Berikut interprestasi dari analisis cluster hirarki dengan SPSS. Tabel diatas menunjukkan matriks jarak antara variabel satu dengan variabel yang lain. Semakin kecil jarak euclidean, maka semakin mirip kedua variabel tersebut sehingga akan membentuk kelompok (cluster). Tabel di atas merupakan hasil proses clustering dengan metode "Between Group Linkage". Setelah jarak antar variabel diukur dengan jarak euclidean, maka dilakukan pengelompokan, yang dilakukan secara bertingkat. Proses aglomerasi ini bersifat kompleks, khususnya perhitungan koefisien yang melibatkan sekian banyak obyek dan terus bertambah. Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan ditentukan berapa cluster yang seharusnya dibentuk.



Interprestasi Analisis Cluster Hirarki dengan SPSS

Setelah kita melakukan analisis cluster seperti yang dibahas dalam artikel sebelumnya, yaitu: , maka sampai pada kita bagaimana menginterprestasikan hasilnya.

Buka output SPSS anda.


Proximities
Proximities


Tabel output di atas menunjukkan bahwa semua data sejumlah 14 obyek telah diproses tanpa ada data yang hilang.


Proximity Matrix
Matrix Proximities


Tabel diatas menunjukkan matriks jarak antara variabel satu dengan variabel yang lain. Semakin kecil jarak euclidean, maka semakin mirip kedua variabel tersebut sehingga akan membentuk kelompok (cluster).


Average Linkage
Average Linkage


Tabel di atas merupakan hasil proses clustering dengan metode "Between Group Linkage". Setelah jarak antar variabel diukur dengan jarak euclidean, maka dilakukan pengelompokan, yang dilakukan secara bertingkat.

Stage 1: terbentuk 1 cluster yang beranggotakan Sampel no 4 dan 11 dengan jarak 0.000 (perhatikan pada kolom Coefficients). Karena proses aglomerasi dimulai dari 2 obyek yang terdekat, maka jarak tersebut adalah yang terdekat dari sekian kombinasi jarak 14 obyek yang ada. Selanjutnya lihat kolom terakhir (Next Stage), terlihat angka 3. Hal ini berarti clustering selanjutnya dilakukan dengan melihat stage 3.
Demikian seterusnya dari stage 3 dilanjutkan ke stage 11, sampai ke stage terakhir.

Proses aglomerasi ini bersifat kompleks, khususnya perhitungan koefisien yang melibatkan sekian banyak obyek dan terus bertambah. Proses aglomerasi pada akhirnya akan menyatukan semua obyek menjadi satu cluster. Hanya saja dalam prosesnya dihasilkan beberapa cluster dengan masing-masing anggotanya, tergantung jumlah cluster yang dibentuk. Perincian jumlah cluster dengan anggota yang terbentuk dapat dilihat pada tabel output berikut ini:


Tabel Cluster Membership
Tabel Cluster Membership

Dari table di atas, jika anda menginginkan 2 cluster, maka yang menjadi anggota cluster 1 lihat pada kolom "2 clusters" dengan symbol 1, yaitu sample A, E, F, G, I, J.

Diagram Dendogram
Diagram Dendogram


Dendogram berguna untuk menunjukkan anggota cluster yang ada jika akan ditentukan berapa cluster yang seharusnya dibentuk. Sebagai contoh yang terlihat dalam dendogram, apabila akan dibentuk 2 cluster, maka cluster 1 beranggotakan sample D sampai dengan Sampel B (sesuai urutan dalam dendogram); dan cluster 2 beranggotakan sample G sampai dengan Sampel E. Demikian seterusnya dapat dengan mudah dilihat anggota tiap cluster sesuai jumlah cluster yang diinginkan.

Kemudian anda lihat dataset anda pada "data view", di mana ada variabel baru dengan nama "Cluster Between Average Linkage". Variabel tersebut memberikan tanda pada sampel, masuk menjadi anggota cluster mana.

Demikian tutorial tentang Analisis Cluster Hirarki dengan SPSS. Sialakan anda baca artikel kami selanjutnya: Analisis Cluster Non-Hirarki dengan SPSS.

Statistikian

Statistikian

Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis Komputer seperti excel, Stata dan Minitab. Bantuan Olah dan Analisa Data, SMS: 085748695938.

Tinggalkan Komentar:

0 comments:

Tinggalkan Komentar Anda Di Sini