Segmentasi Mahasiswa S1 IPB terhadap Sistem Peminjaman Sepeda

dokumen-dokumen yang mirip
HASIL DAN PEMBAHASAN

PEREDUKSIAN PEUBAH PADA METODE TWO STEP CLUSTER (Studi Kasus Penggerombolan Desa/Kelurahan di Jawa Barat) RANI KARLINA

PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO STEP CLUSTER

PENGGEROMBOLAN DUA TAHAP SEKOLAH TINGKAT SMP/MTS BERDASARKAN INDIKATOR PENCAPAIAN STANDAR PELAYANAN MINIMAL PENDIDIKAN DASAR ANGGI BUDI PRATIWI

Sri Indra Maiyanti, Endro Setyo Cahyono, Weni Winata. Universitas Sriwijaya

HASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:

Penggunaan Analisis Two Step Clustering untuk Data Campuran. Two Step Clustering Analysis for Combination Data

PERBANDINGAN METODE PENGGEROMBOLAN DENGAN KOMPONEN UTAMA NONLINIER DAN GEROMBOL DUA LANGKAH PADA DATA CAMPURAN YOGI YUNIANTO

BAHAN DAN METODE. Bahan

PERBANDINGAN HASIL PENGGEROMBOLAN K-MEANS, FUZZY K- MEANS, DAN TWO STEP CLUSTERING. Lathifaturrahmah

PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE

PENGGEROMBOLAN DUA TAHAP IKAN TEMBANG (Sardinella fimbriata) DI PERAIRAN TELUK BANTEN KARTIKA ADI PRATIWI

PENDEKATAN METODE KONJOIN UNTUK MENENTUKAN PREFERENSI ATRIBUT TELEPON SELULER PINTAR PADA MAHASISWA FMIPA IPB ANGKATAN

KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN

Tabel 6 Daftar peubah karakteristik

KARAKTERISTIK MAHASISWA PENDIDIKAN MATEMATIKA IAIN ANTASARI BANJARMASIN DENGAN MENGGUNAKAN METODE TWO STEP CLUSTER (Studi Kasus Angkatan 2012/2013)

PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI

Perbandingan Tingkat Kemudahan Tiga Metode Konjoin pada Preferensi Mahasiswa terhadap Kualitas Dosen STIS

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot

PERBANDINGAN UKURAN JARAK LOG-LIKELIHOOD DAN EUCLIDEAN PADA PEMBENTUKAN GEROMBOL DENGAN MENGGUNAKAN ANALISIS TWO STEP CLUSTER NUR MILA SARI

APLIKASI METODE TWOSTEP CLUSTER PADA UKURAN DATA BERBEDA Studi Kasus: Data Potensi Desa 2006 untuk Wilayah Jawa Barat NURSHAUMI FITRIANI HAKIM

HASIL DAN PEMBAHASAN. Analisis data menggunakan software SPSS 11.5 for windows, Microsoft Excel, dan SAS 9.1. Profil Responden

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI

ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA

JMP : Volume 4 Nomor 1, Juni 2012, hal

PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan

Resume Regresi Linear dan Korelasi

HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Berdasarkan Peubah Penjelas

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).

(M.5) PENERAPAN ANALISIS KONJOIN DENGAN PROSEDUR THURSTONE PADA PREFERENSI MAHASISWA TERHADAP KUALITAS DOSEN SEKOLAH TINGGI ILMU STATISTIK

ANALISIS GEROMBOL DUA TAHAP UNTUK PENENTUAN KOLEKSI INTI TANAMAN UBI KAYU DYAH AYUNING PAWESTRI

KAJIAN SELF-ORGANIZING MAPS (SOM) DALAM PENGELOMPOKAN OBJEK (studi kasus: pengelompokan desa/kelurahan di Kabupaten Wajo Sulawesi Selatan) IRWAN THAHA

ANALISIS FAKTOR RISIKO PENYAKIT JANTUNG KORONER DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK DAN CHAID: KASUS DI RSUP DR. WAHIDIN SUDIROHUSODO MAKASSAR

Perbandingan Tingkat Kemudahan Tiga Metode Konjoin pada Preferensi Mahasiswa terhadap Kualitas Dosen STIS

PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN

DATA DAN METODE Sumber Data

HASIL DAN PEMBAHASAN. Deskripsi Data

PREFERENSI MAHASISWA IPB TERHADAP MATA KULIAH METODE STATISTIKA MENGGUNAKAN ANALISIS KONJOIN

PENERAPAN ANALISIS DISKRIMINAN DALAM PENGELOMPOKAN DESA MISKIN DI KABUPATEN WAJO

ANALISIS KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA FEM DAN FAPERTA MENGGUNAKAN METODE CHART

HASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika

KAJIAN METODE PENGGEROMBOLAN DUA TAHAP UNTUK DATA YANG MENGANDUNG PENCILAN ARNI NURWIDA

ANALISIS GEROMBOL MENGGUNAKAN METODE TWO STEP CLUSTER (Studi kasus : data Potensi Desa Sensus Ekonomi 2003 wilayah Jawa Barat)

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

ANALISIS DATA KATEGORIK

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER

HASIL DAN PEMBAHASAN

PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN

METODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT

BAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma

SIMPULAN DAN SARAN. Simpulan

Prosiding Matematika ISSN:

BAB 1 PENDAHULUAN 1.1. Latar Belakang

ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X

PERBANDINGAN HASIL PENGGEROMBOLAN METODE K-MEANS, FUZZY K-MEANS, DAN TWO STEP CLUSTER

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI

PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI

PENERAPAN METODE CART

E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp ISSN:

Minggu II STATISTIKA MULTIVARIATE TERAPAN

5. ANALISIS HASIL PENELITIAN

Dosen, Institut Pertanian Bogor. Alumni Instiitut Pertanian Bogor

Statistika Psikologi 2

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN ANALISIS GEROMBOL DATA TIDAK LENGKAP DENGAN ALGORITMA KHUSUS PADA DATA KESEJAHTERAAN RAKYAT PROVINSI ACEH RAHMAWATI EKA HANDAYANI

Masalah Overdispersi dalam Model Regresi Logistik Multinomial

IDENTIFIKASI KARAKTERISTIK LULUSAN KELOMPOK PROGRAM STUDI MAGISTER IPB BERDASARKAN KEBERHASILAN STUDI MAHASISWA

PENERAPAN METODE GUSTAFSON-KESSEL CLUSTERING UNTUK MENENTUKAN SEGMENTASI DEBITUR PADA BANK CIMB NIAGA

dimana n HASIL DAN PEMBAHASAN

Statistics for Managers Using Microsoft Excel Chapter 1 Introduction and Data Collection

Pengaruh brand image IM3terhadap keputusan pembelian simcard Gambar 7. Kerangka pemikiran

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani

METODE STATISTIKA (Pendahuluan)

ANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

III. METODOLOGI PENELITIAN


PENERAPAN ANALISIS KONJOIN PADA PREFERENSI MAHASISWA TERHADAP PEKERJAAN

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan

ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT

PENERAPAN METODE KLASTERING DENGAN ALGORITMA K-MEANS UNTUK PREDIKSI KELULUSAN MAHASISWA PADA PROGRAM STUDI TEKNIK INFORMATIKA STRATA SATU

IV. METODE PENELITIAN

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

IDENTIFIKASI FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN MAHASISWA PUTUS KULIAH DI IPB ANGKATAN 2008 MENGGUNAKAN ANALISIS SURVIVAL

Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN

BAB IV INTEPRETASI DATA

KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)

*Corresponding Author:

DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA

Jl. Arief Rahman Hakim, Surabaya Indonesia

Proses Pengelompompokan Saraf Menggunakan Jaringan Saraf Tiruan (JST) dengan Algoritme Self-Organizing Maps (SOM)

Penerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan

Kata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik

METODE PENELITIAN. Gambar 2 Kerangka pengambilan contoh penelitian. Purposive. Proporsional random sampling. Mahasiswa TPB-IPB 2011/2012 (N=3494)

Seminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011

Gaya Hidup - aktivitas - minat - opini

Transkripsi:

