Output

Descriptive Statistics
N Minimum Maximum Mean Std.
Deviation
 Ekonomi 14 68 99 76,64 9,779
Sosiologi 14 61 95 74,64 10,278
Anthropologi 14 50 98 69,07 16,050
Geografi 14 52 90 69,43 13,910
TataNegara 14 60 90 74,86 10,589
Valid N 14
(listwise)

Case Processing Summarya

Cases
Valid Missing Total
N Percent N Percent N Percent
14 100,0% 0 0,0% 14 100,0%
a. Squared Euclidean Distance used
Tabel di atas menunjukkan bahwa semua data sejumlah 14 objek telah diproses tanpa ada
data yang hilang.
 Proximity Matrix
Case Squared Euclidean Distance
1:A 2:B 3:C 4:D 5:E 6:F 7:G 8:H 9:I 10:J 11:K 12:L 13:M
1:A ,000 19,037 5,920 17,136 2,605 1,581 11,917 13,025 1,840 15,848 17,136 12,489 13,808
2:B 19,037 ,000 8,268 13,130 17,252 18,221 9,608 13,192 14,027 10,277 13,130 4,419 11,729
3:C 5,920 8,268 ,000 10,352 7,580 6,083 12,033 7,958 5,773 17,847 10,352 2,015 8,326
4:D 17,136 13,130 10,352 ,000 18,500 10,806 13,753 ,345 9,785 22,293 ,000 9,036 ,331
5:E 2,605 17,252 7,580 18,500 ,000 6,225 6,463 14,997 4,011 11,202 18,500 11,288 14,416
6:F 1,581 18,221 6,083 10,806 6,225 ,000 12,832 7,548 ,901 17,380 10,806 12,366 8,640
7:G 11,917 9,608 12,033 13,753 6,463 12,832 ,000 12,907 7,059 2,487 13,753 11,365 10,266
8:H 13,025 13,192 7,958 ,345 14,997 7,548 12,907 ,000 7,103 21,331 ,345 7,967 ,306
9:I 1,840 14,027 5,773 9,785 4,011 ,901 7,059 7,103 ,000 10,674 9,785 10,553 7,179
10:J 15,848 10,277 17,847 22,293 11,202 17,380 2,487 21,331 10,674 ,000 22,293 17,690 18,340
11:K 17,136 13,130 10,352 ,000 18,500 10,806 13,753 ,345 9,785 22,293 ,000 9,036 ,331
12:L 12,489 4,419 2,015 9,036 11,288 12,366 11,365 7,967 10,553 17,690 9,036 ,000 7,631
13:M 13,808 11,729 8,326 ,331 14,416 8,640 10,266 ,306 7,179 18,340 ,331 7,631 ,000
14:N 10,364 6,012 1,950 8,808 8,314 10,861 9,604 7,451 8,967 16,683 8,808 ,380 7,059
This is a dissimilarity matrix
Tabel di atas 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.
 Agglomeration Schedule
Stage Cluster Combined Coefficients Stage Cluster First Next
Appears Stage
Cluster 1 Cluster 2 Cluster 1 Cluster 2
1 4 11 ,000 0 0 3
2 8 13 ,306 0 0 3
3 4 8 ,338 1 2 11
4 12 14 ,380 0 0 7
5 6 9 ,901 0 0 6
6 1 6 1,710 0 5 9
7 3 12 1,983 0 4 10
8 7 10 2,487 0 0 12
9 1 5 4,280 6 0 12
10 2 3 6,233 0 7 11
11 2 4 9,623 10 3 13
12 1 7 11,672 9 8 13
13 1 2 12,881 12 11 0
Tabel di atas merupakan hasil proses clustering dengan metode “Between Group Linkage”.
Setelah jarak antara variabel diukur dengan jarak euclidean, maka dilakukan
pengelompokkan 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.

Aglomeratif

Aglomeratif adalah bagian yang sangat penting pada saat kita coba interprestasi analisis
cluster hirarki ini. 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.

