat sama	1
Boom	B	Harga	H	Agak sama	2
Daia	D	Lembut	L	Sama	3
Rinso	R	ditangan		Agak beda	4
So klin	S	Wangi	W	Sangat beda	5

Dari data diatas didapatkan hubungan antar produk dankriteria sesuai dengan skala serta tingkatannya, sebagai berikut.

Kriteria  Produk	B	H	L	W
A	1	5	4	3
B	5	1	5	5
D	4	4	3	4
R	2	2	2	2
S	3	3	1	1

Dengan menggunakan pedoman hasil skala diatas dapat dilanjutkan dengan membuat kuesioner. Kuesioner dibagikan kepada 20 responden, kemudian hasilnya dikumpulkan menggunakan excel.

Resp. 1	A	B	D	R	S
A	0	5	4	2	2
B	5	0	4	5	5
D	4	4	0	2	2
R	2	5	2	0	3
S	2	5	2	3	0
Resp.2	A	B	D	R	S
A	0	4	3	3	2
B	4	0	5	4	5
D	3	5	0	3	3
R	3	4	3	0	2
S	2	5	3	2	0
Resp.3	A	B	D	R	S
A	0	5	3	3	2
B	5	0	4	3	4
D	3	4	0	2	2
R	3	3	2	0	3
S	2	4	2	3	0

dst.

Dari hasil kuesioner yang didapat, maka selanjutnya diolah menggunakan program SPSS, seperti berikut.

Gambar 1. Variable view

Gambar 2. Data View

Selanjutnya yaitu mencari nilai maksimum, minimum, mean, dan standar deviasinya. Sehingga didapatkan sebagai berikut.

Descriptive Statistics
	N	Minimum	Maximum	Mean	Std. Deviation
Attack	100	,00	5,00	2,4000	1,43548
Boom	100	,00	5,00	3,2700	1,73412
Daia	100	,00	5,00	2,3800	1,37642
Rinso	100	,00	5,00	2,3100	1,34611
Soklin	100	,00	5,00	2,4400	1,51304
Valid N (listwise)	100

Sehingga muncul output deskriptif statistik, kemudian pada data view akan muncul juga hasil perhitungan z-score. Hasil z-score ini nantinya akan dipakai sebagai dasar analisis cluster. Setelah mengetahui nilai deskriptifnya, selanjutnya membuat cluster antar objek dengan menggunakan metode Hierarchical cluster untuk mendapatkan plot dendogram nya. (hasil terlampir)

Dihasilkan output cluster (terlampir), yang menunjukkan matrik jarak antara variabel satu dengan variabel lainnya. Semakin kecil jarak euclidean, maka semakin mirip kedua variabel tersebut. Sehingga akan membentuk kelompok/cluster.

Pada tabel Average linkage (between groups) merupakan hasil dari perhitungan jarak antar variabel yang ukur dengan jarak euclidean, yang selanjutnya akan dilakukan pengelompokan secara bertingkat. Berikut cara membaca hasilya.

Misal Stage 1, terbentuk cluster 1 (detergent 60) dan cluster 2 (detergent 100) dengan jarak (coefficient) 0,0 yang berarti tidak ada perbedaan sama sekali diantara kedua variabel. Selanjutnya pada kolom terakhir (next stage) terdapat angka 36, ini menunjukkan bahwa clustering selanjutnya dilakukan dengan melihat stage 36.

Pada stage 36 terlihat cluster 1 (detergent 20) dan cluster 2 (detergent 60), dengan jarak 0,0 yang berarti tidak ada perbedaan antara kedua variabel. Dengan demikian cluster sekarang cluster terdiri dari 3 objek, yaitu detergent 20, 60 dan 100. Sehingga didapatkan jarak antar 3 variabel adalah 0, karena:

Jarak detergent 60 – 100 = 0

Jarak detergent 20 – 60 = 0

Sehingga jarak rata-ratanya adalah= (0 + 0) / 2= 0

Dari seluruh cluster nantinya akan  disatukan/dikerucutkan menjadi satu cluster dirinci sesuai dengan jenis cluster yang paling mirip hingga cluster yang tidak mirip. Perincian jumlah cluster akan terlihat pada tabel Cluster Membership.

Dari hasil tabel cluster membership dapat ditentukan jumlah anggota pada tiap-tiap cluster yang akan dibuat, maka:

Anggota cluster 1 adalah detergent A,D, R & S

Anggota cluster 2 adalah detergent B

Anggota cluster 3 adalah detergent D & R

Anggota cluster 4 adalah R

Setelah mengetahui anggota masing-masing cluster, selanjutnya dapat dilihat pada dendogram. 

Dendogram digunakan untuk menunjukkan anggota cluster yang ada, juga dapat digunakan untuk menentukan jumlah cluster yang terbentuk. Dari hasil yang didapat jika ingin membuat 2 cluster maka, 

• cluster 1 beranggotakan detergent S sampai dengan D, sementara cluster 2 beranggotakan cluster B. 
• Jika ingin membuat 3 cluster maka cluster 1 beranggotakan detergent S sampai dengan A, cluster 2 beranggotakan detergent R sampai dengan D, dan cluster 3 beranggotakan detergent B.

Feedback dari Readers sekalian dapat membantu menyempurnakan tulisan ini. Semoga dapat membantu