Xplore (ISSN:2302-5751), Vol 2 No 1 (2018):17-24 Segmentasi Mahasiswa S1 IPB terhadap Sistem Peminjaman Sepeda Tania Amalia Darsono, Utami Dyah Syafitri, Aam Alamudi Departemen Statistika Institut Pertanian Bogor Abstrak IPB is the one campus that realize the Green Campus program. One of the elements in Green Campus is Green Transportation. In realizing this Green Transportation, IPB has several programs that include the Green Bike program. There are rules in implementation the Green Bike program related to the borrowing system. Because of the borrowing system, it is necessary to make the segmentation of S1 IPB students on bicycle borrowing system. Segmentation of respondent s characteristic used two step clustering method and the result is 3 optimal clusters. Then segmentation on respondent s preference to bicycle borrowing system used k-means method and the result is 2 optimal clusters. Segmentation of bicycle borrowing system based on respondent s characteristic and respondent s preference is 6 combinations of cluster using cross tabulation. Kata kunci k-means; penggerombolan dua tahap; sistem peminjaman A. Latar Belakang I. PENDAHULUAN Program Green Campus merupakan salah satu konsep lingkungan yang ditujukan untuk lingkungan kampus dalam mengurangi pemanasan global yang terjadi. IPB merupakan salah satu kampus yang berupaya untuk mewujudkan program Green Campus. Salah satu tujuan dari IPB Green Campus adalah dengan mewujudkan kampus IPB yang ramah lingkungan. Tujuan tersebut diperkuat dengan adanya beberapa elemen dalam Green Campus yang salah satunya adalah Green Transportation. Dalam mewujudkan Green Transportation, IPB mempunyai program yaitu untuk mendorong kembali budaya bersepeda melalui program Green Bike. Sepeda tersebut dapat dipinjam di 10 shelter yang tersebar di berbagai tempat dalam kampus IPB Dramaga. Terdapat peraturan-peraturan yang dilakukan dalam menjalankan program Green Bike ini yang berhubungan dengan sistem peminjaman sepeda, sanksi yang akan dikenakan, jam operasional, dan hari buka shelter peminjaman sepeda. Saran (2017) melakukan penelitian mengenai preferensi mahasiswa pada sistem peminjaman sepeda di kampus IPB Dramaga menggunakan analisis konjoin. Berdasarkan karakteristik dan preferensi responden terhadap sistem peminjaman sepeda di kampus IPB Dramaga, maka diperlukan analisis lanjut tentang segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda. Analisis segmentasi yang dapat digunakan dalam melakukan penggerombolan terhadap preferensi responden yang tipe peubahnya numerik, yaitu metode penggerombolan tak berhirarki k-means. Sedangkan analisis segmentasi yang dapat digunakan untuk melakukan penggerombolan terhadap karakteristik responden yang memiliki tipe peubah kategorik, yaitu metode penggerombolan dua tahap. Kemudian hasil dari penggerombolanpenggerombolan tersebut dapat dijadikan sebagai acuan dalam proses segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda di kampus IPB Dramaga. B. Tujuan Tujuan dari penelitian ini adalah untuk melakukan segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda dengan menggabungkan antara karakteristik responden dan preferensi dari masingmasing responden di kampus IPB Dramaga. A. Data II. METODOLOGI Data yang digunakan dalam penelitian ini adalah data dari hasil survei Saran (2017) tentang Preferensi Mahasiswa IPB terhadap Sistem Peminjaman Sepeda di Kampus IPB. Survei ini dilakukan menggunakan teknik quota sampling yang dilakukan di

18 Xplore, Vol 2(1):17-24 Darsono et al. beberapa lokasi dalam kampus IPB Dramaga. Survei tersebut dilakukan pada 100 mahasiswa S1 yang terdiri dari 30 pengguna sepeda dan 70 bukan pengguna sepeda. Pada karakteristik responden, terdiri dari 6 peubah kategorik yang terdapat pada Tabel I. Tabel I DAFTAR PEUBAH PADA KARAKTERISTIK RESPONDEN Peubah Keterangan Tipe Peubah X1 Jenis Kelamin Kategorik X2 Asal Daerah Kategorik X3 Penerima Beasiswa Kategorik X4 Pengguna Sepeda Kategorik X5 Pengeluaran Perbulan Kategorik X6 Angkatan Kategorik Kemudian dalam penelitian ini, terdapat empat peubah numerik yang digunakan dalam mengetahui preferensi mahasiswa terhadap sistem peminjaman sepeda yang terdapat pada Tabel II. Peubah-peubah numerik ini merupakan hasil perhitungan terhadap nilai kegunaan level yang telah dilakukan Saran (2017). Tabel II DAFTAR PEUBAH PADA PREFERENSI RESPONDEN Peubah X1 X2 X3 X4 Keterangan Peubah Sistem Peminjaman 1 : Meninggalkan KTM dan harus mengembalikan ke shelter awal. 0 : Menunjukkan KTM (tapping) dan tidak perlu kembali ke shelter awal. Sanksi 1 : Jika ada kerusakan, mengganti. 0 : Jika ada kerusakan, denda. Jam Operasional 1 : 08.00-16.00 WIB 0 : 06.00-16.00 WIB Hari Buka 1 : Weekday 0 : Weekend B. Prosedur Analisis Data Adapun tahapan-tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut: 1) Melakukan eksplorasi data menggunakan statistika deskriptif untuk mengetahui gambaran umum dari data. 2) Melakukan penggerombolan dua tahap terhadap karakteristik responden dengan cara: a) Melakukan penggerombolan awal menggunakan jarak log-likelihood dalam membentuk Cluster Feature Tree. Jarak log-likelihood digunakan untuk peubah bertipe campuran yang terdiri dari numerik dan kategorik. Jarak antara gerombol j dan s dapat didefinisikan sebagai berikut: d(j, s) = ξ j + ξ s ξ < j, s > (1) Keterangan : d (j,s) : jarak antara gerombol j dengan s ξ j : log kemungkinan maksimum gerombol ke-j ξ s : log kemungkinan maksimum gerombol ke-s ξ <j,s> : log kemungkinan gabungan antara gerombol ke-j dan gerombol ke-s < j, s > : indeks kombinasi gerombol j dengan s b) Melakukan penggerombolan akhir dengan melakukan perhitungan terhadap BIC. Banyaknya gerombol yang optimal ditentukan dengan nilai BIC yang terkecil. Rumus dari BIC untuk j buah gerombol dapat didefinisikan sebagai berikut: BIC(j) = 2Σ J j=1ξ j + m J log(n) (2) dengan : m J = J[2K A + Σ KB k=1(l k 1)] (3) K A : jumlah dari banyaknya peubah numerik K B : jumlah dari banyaknya peubah kategorik L k : jumlah kategori pada peubah kategorik ke-k N : jumlah total data c) Jika nilai BIC terus-menerus menurun namun jumlah gerombol meningkat, maka penentuan gerombol optimal dapat dilakukan dengan menghitung nilai rasio perubahan BIC dalam menentukan jumlah gerombol maksimum. Menurut Bacher et al. (2004) BICj

