BAB IV PENGOLAHAN DATA

Ukuran: px

Mulai penontonan dengan halaman:

Download "BAB IV PENGOLAHAN DATA"

Doddy Setiawan
8 tahun lalu
Tontonan:

1 BAB IV PENGOLAHAN DATA 4.1 Non-Hirarki Cluster (K-Means Cluster) Print Output dan Analisa Output A. Initial Cluster Center Initial Cluster Centers Cluster 1 2 Kenyamanan 2 5 Kebersihan 3 5 Luas_Parkir 3 4 Loc_Strat 3 5 JumKasir 4 4 PelKasir 5 4 Harga 5 3 Tataletak 4 2 KualitasPro 5 3 Ketersediaan 2 5 Keamanan 3 5 Gambar 4.1 Initial Cluster Center Tabel diatas merupakan tampilan pertama proses clustering data sebelum dilakukan iterasi. Pada cluster 1, variabel pelayanan kasir, harga, kualitas produk bernilai 5, variabel jumlah kasir dan tata letak bernilai 4, variabel kebersihan, luas parker, lokasi strategis, dan keamanan bernilai 3, variabel kenyamanan dan ketersediaan bernilai 2.

2 Pada cluster 2 (IDEM) B. Iteration History Iteration History a Change in Cluster Centers Iteration a. Convergence achieved due to no or small change in cluster centers. The maximum absolute coordinate change for any center is.000. The current iteration is 8. The minimum distance between initial centers is Gambar 4.2 Iteration History Tabel diatas menunjukkan bahwa proses clustering yang dilakukan melalui 8 tahapan iterasi untuk mendapatkan cluster yang tepat.

3 C. Final Clusters Centers Final Cluster Centers Cluster 1 2 Kenyamanan 3 4 Kebersihan 3 4 Luas_Parkir 3 4 Loc_Strat 4 4 JumKasir 4 4 PelKasir 4 4 Harga 3 4 Tataletak 3 3 KualitasPro 4 4 Ketersediaan 3 4 Keamanan 4 3 Gambar 4.3 Final Clusters Centers Tabel diatas merupakan tampilan akhir proses clustering data setelah dilakukan 8 tahapan iterasi. Pada cluster 1, variabel lokasi strategis, jumlah kasir, pelayanan kasir, kualitas produk, keamanan bernilai 4, variabel kenyamanan, kebersihan, luas parkir, harga, tata letak, ketersediaan bernilai 3. Pada cluster 2, (IDEM)

4 D. ANOVA Gambar 4.4 ANOVA Pada tabel ANOVA diatas variabel yang paling menunjukkan adanya perbedaan adalah kebersihan. Hal ini ditunjukkan dengan nilai F=42,863 dan Sig=0,000. Sedangkan variabel yang paling menunjukkan adanya persamaan adalah jum_kasir dengan nilai F=0,008 dan Sig=0,929. E. Number Of Cases In each Cluster Number of Cases in each Cluster Cluster Valid Missing.000 Gambar 4.5 Number Of Cases In each Cluster

5 Tabel diatas menunjukkan bahwa cluster 1 beranggotakan 26 responden, cluster 2 beranggotakan 24 responden. Maka didapat semua responden bertotal (N) 50 orang dengan 0 data yang hilang (Missing). 4.2 Hirarki Cluster (Hierarchycal Cluster) Print Output dan Analisa Output A. Cases Processing Summary Case Processing Summary a Cases Valid Missing Total N Percent N Percent N Percent a. Average Linkage (Between Groups) Gambar 4.6 Cases Processing Summary Dengan jumlah data atau case (N) 50 data atau case yang valid adalah 100,0%. Ada data atau case yang keluar atau missing atau tidak valid karena nilai yang ditunjukkan jumlah data atau case (N) 0 dengan presentase 0%. Maka total jumlah data atau case (N) adalah 50 dengan total presentase 100%.

