42 Selanjutnya PCA dilakukan beberapa kali hingga diperoleh nilai PC Score
terbaik, yaitu PC Score dengan nilai akar ciri eigenvalues diatas 70 persen; jumlah faktor-faktor baru yang diperoleh pada tabel factor loading dibawah dua
puluh; dan korelasi antar variabel-variabel asal dengan faktor-faktor baru pada factor loading
dapat diinterpretasikan secara logis.
2. Analisis Gerombol Cluster Analysis
Secara umum terdapat dua metode penggerombolan dalam analisis gerombol ini yaitu: a. metode berhirarki hierarchical clustering method dan
b. metode tak berhirarki non hierarchical clustering method. Metode berhirarki dilakukan jika jumlah gerombol yang akan ditentukan
sudah diketahui. Misalnya orde pembangunan wilayah secara umum diketahui berjumlah 5 lima, yaitu: sangat tinggi, tinggi, sedang, rendah, dan sangat rendah,
atau 3 tiga yaitu: tinggi, sedang dan rendah. Pengklasifikasian selanjutnya akan dilakukan berdasarkan jumlah yang kita inginkan tersebut. Unit-unit analisis yang
dikelompokkan akan
bergerombol sesuai
dengan kedekatankemiripan
karakteristiknya masing-masing. Sedangkan untuk metode tidak berhirarki dilakukan jika jumlah gerombol
belum diketahui. Penggerombolan selanjutnya dilakukan terhadap seluruh unit berdasarkan seluruh karakteristik yang diamati. Selanjutnya berdasarkan
kenampakan hasil penggerombolan ditentukan pemotongan seberapa banyak gerombol yang akan digunakan.
Sebelum melakukan penggabungan data perlu dihitung terlebih dahulu jarak antara dua data atau jarak antara dua gerombol data dengan ciri yang serupa.
Untuk dapat dilakukan penggerombolan diperlukan suatu skala pengukuran yang sama. Jika skala data tidak sama maka data perlu ditransformasikan dalam suatu
bentuk skor tertentu yang disebut dengan jarak baku. Dalam analisis gerombol dikenal terdapat beberapa ukuran jarak antara lain: jarak mahalanobis, jarak
eucledian, jarak chebicef, power distance, dan percent disagreement. Ukuran
jarak yang sering digunakan adalah jarak eucledian eucledian distance.
43 Persamaan penghitungan jarak eucledian antara dua titik atau dua gerombol
adalah:
D Yj
Xi
p i
= −
= 2
1 1
2
dimana : Xi = pusat data dari gerombol X
Yj = pusat data dari gerombol Y Nilai D merupakan jarak antara titik datagerombol X dan Y. Makin kecil
nilai D makin besar kemiripan data X dan Y. Dalam analisis gerombol ini tidak dilakukan ortogonalisasi variabel akan tetapi dilakukan standarisasi data mentah
yang ada sebelum dilakukan penggerombolan. Hal ini pengaruh multikolinearitas sangat kecil sehingga dapat diabaikan apabila data sudah distandarisasikan
Iriawan Astuti, 2006. Metode ini digunakan untuk mengelompokkan wilayah analisis berdasarkan variabel-variabel yang sangat berpengaruh nyata terhadap
perkembangan suatu wilayah. Tujuannya adalah mendeskripsikan wilayah kedalam kelompok yang lebih kecil dengan ciri-ciri yang spesifik dari nilai
variabel tersebut. Variabel-variabel yang dipergunakan dalam analisis ini adalah faktor score hasil olahan PCA. Variabel-variabel tersebut meliputi: 1 sumber
daya alam SDA meliputi: kepadatan penduduk dan luas lahan bukan sawah, 2 sumber daya buatan SDB yakni: rasio swalayan, rasio kios saprodi pertanian
milik KUD dan non KUD, pangsa industri besar, pangsa KUD, pangsa tempat praktek dokterbidan, rasio tempat usaha jasa, rasio hotelpenginapan, dan rasio
objek wisata, serta 3 sumber daya manusia SDM adalah rasio jumlah keluarga yang tinggal ditepi sungai.
3. Analisis Diskriminan Discriminant Function Analysis