Segmentasi Mahasiswa S1 IPB terhadap Sistem Peminjaman Sepeda Xplore, Vol 2(1):17-24 19 menghasilkan penduga awal yang baik bagi banyaknya gerombol maksimum. Banyaknya gerombol maksimum ditentukan dengan banyaknya gerombol yang memiliki rasio perubahan BICj/BICk yang pertama kali lebih kecil dari c 1 =0.04. Kemudian melakukan perhitungan pada rasio perubahan jarak untuk menentukan gerombol yang optimal. Nilai rasio perubahan jarak untuk j buah gerombol yang dapat didefinisikan sebagai berikut : dengan : R(j) = d (j 1) d j (4) d j = l (j 1) l j (5) l v = (r v log n BIC v ) 2 (6) v : j, j-1 Banyaknya gerombol yang optimal diperoleh dengan membandingkan dua nilai rasio perubahan jarak terbesar R(j) ; (j = 1, 2,..., jmax didapatkan dari langkah pertama) yang dapat didefinisikan dengan: R(j 1 ) R(j 2 ) (7) Jika rasio perubahan jarak lebih besar daripada batas c 2 (SPSS menetapkan nilai c 2 = 1.15 berdasarkan studi simulasi), banyaknya gerombol ditetapkan sama dengan j 1, selainnya banyak gerombol sama dengan maksimum {j 1, j 2 }. d) Menghitung koefisien Silhouette yang dapat digunakan untuk mengetahui kualitas penggerombolan. Koefisien ini adalah gabungan dari konsep kohesi dan pemisahan. Kohesi menunjukkan adanya kedekatan antarobjek dalam gerombol. Sedangkan pemisahan menunjukkan perbedaan antargerombol. Nilai ratarata koefisien Silhouette adalah antara -1 sampai dengan 1. Jadi nilai ratarata yang mendekati 1 menunjukkan penggerombolan yang baik (Kaufman and Rousseeuw (2005)). Koefisien Silhoutte dapat didefinisikan sebagai berikut : S i = (b i a i ) max(a i, b i ) (8) S = 1 N (ΣN i=1s i ) (9) Keterangan : S i : koefisien Silhouette untuk objek ke-i a i : rata-rata jarak antar objek ke-i di dalam gerombol yang sama b i : rata-rata jarak minimum antar objek ke-i pada gerombol yang berbeda S : nilai rata-rata koefisien Silhouette N : banyaknya objek yang diamati 3) Melakukan penggerombolan k-means terhadap nilai kegunaan level peubah-peubah preferensi responden pada sistem peminjaman sepeda. Metode k-means merupakan metode penggerombolan tak berhirarki dengan mengelompokkan n objek pengamatan ke dalam k buah gerombol dengan k lebih kecil daripada n berdasarkan karakteristiknya (Johnson and Winchren (2007)). Metode ini dapat digunakan jika banyaknya gerombol yang akan dibentuk sudah diketahui dan tipe peubahnya adalah numerik. Konsep jarak yang sering digunakan dalam metode penggerombolan k-means adalah konsep jarak euclid. Konsep jarak euclid dapat didefinisikan sebagai berikut : d ij = Σ p k=1 (x ik x jk ) 2 (10) Keterangan: d ij : jarak antara objek ke-i dan objek ke-j x ik : nilai objek ke-i peubah ke-k x jk : nilai objek ke-j peubah ke-k p : banyaknya peubah 4) Menghitung nilai Pseudo-F untuk mengetahui banyaknya gerombol yang optimal dalam penggerombolan preferensi responden yang menggunakan metode k-means. Semakin