6 B. Proximity Matrix Gambar 4.7 Proximity Matrix Responden dengan nilai proximity matrix terkecil adalah p-j dengan nilai koefisien 1,000. Semakin kecil nilai koefisien maka semakin mempunya selera yang sama atau kesamaan dalam pemilihan. Maka p dan j memiliki selera yang sama dalam pemilihan kuisioner mengenai (.).

7 C. Average Linkage (Between Groups) Agglomeration Schedule Cluster Combined Stage Cluster First Appears Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage

8 Gambar 4.8 Average Linkage (Between Groups) Tabel diatas merupakan hasil proses clustering dengan metode Between Group Linkage dan jarak antar variabel diukur (Measure) dengan Euclidean, maka dilakukan pengelompokan yang dilakukan secara bertingkat. Pada stage 1, terbentuk 1 cluster yang beranggotakan J (10) dan P (16) dengan jarak 1,000. Selanjutnya dilanjutkan dengan stage 6 (Next Stage). Pada stage 6, terlihat D (4) dan J (10) membentuk cluster dengan jarak 3,500. Dengan demikian, cluster terdiri dari 3 orang yaitu J (10), P (16), D (4). Selanjutnya dilanjutkan dengan stage 31 (Next Stage). dst Pada stage 2, terbentuk 1 cluster yang beranggotakan KK (37) dan XXX (50) dengan jarak 3,000. Selanjutnya dilanjutkan dengan stage 21 (Next Stage). dst Pada stage (sampai stage sudah dilewati semua).

9 E. Cluster Membership Cluster Membership Case 2 Clusters 1:a 1 2:b 1 3:c 1 4:d 1 5:e 1 6:f 1 7:g 1 8:h 1 9:i 1 10:j 1 11:k 1 12:l 1 13:m 1 14:n 1 15:o 1 16:p 1 17:q 1 18:r 1 19:s 1 20:t 2 21:u 1 22:v 1 23:w 1 24:x 1 25:y 1 26:z 1 27:aa 1 28:bb 1 29:cc 1 30:dd 1 31:ee 1 32:ff 1

10 33:gg 1 34:hh 1 35:ii 1 36:jj 1 37:kk 1 38:ll 1 39:mm 1 40:nn 1 41:oo 1 42:pp 1 43:qq 1 44:rr 1 45:ss 1 46:tt 1 47:uu 1 48:vv 1 49:ww 1 50:xxx 1 Gambar 4.9 cluster membership Untuk cluster membership dengan 2 cluster yang termasuk dalam cluster 1 adalah A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, U, V, W, X, Y, Z, AA, BB, CC, DD, EE, FF, GG, HH, II, JJ, KK, LL, MM, NN, OO, PP, QQ, RR, SS, TT, UU, VV, WW, XX. Dan yang termasuk cluster 2 adalah T.

11 F. Dendogram * * * * * * * * * * * * * * * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * * * * * * * * * * * * * * * * * * Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine C A S E Label Num j 10 p 16 d 4 n 14 u 21 h 8 aa 27 i 9 ss 45 l 12 q 17 dd 30 vv 48 b 2 cc 29 g 7 x 24 v 22 tt 46 uu 47 jj 36 s 19 gg 33 mm 39 ee 31 hh 34 nn 40 oo 41 o 15 y 25 f 6 k 11 e 5 c 3 kk 37 xxx 50 ii 35 r 18 ff 32 rr 44 bb 28 qq 43 w 23 z 26 ll 38 m 13 pp 42 ww 49 a 1 t 20 Gambar 4.10 Dendogram

dokumen-dokumen yang mirip

MODUL 6 ANALISIS CLUSTER

MODUL 6 ANALISIS CLUSTER Tujuan Praktikum Pada modul 6 ini, tujuan yang hendak dicapai dalam pelaksanaan praktikum antara lain : Mahasiswa mampu mengenali karakteristik analisis cluster. Mahasiswa memahami