ANALISIS CLUSTER Pendahuluan Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek

berdasarkan karakteristik yang dimilikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat kesamaannya dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi. Berbeda dengan teknik multivariat lainnya, analisis ini tidak mengestimasi set vaiabel secara empiris sebaliknya menggunakan setvariabel yang ditentukan oleh peneliti itu sendiri. Fokus dari analisis cluster adlah membandingkan objek berdasarkan set variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai tahap kritis dalam analisis cluster. Set variabel cluster adalah suatu set variabel yang merpresentasikan karakteristik yang dipakai objek-objek. Bedanya dengan analisis faktor adalah bah a analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel. Solusi analisis cluster bersifat tidak unik, anggota cluster untuk tiap penyelesaian!solusi tergantung pada beberapa elemen prosedur dan beberapa solusi yang berbeda dapat diperoleh dengan mengubah satu elemen atau lebih. Solusi cluster secara keseluruhan bergantung pada variabelvariaabel yang digunakan sebagai dasar untuk menilai kesamaan. "enambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi substansi hasi analisisi cluster. Cara Kerja Analisis Cluster Secara garis besar ada tiga hal yang harus terja ab dalam proses kerja analisis cluster, yaitu # $. Bagaimana mengukur kesamaan % Ada tiga ukuran untuk mengukur kesamaaan antar objek, yaitu ukuran korelasi, ukuran jarak, dan ukuran asosiasi. &. Bagaimana membentuk cluster % "rosedur yang diterapkan harus dapat mengelompokkan objek-objek yang memiliki kesamaan yang tinggi ke dalam sutau cluster yang sama. '. Berapa banyak cluster!kelompok yang akan dibentuk % "ada prinsipnya jika jumlah cluster berkurang maka homogenitas alam cluster secra otomatis akan menurun.

Proses Analisis Cluster Sebagaimana teknik multivariat lain proses analisis cluster dapat dijelaskan dalam enam tahap sebagai berikut # Tahap Pertama : Tujuan Analisis Cluster (ujuan utama analisis cluster adalah mempartisi suatu set objek menjadi dua kelompok atau lebih berdasarkan kesamaan karakteristik khusus yang dimilikinya. )alam pembentukan kelompok!cluster dapat dicapai tiga tujuan, yaitu # A. )eskripsi klasifikasi *ta+onomy description, "enerapan anallisis cluster secara tradisisonal bertujuan mengeksplorasi dan membentuk suatu klasisfikasi!taksonomi secara empiris. -arena kemampuan partisinya analisis cluster dapat diterapkan secara luas. .eskipun secara empiris merupakan teknik eksplorasi analisis cluster dapat pula digunakan untuk tujuan konfirmasi. a. "enyederhanaan )ata "enyederhanaan data merupakan bagian dari suatu taksonomi. )engan struktur yang terbatas observasi!objek dapat dikelompokkan untuk analisis selanjutnya. b. /dentifikasi 0ubungan *1elationship /dentification, 0ubunganantar objek diidentifikasi secara empiris. Struktur analisis cluster yang sederhana dapat menggambarkan adanya hubungan atau kesamaan dan perbedaan yang tidak dinyatakan sebelumnya. Pemilihan pada Pengelompokan Variabel (ujuan analisis cluster tidak dapat dipisahkan dengan pemilihan variabel yang digunakan untuk menggolongkan objek ke dalam clucter-cluster. Cluster yang terbentuk merefleksikan struktur yang melekat pada data seperti yang didefinisikan oleh variabelvariabel. "emilihan variabel harus sesuai dengan teori dan konsep yang umum digunakan dan harus rasional. 1asionalitas ini didasarkan pada teori-teori eksplisit atau penelitian sebelumnya. 2ariabel-variabel yang dipilih hanyalah variabel yang dapat mencirikan objek yang akan dikelompokkan dan secara spesifik harus sesuai dengan tujuan analisis cluster.