20 Xplore, Vol 2(1):17-24 Darsono et al. tinggi nilai Pseudo-F, maka keragaman dalam gerombol adalah minimum dan keragaman antargerombolnya adalah maksimum. Pseudo- F dapat didefinisikan sebagai berikut (Calinski and Harabasz (1974)): dengan : P seudo F = SSB k 1 SSW k 1 = R 2 k 1 1 R 2 N k (11) R 2 SST SSW = (12) SST Keterangan: SST : total jumlah kuadrat jarak terhadap total keseluruhan SSW : total jumlah kuadrat jarak objek terhadap rata-rata gerombol N : banyaknya objek yang diamati k : banyaknya gerombol yang terbentuk 5) Menggabungkan hasil penggerombolan dari karakteristik responden dan preferensi responden terhadap sistem peminjaman sepeda dengan tabulasi silang. Gambar 1. Persentase responden berdasarkan jenis kelamin luar Jabodetabek, yaitu sebesar 68% dan responden yang berasal dari Jabodetabek sebesar 32%. Responden yang berasal dari luar Jabodetabek yang pernah melakukan peminjaman sepeda sebesar 22% dan yang tidak pernah sebesar 46%. Sebesar 8% responden yang berasal dari Jabodetabek pernah melakukan peminjaman sepeda dan sebesar 24% tidak pernah. III. HASIL DAN PEMBAHASAN A. Deskripsi Data Deskripsi data ini dilakukan untuk mengetahui gambaran umum mengenai data yang digunakan. Data yang digunakan merupakan data hasil survei terhadap 100 mahasiswa S1 IPB di kampus IPB Dramaga terhadap sistem peminjaman sepeda. Gambar 1 menunjukkan persentase responden berdasarkan jenis kelamin yang pernah dan tidak pernah melakukan peminjaman sepeda. Pada Gambar 1 menunjukkan bahwa responden perempuan lebih banyak dengan persentase sebesar 57%, sedangkan responden laki-laki sebesar 43%. Persentase responden perempuan yang pernah melakukan peminjaman sepeda adalah 15% dan yang tidak pernah sebesar 42%. Kemudian sebesar 15% responden laki-laki pernah melakukan peminjaman sepeda dan sebesar 28% tidak pernah. Gambar 2 menunjukan persentase responden berdasarkan asal daerah yang pernah maupun yang tidak pernah melakukan peminjaman sepeda. Terlihat bahwa sebagian besar responden berasal dari Gambar 2. Persentase responden berdasarkan asal daerah Persentase responden berdasarkan penerima beasiswa yang pernah dan tidak pernah melakukan peminjaman sepeda disajikan pada Gambar 3. Berdasarkan Gambar 3, dapat terlihat bahwa responden didominasi oleh bukan penerima beasiswa sebesar 63% dan responden yang menerima beasiswa sebesar 37%. Responden yang bukan penerima beasiswa yang pernah melakukan peminjaman sepeda sebesar 20% dan yang tidak pernah sebesar 43%. Kemudian sebesar 10% responden penerima beasiswa pernah melakukan peminjaman sepeda dan 27% tidak pernah.

