dan minuman di Kota Bogor, sedangkan untuk melakukan uji validitas dan pengelompokkan digunakan software SPSS 16. Usaha mikro dan kecil sektor
makanan dan minuman di Kota Bogor akan dikelompokan menjadi dua klaster berdasarkan kemiripan variabelnya.
4.3.1 Statistik Deskriptif
Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian dan penafsiran data. Statistik deskriptif adalah metode-
metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistik deskriptif memberikan
informasi hanya mengenai data yang dimiliki dan sama sekali tidak menarik kesimpulan apapun dari gugus data induknya yang lebih besar Walpole 1995.
Penelitian ini menggunakan statitik deskriptif untuk menganalisis perkembangan UMK yang berada di Kota Bogor dengan menggunakan data sekunder
pertumbuhan UMK sektor makanan dan minuman tahun 2007-2012.
4.3.2 Metode K-Means Cluster
Analisis k-means cluster merupakan metode yang digunakan untuk mengelompokan data sesuai dengan jumlah kelas yang telah ditentukan. Objek
dikelompokan berdasarkan kemiripannya. Pada analisis klaster, kemiripan antar objek ditentukan dengan euclidhean distance. Berikut ini adalah tahapan dalam
analisis k-means cluster. Tahap pra proses data sebelum melakukan pengelompokkan, dilakukan uji asumsi terhadap sampel, yaitu:
1. Uji Multikolinearitas
Santoso 2010 menyatakan, sebelum melakukan analisis k-means cluster, diperlukan uji asumsi yang membuktikan bahwa tidak terjadi multikolinearitas.
Multikolinearitas adalah
kemungkinan adanya
korelasi antar
objek. Multikolinearitas dilihat dari besar nilai VIF Variance Inflation Fector. Jika nilai
VIF lebih dari 10, maka data tersebut mengandung multikolinearitas, dan sebaliknya. Rumus untuk menghitung VIF adalah:
��� = 1
1 −
2
Keterangan :
2
= Koefisien determinasi
Nilai VIF secara langsung diperoleh dengan bantuan software MINITAB 14.
2. Uji Validitas dan Reabilitas Faktor
Validitas adalah tingkat keandalan dan kesahihan alat ukur yang digunakan. Data dikatakan valid berarti dapat digunakan untuk mengukur apa yang seharusnya
di ukur, dengan begitu data yang valid merupakan data yang benar-benar tepat untuk mengukur apa yang sedang di ukur Sugiyono 2007.
Reabilitas adalah ukuran yang menunjukkan bahwa alat ukur yang digunakan dalam penelitian mempunyai keandalan sebagai alat ukur melalui konsistensi hasil
pengukuran dari waktu ke waktu jika fenomena yang diukur tidak berubah. Pengukuran validitas dan reabilitas mutlak dilakukan, karena jika instrumen yang
digunakan sudah tidak valid dan realible maka dipastikan hasil penelitiannya pun tidak akan valid dan realible. Hasil dari uji validitas dilihat dengan menggunakan
KMO Kaiser Meyer Olkin dan Barlett’s test. Jika nilai KMO MSA Measuring of
Sampling Adequacy lebih dari 0.5 maka data tersebut valid untuk digunakan
sebagai alat analisis, sedangkan uji reabilitas dilakukan dengan menggunakan Reability Analysis
. Jika nilai koefisien Alpha Cronbach lebih besar atau sama dengan 0.70 maka dapat disimpulkan bahwa data tersebut reliable Zulganef 2006.
3. Standarisasi Data
Sebelum proses clustering, data yang memiliki skala berbeda distandarisasi terlebih dahulu. Menurut Santoso 2010, pada penggunaan skala yang berbeda
untuk memperoleh kesempatan yang sama setiap variabel perlu distandarisasi terlebih dahulu karena jika variabel tetap dalam bentuk aslinya, variabel-variabel
yang memiliki standar deviasi yang paling besar akan tampil sebagai deferensiator utama, artinya proses segmentasi hanya akan dipengaruhi oleh variabel tertentu
saja. Variabel yang distandarisasi adalah nilai hasil penjualan, jumlah tenaga kerja dan biaya produksi. Adapun rumus standarisasi data adalah sebagai berikut:
�
�
= � − ˉ
�
Keterangan: X
isj
= Nilai standar X ke-i pada sel ke-j