Tahap Kedua : Desain Penelitian dalam Analisis Cluster (iga hal penting dalam tahap ini adalah pendeteksian outlier, mengukur kesamaan, dan standarisasi data. A. "endeteksian 3utlier 3utlier adlah suatu objek yang sangat berbeda dengan objek lainnya. 3utlier dapat digambarkan sebagai observasi yang secara nyata kebiasaan, tidak me akili populasi umum, dan adanya undersampling dapat pula memunculkan outlier. 3utlier menyebabkan menyebabkan struktur yang tidak benar dan cluster yang terbentuk menjadi tidak representatif. B. .engukur -esamaan antar 3bjek -onsep kesamaan adalah hal yang fundamental dalam analisis cluster. -esamaan antar objek merupakan ukuran korespondensi antar objek. Ada tiga metode yang dapat diterapkan, yaitu ukuran korelasi, ukuran jarak, dan ukuran asosiasi. a. 4kuran -orelasi 4kuran ini dapat diterapkan pada data dengan skala metrik, namun jarang digunakan karena titik bertnya pada nilai suatu pola tertentu, padahal tisik berat analisis cluster adalah besarnya objek. -esamaan antar objek dapat dilihat dari koefisien korelasi antar pasangan objek yang diukur dengan beberapa variabel. b. 4kuran 5arak .erupakan ukuran yang paling sering digunakan. )iterapkan untuk data berskala metrik. Sebenarnya merupakan ukuran ketidakmiripan, dimana jarak yang besar menunjukkan sedikit kesamaan sebaliknya jarak yang pendek!kesil menunjukkan bah a suatu objek makin mirip dengan objek lain. Bedanya dengan ukuran korelasi adalah bnah a ukuran jarak fokusnya pada besarnya nilai. Cluster berdasarkan ukuran korelasi bisa saja tidak memiliki kesamaan nilai tapi memiliki kesamaan pola, sedangkan cluster dberdasrkan ukuran jarak lebih memiliki kesamaan nilai meskipun polanya berbeda. Ada beberapa tipe ukuran jarak antara lain jarak 6uklidian, jarak city-Bo+, dan jarak .ahalanobis. 4kuran yang paling sering digunakan adalah jarak 6uklidian. 5arak 6uklidian adalah besarnya jarak suatu garis lurus yang menghubungkan antar objek. .isalkan ada dua objek yaitu A dengan koordinat * , dan B dengan koordinat * maka jarak antar kedua objek tersebut dapat diukur dengan rumus .... ,

c. 4kuran Asosiasi 4kuran asosiasi dipakai untuk mengukur data berskala nonmetrik *nominal atau ordinal,. C. Standarisasi )ata a. Standarisasi 2ariabel Bentuk paling umum dalam standarisasi variabel adalah konversi setiap variabel terhadap skor atandar * dikenal dengan 7 score, dengan melakukan substraksi nilai tengan dan membaginyadengan standar deviasi tiap variabel. b. Standarisasi )ata Berbeda dengan standarisasi variabel, standarisasi ndata dilakukan terhadap observasi!objek yang akan dikelompokkan. (ahap -etiga # Asumsi-asumsi dalam Analisis Cluster Seperti hal teknik analisis lain,analisis cluster juga menetapkan adanya suatu asumsi. Ada dua asumsi dalam analisis cluster, yaitu # A. -ecukupan Sampel untuk merepresentasikan!me akili "opulasi Biasanya suatu penelitian dilakukan terhadap populasi di akili oleh sekelompok sampel. Sampel yang digunakan dalam analisis ckuster harus dapat me akili populasi yang ingin dijelaskan, karena analisis ini baik jika sampel representatif. 5umlah sampel yang diambil tergantung penelitinya, seorang peneliti harus yakin bah a sampil yang diambil representatif terhadap populasi. B ."engaruh .ultukolinieritas Ada atau tidaknya multikolinieritas antar variabel sangat diperhatikan dalam analisis cluster karena hal itu berpengaruh, sehingga variabel-variabel yang bersifat multikolinieritas secara eksplisit dieprtimbangkan dengan lebih seksama. Tahap Keempat : Proses Mendapatkan Cluster dan Menilai kelayakan secara keseluruhan Ada dua proses penting yaitu algoritma cluster dalam pembentukan cluster dan menentukan jumlah cluster yang akan dibentuk. -eduanya mempunyai implikasi substansial tidak hanya pada hasil yang diperoleh tetapi juga pada interpretasi yang akan dilakukan terhadap hasil tersebut.

