ANALISIS CLUSTER

1.        Definisi dan konsep dari analisis yang akan dilakukan

Analisis Cluster adalah suatu analisis statistik multivariate yang bertujuan untuk mengetahui struktur data dengan menempatkan kesamaan obyek observasi ke dalam satu kelompok data sehingga dapat dibedakan antara kelompok satu dengan kelompok yang lain atau dengan cara memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain. Dalam analisis ini tiap-tiap kelompok bersifat homogen antara anggota dalam kelompoknya atau dapat dikatakan variasi obyek/individu dalam satu kelompok yang terbentuk sekecil mungkin (Anderberg,1973).

Dengan kata lain yang lebih mudah dipahami, analisis cluster adalah analisis yang dilakukan untuk mengelompokkan objek – objek berdasarkan kesamaan karakteristik di antara objek – objek tersebut. Diharapkan dengan terbentuknya kelompok – kelompok tersebut akan lebih mudah dalam menganalisa dan lebih tepat pengambilan keputusan yang sehubungan dengan masalah tersebut. Perbedaan analisis cluster dengan analisis faktor adalah bahwa analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel.

Adapun tujuan analisis cluster adalah :

-          menyederhanakan data dan untuk menyajikannya ke dalam bentuk grafik atau dendogram.

-          mengelompokkan obyek – obyek menjadi kelompok – kelompok yang mempunyai sifat yang homogen atau variasi obyek yang terbentuk sekecil mungkin.

-          selain itu, analisis cluster digunakan untuk membedakan dengan jelas antara satu kelompok cluster dengan kelompok yang lain.

2.       Kegunaan analisis tersebut dalam perencanaan, terutama dalam perencanaan wilayah dan kota

Secara umum, analisis cluster ini memiki manfaat sebagai berikut :

a.       Untuk menerapkan dasar – dasar pengelompokan dengan lebih konsisten.

b.      Untuk mengembangkan suatu metode generalisasi secara induktif, yaitu pengambilan kesimpulan secara umum dengan berdasarkan fakta – fakta khusus.

c.       Menemukan tipologi yang cocok dengan karakter obyek yang diteliti.

d.      Mendeskripsikan sifat – sifat atau karakteristik dari masing – masing kelompok (cluster).

Analisis cluster ini dapat diaplikasikan dalam berbagai bidang keilmuan. Misalnya dalam analisis pemasaran, maka dapat digunakan untuk mengetahui target pasar, mengetahui pengembangan produk baru, dan sebagainya.

Selanjutnya adalah dalam bidang pendidikan. Sebagai contoh dalam pendidikan. Analisis ini dapat digunakan untuk mengelompokan data mahasiswa. Misalnya data berupa siswa, orang tua, jenis kelamin, atau nilai IPK. Sehingga dapat dikelompokan mahasiswa – mahasiswa yang memiliki nilai IPK tinggi, sedang dan rendah.

Begitu juga 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.

3.       Data dan jenis data yang dibutuhkan

Berikut adalah data yang akan diangkat sebagai contoh kasus dalam analisis crosstab. Yaitu mengenai data mengenai salon yang ada di suatu Kecamatan Banyumanik. Penilaian mengenai salon ini mengguankan beberapa variabel. Variabel – variabel yang dapat digunakan dalam analisis cluster adalah harga atau biaya salon, kepuasan pelanggan atau pengunjung dalam pelayanan salon, fasilitas – fasilitas yang ada di dalam salon tersebut, serta aksesibilitas salon tersebut (kemudahan dijangkau) oleh pengunjung.

Dari 4 variabel, masing – masing variabel memiliki 4 kriteria penilaian serta akan diberikan pembobotan yang bertingkat, mulai dari 1 sampai dengan 4. Dengan adanya penilaian tersebut, nantinya dari salon – salon di Semarang dapat dikelompokan sesuai karakteristik yang hampir sama.  

Adapun 4 variabel beserta kriteria penilaian per variabel adalah sebagai berikut :

a.       Biaya pelayanan jasa salon

-          Biaya hanya dapat dijangkau oleh kalangan atas - 1

-          Biaya hanya dapat dijangkau oleh kalangan menengah ke atas - 2

-          Biaya standar dapat dijangkau semua kalangan - 3

-          Biaya standar dapat dijangkau semua kalangan, dan ada potongan harga pada waktu tertentu - 4

b.      Kepuasan dalam pelayanan salon

-          Pelayanan baik dan sesuai permintaan pelanggan - 1

-          Pelayanan baik, sesuai permintaan pelanggan dan memuaskan - 2

-          Pelayanan baik dan cepat, sesuai permintaan pelanggan, memuaskan - 3

-          Pelayanan baik dan cepat, sesuai permintaan pelanggan, memuaskan, pegawai ramah dan menyenangkan - 4

c.       Fasilitas yang tersedia

-          Peralatan salon yang lengkap, tempat yang nyaman dan bersih - 1

-          Peralatan salon yang lengkap, tempat nyaman, bersih dan ber-AC - 2

-          Peralatan salon lengkap dan canggih, tempat nyaman bersih dan ber-AC - 3