Segmentasi Mahasiswa S1 IPB terhadap Sistem Peminjaman Sepeda Xplore, Vol 2(1):17-24 21 Gambar 3. Persentase responden berdasarkan penerima beasiswa berdasarkan angkatan yang pernah dan tidak pernah melakukan peminjaman sepeda. Berdasarkan Gambar 5 dapat terlihat jika sebagian besar responden dari angkatan 51 yaitu sebesar 41%, responden dari angkatan 53 sebesar 36%, dan responden dari angkatan 52 sebesar 23%. Responden dari angkatan 51 yang pernah melakukan peminjaman sepeda sebesar 13% dan yang tidak pernah sebesar 28%. Sebesar 10% responden dari angkatan 53 pernah melakukan peminjaman sepeda dan 26% tidak pernah. Kemudian responden dari angkatan 52 yang pernah melakukan peminjaman sepeda sebesar 7% dan yang tidak pernah sebesar 16%. Persentase responden berdasarkan pengeluaran perbulan yang pernah dan tidak pernah melakukan peminjaman sepeda dapat terlihat pada Gambar 4. Dapat diketahui jika sebagian besar responden memiliki pengeluaran perbulan sebesar Rp.500000 < p Rp.1000000 yaitu sebesar 63%, responden yang memiliki pengeluaran perbulan p > Rp.1000000 sebesar 31%, dan responden yang memiliki pengeluaran perbulan p Rp.500000 yaitu 6%. Berdasarkan responden yang memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000 yang pernah melakukan peminjaman sepeda sebesar 19% dan yang tidak pernah 44%. Sebesar 10% responden yang memiliki pengeluaran perbulan p > Rp.1000000 pernah melakukan peminjaman sepeda dan 21% tidak pernah. Kemudian sebesar 1% responden yang memiliki pengeluaran perbulan p Rp.500000 pernah melakukan peminjaman sepeda dan 5% tidak pernah. Gambar 4. Persentase responden berdasarkan pengeluaran perbulan Pada Gambar 5 ditunjukkan persentase responden Gambar 5. Persentase responden berdasarkan angkatan B. Penggerombolan Karakteristik Responden Tabel III menunjukkan bahwa hasil penggerombolan karakteristik responden berdasarkan kriteria nilai BIC. Pada Tabel III terlihat bahwa nilai rasio perubahan BIC yang pertama kali lebih kecil dari nilai c 1 =0.04 adalah 8 gerombol. Sehingga banyaknya gerombol maksimum yang dapat dibentuk adalah 8 gerombol. Kemudian nilai rasio perubahan jarak yang terbesar yaitu 1.60 pada saat 3 gerombol terbentuk dan nilai rasio perubahan jarak yang terbesar kedua yaitu 1.58 pada saat membentuk 2 gerombol. Perbandingan dari kedua nilai rasio perubahan jarak tersebut adalah sebesar 1.01. Nilai perbandingan tersebut lebih kecil dari nilai c 2 =1.15, maka banyaknya gerombol optimal yang terbentuk berdasarkan kriteria BIC adalah 3 gerombol. Hasil dari penggerombolan terhadap karakteristik responden didapatkan 3 gerombol. Persentase gerombol 1 adalah sebesar 40%, persentase gerombol 2 adalah 34%, dan persentase gerombol 3 adalah

