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.