Algoritma Cluster Algoritma cluster harus dapat memaksimalkan perbedaan relatif cluster terhadap variasi dalam cluster. )ua metode paling umum dalam algoritma cluster adalahmetode hirarkhi dan metode non hirarkhi. "enentuan metode mana yag akan dipakai tergantung kepada peneliti dan konteks penelitian dengan tidak mengabaikan substansi, teori dan konsep yang berlaku. -eduanya memiliki kelebihan sendiri-sendiri. -euntungan metode hirarkhi adalah cepat dalam proses pengolahan sehingga menghemat aktu, namun kelemahannya metode ini dapat menimbulkan kesalahan. Selain itu tidak baik diterapkan untuk menganalisis sampel dengan ukuran besar. .etode 8on 0irarkhi memiliki keuntungan lebih daripada metode hirarkhi. 0asilnya memiliki sedikit kelemahan pada data outlier, ukuran jarak yang digunakan, dan termasuk variabel tak relevan atau variabel yang tidak tepat. -euntungannya hanya dengan menggunakan titik bakal nonrandom, penggunaan metode non hirarkhi untuk titik bakal random secara nyata lebih buruk dari pada metode hirarkhi. Alternatif lain adalah dengan mengkombinasikan kedua metode ini. "ertama gunakan metode hirarkhi kemudian dilanjutkan dengan metode non hirarkhi. A. .etode 0irarkhi (ipe dasar dalam metode ni adalah aglomerasi dan pemecahan. )alam metode aglomerasi tiap observasi pada mulanya dianggap sebagai cluster tersendiri sehingga terdapat cluster sebyak jumlah observasi. -emudian dua cluster yang terdekat kesamaannya digabung menjadi suatu cluster babru, sehingga jumlah cluster berkurang satu pada tiap tahap. Sebaliknya pada metode pemecahan dimulai dari satu cluster besar yang mengandung seluruh observasi, selanjutnya observasi-observasi yang paling tidak sama dipisah dan dibentuk cluster-cluster yang lebih kecil. "roses ini dilakukan hingga tiap observasi menjadi cluster sendiri-sendiri. 0al penting dalam metode hirarkhi adalah bah a hasil pada tahap sebelumnya selalu bersarang di dalam hasil pada tahap berikutnya, membentuk sebuah pohon. Ada lima metode aglomerasi dalam pembentukan cluster, yatiu # a. "autan (unggal *Single 9inkage, .etode ini didasarkan pada jarak minimum. )imulai dengan dua objek yang dipisahkan dengan jarak paling pendek maka keduanya akan ditempatkan pada cluster pertama, dan seterusnya. .etode ini dikenal pula dengan nama pendekatan tetangga terdekat. b. "autan 9engkap *Complete 9inkage,

)isebut juga pendekatan tetangga terjauh. )asarnya adalah jarak maksimum. )alam metode ini seluruh objek dalam suatu cluster dikaitkan satu sama lain pada suatu jarak maksimuma atau dengan kesamaan minimum. c. "autan 1ata-rata *Average 9inkage, )asarnya adalah jarak rata-rata antar observasi. pengelompokan dimulai dari tengan atau pasangan observasi dengan jarak paling mendekati jarak rata-rata. d. .etode :ard *:ard;s .ethod, )alam metode ini jarak antara dua cluster adalah jumlah kuadrat antara dua cluster untuk seluruh variabel. .etode ini cenderung digunakan untuk mengkombinasi cluster-cluster dengan jumlah kecil. e. .etode Centroid 5arak antara dua cluster adalah jarak antar centroid cluster tersebut. Centroid cluster adalah nilai tengah observasi pada variabel dalam suatu set variabel cluster. -euntungannya adalah outlier hanya sedikit berpengaruh jika dibandingkan dengan metode lain. B. .etode 8on 0irarkhi .asalah utama dalam metoda non hirarkhi adalah bagaimana memilih bakal cluster. 0arus disadari pengaruh pemilihan bakal cluster terhadap hasil akhir analisis cluster. Bakal cluster pertama adalah observasi pertama dalam set data tanpa missing value. Bakal kedua adalah observasi lengkap berikutnya *tanpa missing data, yang dipisahkan dari bakal pertama oleh jarak minimum khusus. Ada tiga prosedur dalam metode non hirarkhi, yaitu # a. Se<uential threshold .etode ini dimulai dengan memilih bakal cluster dan menyertakan seluruh objek dalam jarak tertentu. 5ika seluruh objek dalam jarak tersebut disertakan, bakal cluster kedua terpilih, kemudian proses terus berlangsung seperti sebelumnya. b. "arallel (hreshold .etode ini memilih beberapa bakal cluster secara simultan pada permulaannya dan menandai objek-objek dengan jarak permulaan ke bakal terdekat.

