Metode Analisis Klaster

January 04, 2014
Analisis klaster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis klaster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam klaster yang sama. Fokus dari analisis klaster adalah membandingkan objek berdasarkan set variabel yang mempresentasikan karakteristik yang dipakai objek-objek.

Metode analisis klaster adalah hierarchical method dan non hierarchical method. Metode hirerarki untuk mengelompokkan objek berdasarkan kemiripan yang ada pada objek tersebut di mana objek yang serupa akan dikelompokkan bersama dan efektif digunakan untuk mengelompokkan < 100 objek. Sedangkan metode non hirerarki berguna untuk mengelompokkan sejumlah objek ke dalam jumlah kelompok yang sudah ditetapkan di mana karakteristik objek hanya dikelompokkan berdasarkan variabel tertentu akan tetapi karakteristik latar belakang objek belum diketahui pasti yang efektif jika digunakan untuk pengelompokan > 100 objek (Yamin, 2009).



Metode hirerarki secara umum metode ini dibedakan menjadi dua yaitu metode aglomeratif berlangsung dengan menyusun satu seri penggabungan objek dalam kelompok-kelompok, hasil akhirnya semua obyek tergabung menjadi satu klaster. Sedangkan metode devisif berlangsung dengan membagi objek dalam beberapa klasternya sendiri. Ada empat kriteria penugasan dalam metode aglomeratif, yaitu:
1. Metode Single Lingkage
Metode ini dikenal dengan metode hubungan atau nearst neighbor. Metode hiraraki tunggal atau metode tetangga terdekat pelaksanaannya didasarkan pada perhitungan jarak terpendek. Pembentukan kelompok tergantung apakah jarak dari objek kekelompok pertama lebih dekat dibandingkan dengan jarak objek tersebut dengan objek lainnya yang belum terkelompok. Proses ini berlangsung terus sampai semua objek menjadi satu.
2. Metode Complete Linkage
Metode ini juga disebut sebagai metode Furtherst neighbor atau diameter method. Metode ini kebalikan dari metode Single Lingkage dimana jarak antar cluster ditentukan sebagai jarak terjauh.
3. Metode Average Lingkage
Metode Average Lingkage merupakan variasi dari algoritma single lingkage dan complete lingkage. Algoritma yang dipakai sama dengan kedua metode tersebut kecuali pehitungan jarak yang dipakai, yaitu bahwa jarak antar klaster-klaster didefinisikan sebagai jarak rata-rata antara seluruh pasangan objek yang akan digabungkan.
4. Metode Ward.s Error Sum Of Square
Metode ini membentuk cluster berdasarkan jumlah total kuadrad deviasi tiap pengamatan dari rata-rata cluster yang menjadi anggotanya. Dalam hal ini nilai Error Sum Of Square merupakan fungsi objektif pada saat melakukan penggabungan.

Keunggulan Analisis Klaster
Analisis klaster memiliki beberapa keunggulan, yaitu :

  1. Dapat mengelompokan data observasi dalam jumlah besar dan variabel yang relatif banyak. Data yang direduksi dengan kelompok akan mudah dianalisis.
  2. Dapat dipakai dalam skala data ordinal, interval, dan rasio.

Keterbatasan Analisis Klaster
Analisis klaster memiliki beberapa keterbatasan, antara lain :

  1. Perbedaan metode klaster akan memberikan hasil yang berbeda. Hal ini terjadi karena adanya perbedaan penggabungan klaster.
  2. Kecuali metode single linkage, metode lainnya sangat dipengaruhi oleh cara pengurutan variabel di dalam analisis (Ghozali, 2001).


Sumber:
Choirunnisa, (2012). Analisis Pola Klaster Dan Orientasi Pasar (Studi Kasus Sentra Industri Kerajinan Logam Desa Tumang Kecamatan Cepogo Kabupaten Boyolali). Skripsi S1, Program Sarjana Fakultas Ekonomika dan Bisnis Universitas Diponegoro Tahun 2012

Related Posts

Comments


EmoticonEmoticon