22 Xplore, Vol 2(1):17-24 Darsono et al. Tabel III PENGGEROMBOLAN DUA TAHAP KARAKTERISTIK RESPONDEN DENGAN KRITERIA BIC Banyaknya Gerombol BIC Rasio Perubahan BIC Rasio Perubahan Jarak 1 Gerombol 931.71 2 Gerombol 819.00 1.00 1.58 3 Gerombol 761.11 0.51 1.60 4 Gerombol 738.84 0.20 1.05 5 Gerombol 719.49 0.17 1.08 6 Gerombol 704.19 0.14 1.17 7 Gerombol 696.47 0.07 1.30 8 Gerombol 698.95-0.02 1.04 9 Gerombol 702.76-0.03 1.06 10 Gerombol 708.42-0.05 1.14 26%. Kualitas penggerombolan terhadap pembentukan 3 gerombol ini dapat dilihat dari koefisien Silhouette dengan kondisi Fair atau cukup baik yaitu sebesar 0.30 seperti yang terlihat pada Gambar 6. Gambar 6. Kualitas gerombol berdasarkan koefisien Silhouette Karakteristik responden dari masing-masing gerombolnya adalah sebagai berikut: 1) Gerombol 1: Gerombol 1 terdiri dari 40 responden. Karakteristik dari gerombol 1 adalah 55.00% laki-laki, 65.00% berasal dari luar Jabodetabek, 95.00% bukan penerima beasiswa, 75.00% bukan pengguna sepeda, 62.50% memiliki pengeluaran perbulan antara Rp.500000 sampai Rp.1000000, dan 67.50% berasal dari angkatan 53. 2) Gerombol 2: Gerombol 2 terdiri dari 34 responden. Karakteristik dari gerombol 2 adalah 76.47% perempuan, semua responden berasal dari luar Jabodetabek dan penerima beasiswa, 73.53% bukan pengguna sepeda, 73.53% memiliki rentang pengeluaran perbulan antara Rp.500000 sampai Rp.1000000, dan 44.12% berasal dari angkatan 51. 3) Gerombol 3: Gerombol 3 terdiri dari 26 responden. Karakteristik dari gerombol 3 adalah jumlah responden laki-laki dan perempuan yang seimbang, 69.23% berasal dari luar Jabodetabek, 96.15% bukan penerima beasiswa, 57.69% bukan pengguna sepeda, jumlah responden yang memiliki pengeluaran perbulan antara Rp.500000 sampai Rp.1000000 dan memiliki pengeluaran perbulan lebih dari Rp.1000000 adalah seimbang, dan semua respondennya berasal dari angkatan 51. C. Penggerombolan Preferensi Responden Analisis gerombol tak berhirarki k-means digunakan untuk menggerombolkan responden berdasarkan preferensinya terhadap sistem peminjaman sepeda. Dalam penelitian ini, untuk mengetahui berapa jumlah gerombol yang optimal dapat menggunakan statistik Pseudo-F. Jumlah gerombol yang optimal dapat diketahui dengan nilai Pseudo-F yang paling besar. Pada Tabel IV terlihat bahwa nilai statistik Pseudo-F yang paling besar adalah ketika membentuk 2 gerombol. Oleh karena itu, dapat diketahui jika gerombol optimal ketika jumlah gerombol yang dibentuk sebanyak 2 gerombol dengan nilai statistik Pseudo-F sebesar 56.38. Tabel IV NILAI STATISTIK PSEUDO-F Banyaknya Gerombol 2 Gerombol 56.38 3 Gerombol 50.10 4 Gerombol 42.59 5 Gerombol 42.13 Statistik Pseudo-F Tabel V menunjukkan nilai centroid hasil dari penggerombolan menggunakan metode tak berhirarki k-means terhadap nilai kegunaan level preferensi responden. Pada Tabel V dapat diketahui bahwa level dengan nilai kegunaan yang lebih tinggi adalah level yang paling disukai oleh responden. Berdasarkan nilai kegunaan level dari peubahpeubah pada preferensi sistem peminjaman sepeda, dapat diketahui preferensi responden dari masingmasing gerombolnya yang terdapat pada Tabel VI. Gerombol 1 terdiri dari 42 responden, sedangkan gerombol 2 terdiri dari 58 responden.

Segmentasi Mahasiswa S1 IPB terhadap Sistem Peminjaman Sepeda Xplore, Vol 2(1):17-24 23 Tabel V CENTROID PADA PENGGEROMBOLAN PREFERENSI RESPONDEN Peubah Gerombol 1 Gerombol 2 X1 1-1.81 0.03 X1 0 1.81-0.03 X2 1-0.32-0.16 X2 0 0.32 0.16 X3 1-0.29-0.06 X3 0 0.29 0.06 X4 1 0.06 0.07 X4 0-0.06-0.07 Tabel VI JUMLAH RESPONDEN DAN PREFERENSI RESPONDEN PERGEROMBOL Gerombol Responden Preferensi Responden 1 42 Terdiri dari 28 responden yang bukan pengguna sepeda dan 14 responden pengguna sepeda. Responden lebih menyukai sistem peminjaman dengan menunjukkan KTM (tapping) dan tidak perlu kembali ke shelter awal, sanksi jika ada kerusakan maka denda, jam operasional dimulai pukul 06.00-16.00 WIB, dan hari buka weekday. 2 58 Terdiri dari 42 responden yang bukan pengguna sepeda dan 16 responden pengguna sepeda. Responden lebih menyukai sistem peminjaman dengan meninggalkan KTM dan harus mengembalikan ke shelter awal, sanksi jika ada kerusakan maka denda, jam operasional dimulai pukul 06.00-16.00 WIB, dan hari buka weekday. D. Segmentasi terhadap Karaktersitik dan Preferensi Responden Berdasarkan hasil penggerombolan yang telah dilakukan, didapatkan tiga gerombol dari penggerombolan karakteristik responden menggunakan metode penggerombolan dua tahap dan didapatkan dua gerombol dari penggerombolan nilai kegunaan level preferensi responden menggunakan metode k- means. Kemudian hasil dari penggerombolan tersebut digabungkan menggunakan tabulasi silang untuk dapat mengetahui segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda berdasarkan karakteristik dan preferensi responden. Segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda berdasarkan karakteristik dan preferensi responden terdapat pada Tabel VII. Tabel VII SEGMENTASI MAHASISWA S1 IPB BERDASARKAN KARAKTERISTIK DAN PREFERENSI RESPONDEN Gerombol n % Karakteristik & Preferensi Responden 1-1 15 15.00% Berdasarkan responden yang lebih menunjukkan KTM (tapping) dan tidak perlu kembali ke shelter awal, karakteristiknya adalah sebagian besar responden laki-laki, berasal dari luar Jabodetabek, bukan penerima beasiswa, bukan pengguna sepeda, memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000, dan berasal dari angkatan 53. 2-1 14 14.00% Berdasarkan responden yang lebih menunjukkan KTM (tapping) dan tidak perlu kembali ke shelter awal, karakteristiknya adalah sebagian besar responden perempuan, bukan pengguna sepeda, memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000, berasal dari angkatan 51, serta semua responden berasal dari luar Jabodetabek dan penerima beasiswa. 3-1 13 13.00% Berdasarkan responden yang lebih menunjukkan KTM (tapping) dan tidak perlu kembali ke shelter awal, karakteristiknya adalah sebagian besar responden perempuan, berasal dari Jabodetabek, bukan penerima beasiswa, bukan pengguna sepeda, memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000, dan semua responden berasal dari angkatan 51. 1-2 25 25.00% Berdasarkan responden yang lebih meninggalkan KTM dan harus mengembalikan ke shelter awal, karakteristiknya adalah sebagian besar responden laki-laki, berasal dari luar Jabodetabek, bukan penerima beasiswa, bukan pengguna sepeda, memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000, dan berasal dari angkatan 53.

