8
karakteristik diantara obyek-obyek tersebut. Obyek bisa berupa Produk barang dan jasa, benda tumbuhan atau lainnya serta orang responden, konsumen
atau yang lain. Obyek tersebut akan diklasifikasikan ke dalam satu atau lebih klaster kelompok sehingga obyek-obyek yang berada dalam satu klaster akan
mempunyai kemiripan satu dengan yang lain. Ciri sebuah klaster yang baik adalah klaster yang mempunyai: 1
homogenitas kesamaan yang tinggi antar anggota dalam satu klaster within cluster 2 heterogenitas perbedaan yang tinggi antar klaster yang satu
dengan yang lainnya between cluster Santoso, 2003:47. Perbedaan analisis klaster dengan analisis faktor terletak pada fokus
pengelompokan. Analisis klaster terfokus pada pengelompokan obyek sedangkan analisis faktor terfokus pada kelompok variabel.
2.1.3 Asumsi Multikolinieritas
Multikolinieritas adalah suatu keadaan dimana terdapat korelasi antar variabel prediktor ketika dalam model regresi menggunakan lebih dari satu
prediktor. Apabila terjadi multikolinieritas pada data akan menyebabkan matriks
� �
−
memiliki determinan sama dengan nol. Hocking 1996 mengemukakan bahwa ada tiga kriteria yang dapat digunakan untuk
mendeteksi multikolinieritas. Ketiga kriteria tersebut adalah :
9
1. VIF Variance Inflation factors Jika nilai VIF lebih besar dari 10 menunjukkan adanya
multikolinieritas antara
variabel-variabel prediktor.
VIF dirumuskan
� � = 1
1 − Dengan Rj adalah koefisien determinasi.
2. Koefisien korelasi pearson �
Multikolinieritas terjadi apabila antar variabel prediktor nilai korelasinya 0,95.
3. Nilai eigen Multikolinieritas terjadi apabila nilai eigen pada matriks korelasi
antar semua variabel prediktor 0,05. Solusi untuk mengatasi adanya multikolinieritas adalah dengan
mengeluarkan variabel yang tidak signifikan. Ada atau tidaknya multikolinieritas antar variabel sangat diperhatikan dalam analisis klaster karena hal itu
berpengaruh, sehingga variabel-variabel yang bersifat multikolinieritas secara eksplisit dipertimbangkan dengan lebih seksama. Hal ini juga untuk menentukan
ukuran kemiripan yang akan digunakan dalam analisis klaster. Jika asumsi multikolinieritas terpenuhi maka jarak Euclidean dapat digunakan untuk
menentukan ukuran kemiripan.
10
2.1.4 Proses Dasar Analisis Klaster
2.1.4.1 Mengukur Kesamaan Antar Obyek similarity
Ukuran kemiripan yang biasa digunakan dalam analisis klaster adalah jarak Euclidean. Jarak Euclidean digunakan jika variabel amatan saling bebas atau
tidak berkorelasi satu sama lain tidak terjadi multikolinieritas. Jarak Euclidean dirumuskan sebagai berikut :
�
�,
= √∑ �
��
− �
� �=
Dimana �
�,
= jarak antara obyek i dan obyek j �
��
= nilai obyek i pada variabel ke k �
�
= nilai obyek j pada variabel ke k p
= banyak variabel yang diamati
2.1.4.2 Proses Klaster
Proses inti dari analisis klaster adalah pengelompokan data yang bisa dilakukan dengan dua metode sebagai berikut.
1 Metode Hirarki Tipe dasar dalam metode ini adalah agglomerasi dan pemecahan.
Dalam metode agglomerasi tiap observasi pada mulanya dianggap sebagai klaster tersendiri sehingga terdapat klaster sebanyak jumlah observasi. Kemudian dua
klaster yang terdekat kesamaannya digabung menjadi suatu klaster baru, sehingga jumlah klaster berkurang satu pada tiap tahap. Sebaliknya pada metode
pemecahan dimulai dari satu klaster besar yang mengandung seluruh observasi,