c. 3ptimalisasi .etode ketiga ini mirip dengan kedua metode sebelumnya kecuali pada penandaan ulang terhadap objek-objek. 0al penting lain dalam tahap keempat adalah menentukan jumlah cluster yang akan dibentuk.Sebenarnya tidak ada standar,prosedur pemilihan tujuan eksis. -arena tidak ada kriteria statistik internal digunakan untuk inferensia, seperti tes signifikansipada teknik multivariat lainnya, para peneliti telah mengembangkan beberapa kriteria dan petunjuk sebagai pendekatan terhadap permasalahan ini dengan memperhatikan substansi dan aspek konseptual. Tahap Kelima : Interpretasi terhadap Cluster (ahap interpretasi meliputi pengujian tiap cluster dalam term untuk menamai dan menandai dengan suatu label yang secara akurat dapat menjelaskan kealamian cluster. "roes ini dimulai dengan suatu ukuran yang sering digunakan yaitu centroid cluster. .embuat profil dan interpretasi cluster tidak hanya tidak hanya untuk memoeroleh suatu gambaran saja melainkan pertama, menyediakan suatu rata-rata untuk menilai korespondensi pada cluster yang terbentuk, kedua, profil cluster memberikan araha bagi penilainan terhadap signifikansi praktis. Tahap Keenam: Proses Validasi dan Pembuatan Pro il (PROFILING) Cluster A. "roses validasi solusi cluster "roses validasi bertujuan menjamin bah a solusi yang dihasilkan dari analisis cluster dapat me akili populasi dan dapat digeneralisasi untuk objek lain. "endekatan ini membandingkan solusi cluster dan menilai korespondensi hasil. (erkadang tidak dapat dipraktekkan karena adanya kendala aktu dan biaya atau ketidaktersediaan ibjek untuk analisis cluster ganda. B. "embuatan "rofil ( PROFILING)Solusi Cluster (ahap ini menggambarkan karakteristik tiap cluster untuk menjelaskan cluster-cluster tersebut dapat dapat berbeda pada dimensi yang relevan. (itik beratnta pada karakteristik yang secara signifikan berbeda antar clustre dan memprediksi anggota dalam suatu cluster khusus.

Secara keseluruhan proses analisis cluster berakhir setelah keenam tahap ini dilalui. 0asil analisis cluster dapat digunakan untuk berbagai kepentingan sesuai dengan materi yang dianalisis. Contoh# Berdasarkan data B"S pada laporan Sosial /ndonesia dari Supas dan Sakernas $==> didapatkan data seperti pada tabel $. .engingat penduduk lansia semakin lama semakin banyak, didasarkan perkiraan B"S pada tahun &??> penduduk lansia cenderung bertambah atau ada perubahan struktur dari struktur penduduk muda ke struktur penduduk tua. .aka dari itu perlu adanya perhatian ekstra dari pihak pemerintah untuk permsalahan ini. "embentukan membentuk ilayah pembinaan untuk permasalahan lansia dapat dilakukan dengan ilayah konsentrasi berdasarkan data pada tabel $. .odel analisis cluster sangat

mendukung penbentukan ilayah tersebut.

(abel. $ 6nam -riteria -eterlantara 9ansia .enurut "ropinsi

makan tidak pernah "13"/8S/ sekolah!tamat S) makanan pokok @&$A dalam

makan lauk pauk berprotein tinggi@BA dalam

tidak memiliki mempunyai pakaian @B stel tempat tetap untuk tidur $C,E= &?,C? =,=> &E,=B &B,CE '?,CB 'B,$> DE,&B $E,$E $=,'C $E,B> '?,EE &>,EB BD,&D &,BD ?,=? $,>D $,EC >,>E &,$E $,BD $,B> $,D& $,D= $,$E &,?$ ?,'B ',&?

