Tugas ResumeAnalisis Cluster dan Analisis DiskriminanDisusun Untuk Memenuhi Tugas Mata Kuliah Metode Analisis Perencanaan(TKP 342)

Oleh:Hanifah Cindy Pratiwi 21040113130100Kelas B

JURUSAN PERENCANAAN WILAYAH DAN KOTAFAKULTAS TEKNIK UNIVERSITAS DIPONEGOROSEMARANG2015

Analisis Cluster dan Analisis Diskriminan

A. Analisis ClusterAnalisis cluster merupakan teknik multivariat yang mempunyai tujuan utama mengelompokkan objek-objek berdasarkan kesamaan karakteristik di antara objek-objek tersebut. Objek bisa berupa produk (barang dan jasa), benda (tumbuhan atau lainnya), serta orang (responden, konsumen atau yang lain). Objek tersebut akan diklasifikasikan ke dalam satu atau lebih cluster (kelompok) sehingga objek-objek yang berada dalam satu cluster akan mempunyai kemiripan satu dengan yang lain. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi.Berbeda dengan teknik multivariat lainnya, analisis ini tidak mengestimasi set vaiabel secara empiris sebaliknya menggunakan setvariabel yang ditentukan oleh peneliti itu sendiri. Fokus dari analisis cluster adlah membandingkan objek berdasarkan set variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai tahap kritis dalam analisis cluster. Set variabel cluster adalah suatu set variabel yang merpresentasikan karakteristik yang dipakai objek-objek. Bedanya dengan analisis faktor adalah bahwa analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel. Analisis cluster termasuk pada Interdependes Techniques. analisis cluster (Q factor analysis) lebih bertujuan mengelompokkan isi variabel, walaupun bisa juga disertai dengan pengelompokan variabel. Dalam terminologi SPSS, analisis cluster adalah perlakuan terhadap baris. Secara logika, cluster yang baik adalah cluster yang mempunyai: Homogenitas (kesamaan) yang tinggi antar anggota dalam satu cluster (within-cluster). Heterogenitas (perbedaan) yang tinggi antar cluster yang satu dengan cluster yang lainnya (between-cluster).Dalam analisis cluster, terdapat dua metode pembentukan cluster, yaitu:1. Hierarchial MethodeMetode ini memulai pengelompokan dengan dengan dua atau lebih objek yang mempunyai kesamaan paling dekat. Kemudian proses diteruskan ke objek lain yang mempunyai kedekatan kedua. Demikian seterusnya sehingga cluster akan membentuk semacam pohon, di mana ada hirarki (tingkatan) yang jelas antar objek, dari yang paling mirip sampai paling tidak mirip. Secara logika semua objek pada akhirnya akan membentuk sebuah cluster. Dendogram biasanya digunakan untuk membantu memperjelas proses hirarki tersebut.Keuntungan penggunaan metode hierarki dalam analisis Cluster adalah mempercepat pengolahan dan menghemat waktu karena data yang diinputkan akan membentuk hierarki atau membentuk tingkatan tersendiri sehingga mempermudah dalam penafsiran, namun kelemahan dari metode ini adalah seringnya terdapat kesalahan pada data outlier, perbedaan ukuran jarak yang digunakan, dan terdapatnya variabel yang tidak relevan. Sedang metode non-hierarki memiliki keuntungan dapat melakukan analisis sampel dalam ukuran yang lebih besar dengan lebih efisien. Selain itu, hanya memiliki sedikit kelemahan pada data outlier, ukuran jarak yang digunakan, dan variabel tak relevan atau variabel yang tidak tepat. Sedangkan kelemahannya adalah untuk titik bakal random lebih buruk dari pada metode hirarkhi.2. Non-Hierarchial MethodeBerbeda dengan metode hirarki, metode ini justru dimulai dengan terlebih dahulu jumlah cluster yang diinginkan (dua cluster, tiga cluster atau yang lain). Setelah jumlah cluster diketahui, baru proses cluster dilakukan tanpa mengikuti proses hirarki. Metode ini biasa disebut dengan K-Means Cluster.Dalam bidang perencanaan wilayah dan kota. Analisis cluster ini dapat digunakan dalam mengelompokkan fasilitas fasilitas umum dari sudut pandang pemakai atau masyarakat. Sebagai contoh, mengelompokkan fasilitas prasarana transportasi seperti terminal. Dengan menganalisis data data yang ada, maka dapat dikelompokkan terminal yang pelayanannya sudah baik, sedang atau terminal yang tidak baik kualitasnya. Maka terminal terminal yang memiliki karakteristik yang sama (ditandai dengan nilai yang selisihnya tidak jauh berbeda) akan ditempatkan pada satu kelompok atau cluster.B. Analisis DiskriminanAnalisis diskriminan adalah metode analisis multivariat yang bertujuan untuk memisahkan dan mengalokasikan objek pengamatan ke dalam kelompok sehingga setiap objek menjadi anggota dari salah satu kelompok dan tidak ada objek yang menjadi anggota lebih dari satu kelompok. Prosedur analisis diskriminan