-          Peralatan salon lengkap, canggih dan terbaru, tempat nyaman, bersih, luas dan ber-AC  - 4

d.      Aksesibilitas

-     Terletak bukan di tepi jalan, kurang mudah dijangkau alat transportasi umum, jauh dari pusat kota - 1

-          Terletak di tepi jalan lingkungan, mudah dijangkau alat transportasi, namun jauh dari pusat kota - 2

-          Terletak di tepi jalan utama, mudah dijangkau alat transportasi, dekat dengan pusat kota - 3

-          Terletak di tepi jalan raya utama, mudah dijangkau oleh semua moda moda transportasi, terletak tepat di pusat kota (CBD)  - 4

Berikut adalah tabel penilaian salon di Kota Semarang :

No.	Nama Salon	Jumlah Pengunjung/hari	Biaya	Kepuasan	Fasilitas	Aksesibilitas
1	Salon A	10	4	1	1	2
2	Salon B	25	3	3	3	2
3	Salon C	33	2	4	4	2
4	Salon D	19	4	2	2	4
5	Salon E	31	1	3	4	3
6	Salon F	29	1	3	3	4
7	Salon G	40	2	4	4	3
8	Salon H	38	3	4	3	4
9	Salon I	16	1	2	4	3
10	Salon J	18	1	2	3	4
11	Salon K	28	3	4	2	3
12	Salon L	21	2	1	2	2
13	Salon M	19	2	2	3	3
14	Salon N	39	3	3	4	2
15	Salon O	38	4	2	3	3

Data – data di  atas adalah data yang akan diolah menggunakan analisis cluster. Sehingga nantinya kelima belas salon di Kota Semarang akan dikelompokkan sesuai denga kondisi yang  hampir sama dalam satu kelompok (cluster). Berikut adalah tahapan – tahapan analisis cluster :

4.      Tahapan analisis

1.        Memasukkan data yang akan dianalisis ke dalam lembar kerja SPSS.

2.       Melakukan analisis dengan cara klik analyze, lalu classify, selanjutnya pilih Hierarchichal Cluster.

3.       Memasukkan 4 variabel tadi, ke dalam kotak variabel.

4.      Menganalisis cluster degan bantuan SPSS, dengan meng-klik option yang ada di kotak dialog. Ada statistic, plot, method.

5.       Pada pilihan statistic, pilih Agglomeration schedule. Cluster membershipnya diisi 2 hingga 4, berarti kemungkinan cluster yang nanti akan terbentuk adalah 2 – 4 kelompok.

6.      Pada pilihan plots, aktifkan dendogram, lalu pada icicle, pilih none, sehingga tidak ada icicle yan gdiperlihatkan dalam bagian output.

7.       Pada pilihan Method, pilih between group linkage

8.      Lalu klik OK. Maka akan muncul output yang merupakan hasil analisisnya.

5.       Penjelasan dari output analisis yang dilakukan

Hasil output dari analisis cluster terdapat beberapa tabel. Yaitu Case Processing Summary, matrix priority, average linkage between group, Cluster membership, dan bagan dendogram. Dari masing – masing tabel dapat ditarik kesimpulannya sesuai dengan jenis analisisnya. Setelah itu diambil keputusannya berdasarkan ketentuan yang digunakan.

Dengan tabel – tabel hasil output, maka didapatkan cluster – cluster yang telah memiliki anggota masing – masing sesuai dengan kesamaan karakteristiknya. Dari output analisis yang dilakukan dapat dilihat pembagian clusternya, ada yang terbagi menjadi 2, terbagi menjad 3 atau terbagi menjadi 4. Masing – masing data salon telah menjadi anggota dari cluster – cluster yang terbentuk.

Hasil output analisis pun didapat sebuah dendogram. Dengan dendogram ini, dapat diketahui juga kelompok – kelompok atau cluster – cluster yang terbentuk. Hanya, pada dendogram bentuknya berupa garis – garis, agar lebih mudah memahami. Dari data yang didapat dari dendogram, maka tampak bahwa dari data – data yang dianalisis akan tergabung menajdi satu cluster.