200
cara pemisahan pada metode hirarki dimulai dengan membentuk satu gerombol besar beranggotakan seluruh pengamatan. Gerombol besar
tersebut kemudian dipisah menjadi gerombol yang lebih kecil, sampai satu gerombol hanya beranggotakan satu pengamatan saja. Kedua
cara dalam metode hirarki ini tidak berbeda dalam pembentukan gerombol yang terjadi tetapi hanya berbeda dalam tahapan
pembentukan gerombol saja.
9.2.2.1. Keterhubungan Tunggal Single LinkageNearest
Neighbor
Metode Single Linkage atau disebut juga dengan motode pautan tunggal, jarak antara dua cluster kelompok dapat ditentukan dari dua
obyek berpasangan yang memiliki kesamaan atau memiliki jarak terdekat nearest neighbor dalam cluster yang berbeda. Hal ini berlaku jika
pengelompokan itu mempunyai makna atau tujuan yang jelas, terdapatnya
kumpulan-kumpulan obyek
yang bersama-sama
membentuk cluster serta kecenderungan dari hasil pengelompokan itu menggambarkan rantai “chain” yang panjang.
Pertama kali yang harus dilakukan untuk mendapatkan pautan tunggal ini adalah harus menemukan jarak terdekat antar cluster-cluster tersebut,
dirumuskan dengan D ={d
ik
}. Kemudian menggabungkan obyek-obyek yang sesuai, misalkan obyek tersebut dilambangkan dengan cluster U dan
cluster V untuk mendapatkan cluster gabungan UV. Untuk menghitung jarak cluster UV dengan cluster-cluster yang lain
dapat dirumuskan dengan : d
UVW
= min {d
UW
,d
VW
} Catatan: nilai d
UW
dan d
VW
menggambarkan jarak terdekat antara cluster U dengan W serta V dengan W. Hasil dari single linkage clustering ini
201
dapat ditampilkan dalam bentuk dendogram atau diagram pohon, dimana
dahan atau
cabang dari
diagram pohon
tersebut menggambarkan clusternya.
9.2.2.2. Keterhubungan menyeluruh Complete Linkage
Furthest Neighbor
Jarak antar cluster pada metode Complete Linkage atau disebut juga metode pautan lengkap, ditentukan dari jarak terjauh antara dua obyek
pada cluster yang berbeda furthest neighbor. Metode ini dapat digunakan dengan baik untuk kasus dimana obyek-obyek yang ada
berasal dari kelompok yang benar-benar berbeda. Langkah pertama yang harus dilakukan adalah sama seperti kasus single
linkage yaitu harus menemukan jarak terdekat antar cluster-cluster
tersebut, dirumuskan dengan D ={d
ik
}. Kemudian menggabungkan obyek-obyek yang sesuai, misalkan obyek tersebut dilambangkan
dengan cluster U dan cluster V untuk mendapatkan cluster gabungan UV.
Untuk menghitung jarak cluster UV dengan cluster-cluster yang lain dapat dirumuskan dengan :
d
UVW
= max {d
UW
,d
VW
} Catatan: nilai d
UW
dan d
VW
menggambarkan jarak terjauh antara cluster U
dengan W serta V dengan W.
9.2.2.3. Keterhubungan Rataan Average Linkage