bila sakit tidak diobati

seminggu seminggu S4.A(61A 4(A1A S4.A(61A BA1A( 1/A4 5A.B/ S4.A(61A S69A(A8 B68F-494 9A."48F )-/ 5A-A1(A 5A:A BA1A( 5A:A (68FA0 )./. G3FGA-A1(A 5A:A (/.41 BA9/ 84SA (68FFA1A BA1A( 84SA (68FFA1A (/.41 -A9/.A8(A8 BA1A( -A9/.A8(A8 (/.41 -A9/.A8(A8 S69A(A8 -A9/.A8(A8 (68FA0 S49A:6S/ 4(A1A S49A:6S/ (68FA0 S49A:6S/ S69A(A8 S49A:6S/ DE,'C >C,E> >D,CE B=,EE C',$' >E,BD CE,E& E>,== C>,C= E$,'E D?,CB 'E,D? E?,DB E=,'? EC,?> D&,EC EE,=C DC,=& 'D,CE BD,&' >?,>= BB,$? >D,'= >&,?& '>,>= >C,'D E?,BD '>,== BC,&E '?,DC B&,&D '',?= '>,E? $E,BD $D,B' &=,EE &E,=? '>,C? B$,>C $&,&D '$,'E $C,&> $$,'> $>,$' C,&D &',BD

','' B,?> ','B &,>> >,$D B,&= &,ED C,ED >,'& ',=E B,E& ',>> B,DE B,CB

$,B&

=,'$

D',BD C?,'E EC,=' E',B' >$,'? CC,?$ EE,C& EB,C>

>B,'B >?,&= 'D,E& >&,B> >D,$B >B,BE >D,EB E&,=$

'D,C? $D,ED $C,C> $D,$D &>,>D $C,&= $?,=' ',$=

&=,BC &D,$' &=,'E $&,E& $$,?D '&,D$ &B,?' $E,ED

',DE C,C= &,EE $,$$ $,DB &,BE ',E? $,?E

E,>$ &,CD E,?E $,?$ &,D= D,CC C,D= D,ED

)alam melakukan analisis cluster terdapat dua metode yaitu metode kelompok hiraki dan metode kelompok non hirarki. )alam hal ini metode yang digunakan adalah metode hiraki karena paling banyak digunakan oleh para peneliti dan memiliki keunggulan tersendiri, yaitu pengelompokan yang terbentuk dapat terjadi secara alamiah. Berdasarkan hasil pengolahan didapatkan 0asil sebagai berikut# )ilihat dari kemiripan dalam melakukan pengklusteran propinsi 5ambi dengan Sumatera 4tara mempunyai jarak &,&B$. sedang propinsi 5ambi dengan Sumatera Selatan berjarak E,D'?. 5adi karakteristik lansia terlantar di propinsi 5ambi dengan Sumatera 4tara lebih mirip bila dibandingkan dengan propinsi 5ambi dengan Sumatera Selatan. )emikian pula kemiripan propinsi?propinsi lainnya dapat dilihat dengan melihat kedekatan jaraknya. Semakin dekat jaraknya berarti semakin mirip. )ari tabel '., kita bisa melihat bah a aglomerasi melakukan pengelompokkan secara satu demi satu. "ada tahap $ *stage $, kasus nomor ' *propinsi ke ', dan $= *propinsi ke $=, adalah yang paling mirip, maka mereka menjadi kelompok terlebih dahulu. -emudian lihat kolom ne+t stage pada baris pertama, yang merupakan kelanjutan stage untuk cluster. (erlihat stage $B yang berarti stage dilanjutkan ke stage $B. "ada stage $B terlihat bah a angka ' *propinsi ', dan $$ *propinsi $$, hal ini berarti bah a propinsi $$ masuk pada kelompok $ yang terbentuk yaitu ' dan $=. dengan demikian sudah diketahui bah a ada ' anggota yang sudah diketahui clusternya. -emudian lihat ne+t stage pada baris ke $B. dimana cluster terakhir dilakukan. (erlihat angka $E, yang berarti proses cluster dilanjutkan ke stage $E. demikian selanjutnya sampai semua cluster terbentuk. (abel '. Agglomerasion Schedule

Agglomeration Schedule Cluster Combined Cluster 1 Cluster 2 3 19 10 12 11 13 4 6 10 18 2 20 5 17 21 22 1 4 1 7 2 3 10 14 9 16 21 23 10 11 9 21 1 2 5 9 1 10 5 15 5 24 5 8 1 5 Stage Cluster First !!ears Cluster 1 Cluster 2 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 4 9 0 6 1 5 0 0 0 8 0 12 3 13 14 10 11 7 16 17 15 18 0 20 0 21 0 19 22

Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Coefficients .390 .788 1.188 1.759 2.758 3.828 4.909 6.047 7.473 9.159 11.209 13.356 16.215 19.278 22.930 28.014 35.627 45.231 56.362 69.666 86.659 108.660 138.000

"e#t Stage 11 5 15 9 12 11 18 14 10 17 17 15 16 16 19 18 19 20 23 21 22 23 0

Bila melihat keanggotaan kluster, terdapat perubahan letak propinsi dalam cluster, seperti propinsi /rian jaya yang semula berada dalam kelompok B manjadi kelompok & dalam cluster '. Sedang untuk jumlah cluster & terdapat perubahan cluster untuk propinsi 5akarta yang semula ada pada cluster ' menjadi cluster &. "erubahan-perubahan ini dapat dilihat pada tabel diba ah ini. (abel B -eanggotaan -luster

Cluster Membership Case 4 Clusters 1$S%& '() %' ) 1 2$S%& '() * ) ' 1 3$)+ % 1 4$, &*+ 1 5$S%& '() S(- ' " 2 6$*("./%-% 1 7$- &0%". 1 8$1/+ , / )' 3 9$, 2 * ) ' 2 10$, 2 '(". 3 1 11$1.+. 45.4 / )' 1 12$, 2 '+&%) 1 13$* -+ 1 14$"%S '(".. ) 1 * ) ' 15$"%S '(".. ) 2 '+&%) 16$/ -+& "' " * ) ' 2 17$/ -+& "' " '+&%) 2 18$/ -+& "' " 1 S(- ' " 19$/ -+& "' " '(". 3 1 20$S%- 2(S+ %' ) 1 21$S%- 2(S+ '(". 3 2 22$S%- 2(S+ S(- ' " 2 23$S%- 2(S+ 2 '(".. ) 24$+)+ " , 4 4 3 Clusters 1 1 1 1 2 1 1 3 2 1 1 1 1 1 2 2 2 1 1 1 2 2 2 2 2 Clusters 1 1 1 1 2 1 1 2 2 1 1 1 1 1 2 2 2 1 1 1 2 2 2 2

Secara visual hasil pengelompokan dapat dilihat pada dendogram di tabel >.. "engelompokan propinsi propinsi untuk lansia terlantar dapat dibagi atas beberapa kelompok. "enentuan banyaknya kelompok dapat dilihat dari karakteristik masing-masing ilayah propinsi. .elihat dari karakteristik masing-masing ilayah ada beberapa ' pengelompokan, yaitu# $. 5umlah & -elompok yang terdiri dari kelompok pertama meliputi propinsi Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, 9ampung, 5a a (engah, )/ yokyakarta, 5a a (imur, Bali, 8(B, -al (eng, -al Sel, Sulutdan kelompok kedua meliputi propinsi Sumatera Selatan, )-/ jakarta, 5a a Barat, 8((, -al bar, -al (im, Sulteng, Sultra dan /rian jaya &. 5umlah ' -elompok yang terdiri dari kelompok pertama meliputi propinsi Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, 9ampung, 5a a (engah, )/ yokyakarta, 5a a (imur,

Bali, 8(B, -al (eng, -al Sel, Sulut dan kelompok kedua meliputi propinsi Sumatera Selatan, 5a a Barat, 8((, -al bar, -al (im, Sulteng, Sultra dan /rian jaya. 4ntuk -elompok ketiga adalah propinsi )-/ 5akarta. '. 5umlah B -elompok yang terdiri dari kelompok pertama meliputi propinsi Sumatera 4tara, Sumatera Barat, 1iau, 5ambi, Bengkulu, 9ampung, 5a a (engah, )/ yokyakarta, 5a a (imur, Bali, 8(B, -al (eng, -al Sel, Sulut dan kelompok kedua meliputi propinsi Sumatera Selatan,5a a Barat, 8((, -al bar, -al (im, Sulteng, Sultra. -elompok -etiga adalad )-/ jakarta dan kelompok keempat adalah propinsi paling timur /rian 5aya. )engan melihat hasil pengelompokan diatas maka lebih baik pengelompokan yang diambil adalah dengan jumlah B kelompok. "engambilam B kelompok didasarkan pada karakteristik propinsi )-/ 5akarta pada kelompok tiga berbeda dengan propinsi lainnya, juga perbedaan karakteristik untuk propinsi /rian 5aya pada kelompok keempat.