Nama : Yeisha Lorry Ega Pakpahan

NIM : 2105046062
Kelas : B/2021
Mata Kuliah : Pendidikan Matematika Lingkungan

Analisis Cluster Menggunakan Aplikasi SPSS dan S-Plus

1. Clastering atau penggerombolan menggunakan jarak euclidean dan teknik

berhierarki penggabungan (agglomerative) dengan metode pautan tunggal
(single linkage) menggunakan SPSS

Case Processing Summarya

Cases
Valid Missing Total
N Percent N Percent N Percent
25 100.0 0 .0 25 100.0
a. Single Linkage

Tabel output di atas menunjukkan bahwa semua data sejumlah 25 objek telah di
proses tanpa ada data yang hilang.
 Agglomeration Schedule
Cluster Combined Stage Cluster First Appears
Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 3 6 93.220 0 0 3
2 5 15 129.611 0 0 3
3 3 5 215.550 1 2 6
4 11 14 220.722 0 0 7
5 13 16 223.421 0 0 11
6 3 17 227.095 3 0 10
7 11 20 237.044 4 0 10
8 1 18 237.674 0 0 14
9 4 23 245.852 0 0 12
10 3 11 253.247 6 7 13
11 13 21 274.421 5 0 12
12 4 13 278.085 9 11 13
13 3 4 334.087 10 12 14
14 1 3 415.625 8 13 15
15 1 10 416.583 14 0 19
16 8 25 494.072 0 0 17
17 8 24 540.418 16 0 18
18 8 9 550.255 17 0 20
19 1 2 605.073 15 0 20
20 1 8 670.530 19 18 23
21 12 19 960.532 0 0 22
22 12 22 1034.100 21 0 23
23 1 12 1128.614 20 22 24
24 1 7 1622.384 23 0 0

Tabel hasil output di atas menunjukkan pengelompokan secara bertingkat

Terbentuk kluster 1 dengan jarak 2,00
Terbentuk kluster 2 dengan jarak 3,00
Dilanjutkan sampai stage ke 23 dengan jarak terjauh yaitu 1622,384

Hasil output di atas merupakan dendogram hasil analisis kluster dengan metode
Single Linkage. Dimana semakin banyak kluster yang dipilih maka jaraknya
 semakin kecil. Dari dendogram di atas, dengan jarak lebih dari 25 maka diperoleh
1 kluster (tidak terjadi pengelompokkan), sedangkan jika jaraknya 25 maka
didapat 2 kluster.

Jika kita mengambil jaraknya 20 maka terdapat 2 kluster, jika di ambil jaraknya 15
maka terdapat 5 kluster, jika kita mengambil jaraknya 10 maka terdapat 6 kluster,
jika kita mengambil jarak 5 maka ada 12 kluster. Jadi semakin pendek jaraknya
maka semakin banyak kluster yang terbentuk.

2. Clustering atau penggerombolan menggunakan jarak euclidean dan teknik

berhierarki pembagian (divisive) dengan metode pautan lengkap (complete
linkage) menggunakan SPSS

Case Processing Summarya

Cases
Valid Missing Total
N Percent N Percent N Percent
25 100.0 0 .0 25 100.0
a. Complete Linkage
 Algglomeration Schedule

Cluster Combined Stage Cluster First Appears

Stage Cluster 1 Cluster 2 Coefficients Cluster 1 Cluster 2 Next Stage
1 3 6 93.220 0 0 8
2 5 15 129.611 0 0 8
3 11 14 220.722 0 0 7
4 13 16 223.421 0 0 10
5 1 18 237.674 0 0 17
6 4 23 245.852 0 0 11
7 11 20 251.042 3 0 14
8 3 5 261.268 1 2 9
9 3 17 339.551 8 0 14
10 13 21 377.823 4 0 15
11 4 10 486.738 6 0 15
12 8 25 494.072 0 0 20
13 9 24 550.255 0 0 20
14 3 11 634.214 9 7 17
15 4 13 744.423 11 10 19
16 12 19 960.532 0 0 18
17 1 3 1010.209 5 14 21
18 12 22 1168.624 16 0 23
19 2 4 1185.101 0 15 21
20 8 9 1196.761 12 13 22
21 1 2 1504.221 17 19 24
22 7 8 2319.439 0 20 23
23 7 12 3444.518 22 18 24
24 1 7 3618.519 21 23 0

Hasil output di atas merupakan dendogram analisis kluster dengan metode

complete linked. Dimana semakin banyak kluster yang dipilih maka jarak nya
semakin kecil. Dari dendogram di atas dengan jarak lebih dari 25 maka diperoleh 1
kluster (tidak terjadi pengelompokkan), sedangkan jika jaraknya 25 maka didapat
2 kluster. Begitu pula jika kita mengambil jaraknya adalah 20 maka terdapat 3
kluster , jika diambil jarak 15 maka ada 4 kluster, jika jaraknya 10 maka ada 5
 kluster dan jika jaraknya 5 maka ada 11 kluster. Jadi, terdapat perbedaan jumlah
kluster antara analisis kluster dengan metode single linked dengan metode
complete linked.