dilakukan dengan membentuk fungsi diskriminan berdasarkan kombinasi linear dari variabel bebas yang diteliti. Fungsi diskriminan yang terbentuk digunakan untuk pengelompokan pada kasus baru yang belum diketahui keanggotaan kelompoknya. Nilai diskriminan dari setiap objek yang terlibat merupakan petunjuk termasuk dalam kelompok mana objek tersebut berasal (Johnson dan Wichern, 2007).Analisis diskriminan adalah metode untuk mencari dasar pengelompokan individu berdasarkan lebih dari satu variabel bebas. Analisis Diskriminan dipakai untuk menjawab pertanyaan bagaimana individu dapat dimasukkan ke dalam kelompok berdasarkan beberapa variabel. Analisis diskriminan memberikan hasil terbaik apabila variabel dalam setiap kelompok mengikuti distribusi normal multivariat dan matriks varian kovarian untuk setiap kelompok adalah homogen. Sehingga ada pengujian asumsi sebelum dilakukan analisis diskriminan dan akan memberikan ketepatan klasifikasi yang rendah apabila asumsi tersebut tidak dipenuhi.Analisis diskriminan bermanfaat pada situasi di mana sampel total dapat dibagi menjadi group-group berdasarkan karateristik variabel yang diketahui dari beberapa kasus. Tujuan utama dari analisis multipel diskriminan adalah untuk mengetahui perbedaan antar group (Hair, Anderson, Tatham, Black, 1995). Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependen merupakan data kategorik atau kualitatif (ordinal atau rasio), sedangkan variabel independen berupa data kuantitatif (interval atau rasio).Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau observasi ke dalam kelompok yang saling bebas (mutually exclusive/disjoint) dan menyeluruh (exhaustive) berdasarkan sejumlah variabel penjelas. Persamaan Fungsi Diskriminan yang dihasilkan untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu kedalam kelompok berdasarkan skor variabel bebas. Jika kita bandingkan dengan regresi linier, maka analisis diskriminan merupakan kebalikannya. Pada regresi linier, variabel respon yang harus mengikuti distribusi normal dan homoskedastis, sedangkan variabel penjelas diasumsikan fixed, artinya variabel penjelas tidak disyaratkan mengikuti sebaran tertentu. Untuk analisis diskriminan, variabel penjelasnya seperti sudah disebutkan di atas harus mengikuti distribusi normal dan homoskedastis, sedangkan variabel responnya fixed.Asumsi dalam analisis diskriminan yaitu: Tidak adanya multikolinieritas antara variabel independen (Hubungan linear antar variable independen). Variabel independen mengikuti distribusi normal. Adanya homogenitas varians antara kelompok data (Matriks varians-covarians variabel penjelas berukuran pxp pada kedua kelompok harus sama).Ciri analisis ini adalah jenis data dari variabel dependent bertipe nominal ( kategori ), seperti kode 2 dan 1, atau kode 1, 2, dan 3 serta kombinasi lainnya. Proses diskriminan lebih dari 2 kelompok. Untuk diskriminan untuk 3 kelompok seperti pada kasusu ini, pembagian variabel bebas tidak seperti pada kasus 2 kelompok, yakni langsung variabel a ke kelompok 1, variabel b ke kelompok 2 dan seterusnya. Disini seluruh variabel bebas dilakukan proses reduksi variabel terlebih dahulu, yakni menjadi 1 atau beberapa faktor. Setelah itu, setiap kelompok (sering, jarang, cukup) akan ditentukan lebih cenderung masuk ke faktor yang mana. Jadi di sini dasar pembagian adalah faktor bukan variabel bebas yang semula.Oleh karena bentuk multivariate dari analisis diskriminan adalah dependence, maka variabel dependen adalah variabel yang menjadi dasar analisis diskriminan. Variabel dependen bisa berupa kode grup 1 atau grup 2 atau lainnya, dengan tujuan diskriminan secara umum adalah: Untuk mengetahui apakah ada perbedaan yang jelas antar grup pada variabel dependen. Jika ada perbedaan, kita ingin mengetahui variabel independen mana pada fungsi diskriminan yang membuat perbedaan tersebut. Membuat fungsi atau model diskriminan, yang pada dasarnya mirip dengan persamaan regresi. Melakukan klasifikasi terhadap objek (dalam terminologi SPSS disebut baris), apakah suatu objek (bisa nama orang, nama tumbuhan, benda atau lainnya) termasuk pada grup 1 atau grup 2 atau lainnya.

Sumber: Anonim. 2008. Analisis Cluster dalam www.statistikaterapan.com. Diakses pada Sabtu, 28 Maret 2015.Anonim. 2011. Analisis Diskriminan dalam www.download.portalgaruda.org. Diakses pada Sabtu, 28 Maret 2015.Anonim. 2013. Analisis Diskriminan dalam www.statistikian.com. Diakses pada Sabtu, 28 Maret 2015.Anonim. 2014. Analisis Cluster dalam www.statistikian.com. Diakses pada Sabtu, 28 Maret 2015.