Cluster Membership
Case 4 Clusters 3 Clusters 2 Clusters
1:A 1 1 1
2:B 2 2 2
3:C 2 2 2
4:D 3 2 2
5:E 1 1 1
6:F 1 1 1
7:G 4 3 1
8:H 3 2 2
9:I 1 1 1
10:J 4 3 1
11:K 3 2 2
12:L 2 2 2
13:M 3 2 2
14:N 2 2 2
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.
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.

Pemilihan Anggota Cluster

Kemudian anda lihat data set 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.
 Initial Cluster Centers
Cluster
1 2 3
Zscore: Ekonomi -,78155 2,28620 -,78155
Zscore: Sosiologi -,54904 ,52124 ,03475
Zscore: ,55629 ,05785 -,68980
Anthropologi
Zscore: Geografi 1,47887 ,54431 -1,18104
Zscore: 1,43002 -,93086 -1,02530
TataNegara
Tabel diatas merupakan tampilan pertama proses clustering data sebelum dilakukan iterasi.
Untuk mendeteksi berapa kali proses iterasi yang dilakukan dalam proses clustering dari 14
sampel yang diteliti, dapat dilihat dari tampilan output berikut ini :

Iteration Historya
Iteratio Change in Cluster Centers
n 1 2 3
1 1,379 1,308 ,381
2 ,482 ,438 ,000
3 ,000 ,000 ,000
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 3. The minimum distance
between initial centers is 3,632.

Ternyata proses clustering yang dilakukan melalui 3 tahapan iterasi untuk mendapatkan
cluster yang tepat.

Dari tabel diatas disebutkan bahwa jarak minimum antar pusat cluster yang terjadi dari hasil
iterasi adalah 3,632. Adapun hasil akhir dari proses clustering digambarkan sebagai berikut
ini :
 Final Cluster Centers
Cluster
1 2 3
Zscore: Ekonomi -,43387 ,99775 -,70485
Zscore: Sosiologi -,86039 ,57962 ,35097
Zscore: ,64352 -,00445 -,79883
Anthropologi
Zscore: Geografi ,06984 ,86062 -1,16307
Zscore: 1,01451 -,06206 -1,19056
TataNegara

Output Final Cluster Centers tersebut diatas masih terkait dengan proses standarisasi data
sebelumnya, yang mengacu pada Z-score dengan ketentuan sebagai berikut :

Nilai negatif ( - ) berarti data berada di bawah rata–rata total.

Nilai positif ( + ) berarti data berada di atas rata–rata total.

ANOVA
Cluster Error F Sig.
Mean df Mean df
Square Square
Zscore: Ekonomi 3,953 2 ,463 11 8,536 ,006
Zscore: Sosiologi 2,937 2 ,648 11 4,533 ,037
Zscore: 2,312 2 ,762 11 3,035 ,089
Anthropologi
Zscore: Geografi 4,569 2 ,351 11 13,017 ,001
Zscore: 5,418 2 ,197 11 27,528 ,000
TataNegara
The F tests should be used only for descriptive purposes because the clusters have been
chosen to maximize the differences among cases in different clusters. The observed
significance levels are not corrected for this and thus cannot be interpreted as tests of the
hypothesis that the cluster means are equal.
Semakin besar nilai F dan (sig < 0,05), maka semakin besar perbedaan variabel pada cluster
yang terbentuk. Dengan demikian hasil cluster yang diperoleh dalam kasus ini bahwa
variabel Tata Negara yang paling menunjukan adanya perbedaan diantara mata kuliah pada
ketiga cluster yang terbentuk, ditunjukan dengan nilai F = 27,528 dan sig = 0,000.

Number of Cases in each

Cluster
1 5,000
Cluster 2 5,000
3 4,000
Valid 14,000
Missing ,000
Dari tabel diatas diperoleh bahwa cluster-1 beranggotakan 5 sampel mata kuliah, cluster-2
beranggotakan 5 sampel mata kuliah, sedangkan cluster-3 beranggotakan 4 sampel mata
kuliah.