3. Clustering atau penggerombolan dengan teknik tak berhierarki (penyekatan)

menggunakan SPSS
Initial Cluster Centers
Cluster
1 2 3 4 5
EARNS 192 1240 1285 748 2600
INCOME 192 1240 1386 1936 2601
WEALTH 47 304 3281 1265 1199
SIZE 139 139 139 110 161
LN 179 184 58 212 242

Iteration Historya
Change in Cluster Centers
Iteration 1 2 3 4 5
1 552.727 678.033 344.700 487.103 .000
2 42.517 96.862 292.156 176.989 .000
3 3.271 13.837 73.039 44.247 .000
4 .252 1.977 18.260 11.062 .000
5 .019 .282 4.565 2.765 .000
6 .001 .040 1.141 .691 .000
7 .000 .006 .285 .173 .000
8 8.809E-6 .001 .071 .043 .000
9 6.776E-7 .000 .018 .011 .000
10 5.212E-8 1.680E-5 .004 .003 .000
a. Iterations stopped because the maximum number of iterations was performed. Iterations failed to
converge. The maximum absolute coordinate change for any center is .004. The current iteration is
10. The minimum distance between initial centers is 1285.156.

Final Cluster Centers

 Cluster
1 2 3 4 5
EARNS 555 765 786 1149 2600
INCOME 649 928 1126 1731 2601
WEALTH 183 852 2937 1479 1199
SIZE 143 158 129 127 161
LN 187 230 119 201 242

Distances between Final Cluster Centers

Cluster 1 2 3 4 5
1 756.523 2805.581 1790.608 3005.243
2 756.523 2097.356 1089.890 2507.422
3 2805.581 2097.356 1621.109 2915.598
4 1790.608 1089.890 1621.109 1715.616
5 3005.243 2507.422 2915.598 1715.616

ANOVA
Cluster Error
Mean Square df Mean Square df F Sig.
EARNS 1082958.944 4 69565.979 20 15.567 .000
INCOM 1428832.236 4 85833.121 20 16.647 .000
E
WEALT 4926969.937 4 72677.113 20 67.793 .000
H
SIZE 727.352 4 1506.742 20 .483 .748
LN 6975.396 4 4972.721 20 1.403 .269

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.

Case Number NO Cluster Distance

1 1 1 598.787
2 2 2 791.039
 3 3 1 103.398
4 4 2 405.899
5 5 1 225.304
6 6 1 106.080
7 7 5 .000
8 8 4 483.319
9 9 2 619.631
10 10 2 134.016
11 11 1 461.948
12 12 3 624.256
13 13 2 350.064
14 14 1 294.864
15 15 1 187.183
16 16 1 378.714
17 17 1 211.544
18 18 1 572.468
19 19 3 539.371
20 20 1 393.442
21 21 1 368.101
22 22 3 662.273
23 23 2 433.249
24 24 4 499.579
25 25 4 115.090

Number of Cases in
each Cluster
Cluster 1 12.000
2 6.000
3 3.000
4 3.000
5 1.000
Valid 25.000
Missing .000
4. Clastering atau penggerombolan menggunakan jarak euclidean dan teknik
berhierarki penggabungan (agglomerative) dengan metode pautan tunggal
(single linkage) menggunakan S-Plus
Menggunakan data cluster yang diberikan dan perangkat S-Plus :
Lakukan analisis klster penggabungan berjenjang (agglomarative hierarchical)
dengan teknik pautan tunggal. Lakukan Print screen untuk dendogramnya
kemudian paste ke laman Micrososft Word.
5. Clastering atau penggerombolan menggunakan jarak euclidean dan teknik
berhierarki penggabungan (agglomerative) dengan metode pautan lengkap
(complete linkage) menggunakan S-Plus
Lakukan analisis kluster penggabungan berjenjang (agglomarative hierarchical)
dengan teknik pautan lengkap. Lakukan Print screen untuk dendogramnya
kemudian paste ke laman Micrososft Word.