24 Xplore, Vol 2(1):17-24 Darsono et al. Gerombol n % Karakteristik & Preferensi Responden 2-2 20 20.00% Berdasarkan responden yang lebih menyukai sistem peminjaman dengan meninggalkan KTM dan harus mengembalikan ke shelter awal, karakteristiknya adalah sebagian besar responden perempuan, bukan pengguna sepeda, memiliki pengeluaran perbulan Rp.500000 < p Rp.1000000, berasal dari angkatan 51, serta semua responden berasal dari luar Jabodetabek dan penerima beasiswa. 3-2 13 13.00% Berdasarkan responden yang lebih meninggalkan KTM dan harus mengembalikan ke shelter awal, karakteristiknya adalah sebagian besar responden laki-laki, berasal dari Jabodetabek, bukan penerima beasiswa, bukan pengguna sepeda, memiliki pengeluaran perbulan p > Rp.1000000, dan semua responden berasal dari angkatan 51. A. Simpulan IV. SIMPULAN DAN SARAN Penggerombolan terhadap karakteristik responden terhadap sistem peminjaman sepeda menggunakan metode penggerombolan dua tahap menghasilkan 3 gerombol. Penggerombolan terhadap preferensi responden terhadap sistem peminjaman sepeda menggunakan metode penggerombolan tak berhirarki k-means menghasilkan 2 gerombol. Tabulasi silang dari penggerombolan karakteristik responden dan preferensi responden terhadap sistem peminjaman sepeda menghasilkan 6 kombinasi gerombol. Hasil dari tabulasi silang tersebut dapat dijadikan sebagai segmentasi mahasiswa S1 IPB terhadap sistem peminjaman sepeda berdasarkan karakteristik responden dan preferensi responden. peraturan-peraturan yang baru dalam sistem peminjaman sepeda di kampus IPB Dramaga DAFTAR PUSTAKA Bacher, J., K. Wenzig, and M. Vogler (2004). SPSS Two Step Cluster - A First Evaluation. [diacu 2018 Februari 12]. Tersedia pada: http://www.statisticalinnovations.com/products/two Step.pdf. Calinski, T. and J. Harabasz (1974). A dendrite method for cluster analysis. Communication in Statistics 3(1), 1 27. Johnson, R. A. and D. W. Winchren (2007). Applied Multivariate Statistical Analysis 6th ed. New Jersey (US): Prentice Hall. Kaufman, L. and P. J. Rousseeuw (2005). Finding Group in Data. An introduction to cluster analysis. New Jersey (US): John Wiley. Saran, Y. A. (2017). Preferensi Mahasiswa IPB terhadap Sistem Peminjaman Sepeda Menggunakan Analisis Konjoin [skripsi]. Bogor (ID): Institut Pertanian Bogor. B. Saran Berdasarkan dari hasil penggerombolan yang telah dilakukan terhadap preferensi responden, responden lebih meninggalkan KTM dan harus mengembalikan ke shelter awal, sanksi jika ada kerusakan maka denda, jam operasional dimulai pukul 06.00-16.00 WIB, dan hari buka weekday. Hasil penggerombolan ini dapat dijadikan sebagai acuan dalam pembuatan