9
Tabel 4.2 Persentase Tingkat Akurasi Hasil Pengelompokan Data Simulasi Tipe A
Pengulangan Jenis Data Simulasi
Metode FCM Metode LCCA
1 2
3 4
500 A1
52 89
A2 49
97 A3
47 98
A4 51
99 1000
A1 47
89 A2
50 95
A3 50
98 A4
50 99
5000 A1
50 89
A2 50
95 A3
50 98
A4 50
99
Sumber: data diolah Lampiran 4. Tabel 4.2 diatas, menunjukkan tingkat akurasi metode FCM kolom 3 hampir
tidak mengalami perubahan dengan adanya perbedaan tingkat korelasi antar variabel, bahkan pada pengulangan sangat banyak diatas 1000 kali relatif konstan pada angka
50.
Sedangkan metode LCCA kolom 4 menunjukkan adanya hubungan positif searah antara perubahan tingkat korelasi dengan peningkatan tingkat akurasi hasil
pengelompokan.
4.2 Pengelompokan Data Simulasi Tipe B
Berikut ini rekapitulasi hasil tabulasi selengkapnya disajikan pada Lampiran 3.
Tabel 4.3 Tabel Kontingensi Pengelompokan Data Simulasi Skenario B1
Pengulangan Awal
Cluster Metode FCM Cluster Metode LCCA
1 2
3 4
5 6
7 8
500 Pop0
1 2
Jumlah 1
2 Jumlah
1 49.48
50.52 100.00
92.43 7.57
100.00 2
50.53 49.47
100.00 7.75
92.25 100.00
Jumlah 100.01
99.99 200.00
100.18 99.82
200.00 1000
Pop0 1
2 Jumlah
1 2
Jumlah 1
49.70 50.30
100.00 91.53
8.47 100.00
2 50.16
49.84 100.00
8.54 91.30
99.84 Jumlah
99.86 100.14
200.00 100.07
99.77 199.84
5000 Pop0
1 2
Jumlah 1
2 Jumlah
1 50.93
49.07 100.00
92.08 7.92
100.00 2
49.04 50.96
100.00 7.98
91.96 99.94
Jumlah 99.96
100.04 200.00
100.06 99.88
199.94
Sumber: Data diolah Lampiran 3.
10 Dari tabel 4.3 diatas terlihat bahwa metode FCM untuk ukuran data sama juga
memberikan tingkat akurasi hasil pengelompokan yang tepat untuk FCM 1-1 maupun FCM 2-2 masing-masing sebanyak 49 data dari 100 data pada pengulangan 500 kali.
Pada pengulangan 5000 kali menjadi 51 dari 100 data. Hal ini relatif sama dengan kondisi sebelumnya untuk populasi yang berukuran beda.
Hasil pengelompokan metode LCCA menunjukkan hasil yang lebih baik dari FCM, dimana LCCA 1-1 pada pengulangan 500 maupun 5000 kali mencapai ketepatan
pengelompokan sebanyak 92 dari 100 data. Seperti analisis pada tipe A, untuk data simulasi tipe B juga diperoleh tabulasi
data akurasi sebagai berikut ini:
Tabel 4.4 Persentase Tingkat Akurasi Hasil Pengelompokan Data Simulasi Tipe B
Pengulangan Jenis Data Simulasi
Metode FCM Metode LCCA
1 2
3 4
500 B1
49 92
B2 50
96 B3
51 98
B4 49
99 1000
B1 50
91 B2
48 96
B3 49
98 B4
53 99
5000 B1
51 92
B2 50
96 B3
50 98
B4 50
99
Sumber: data diolah Lampiran 3. Dari tabel 4.4 diatas, menunjukkan tingkat akurasi hasil pengelompokan metode
FCM relatif konstan pada angka 50. Dan tidak menunjukkan adanya pengaruh korelasi antar variabel.
Sedangkan metode LCCA menunjukkan tambahan bukti adanya hubungan antara perubahan tingkat korelasi dengan peningkatan tingkat akurasi hasil pengelompokan. Hal
ini berguna sebagai landasan pertimbangan dalam memilih metode clustering suatu data jika korelasi antar variabel indikator diketahui. Misalnya pada data-data di bidang sosial
ekonomi, dimana umumnya antar variabel yang digunakan memiliki korelasi.
Dari tabel 4.1 dan tabel 4.3 kecenderungan pengelompokan masing-masing metode FCM dan LCCA tidak sensitif terhadap banyaknya pengulangan. Baik metode
FCM maupun LCCA dengan pengulangan 500, 1000, dan 5000 kali menunjukkan hasil alokasi pengelompokan relatif tetap tidak ada konvergensi. Tetapi karena adanya proses
iterasi yang dimulai dengan ramdomisasi nilai inisiasi awal, maka dalam implementasi kedua metode tetap perlu dilakukan pengulangan. Meski banyaknya pengulangan bisa
relatif sedikit misalnya 10 kali.
4.3 Indeks Validitas Cluster Data Simulasi
