b. Analisis pengujian model
Kasus yang akan diuji dengan menggunakan algoritma AHC ini adalah sebagai berikut :
1. Data yang digunakan Data yang akan digunakan untuk melakukan pengelompokan ini adalah data
penjualan produk yang dilakukan selama satu minggu, jumlah data yang digunakan adalah sebanyak 100 record data, seperti terlihat dalam lampiran
D Tabel D.4: 2. Menentukan jumlah cluster
Jumlah kelompok yang akan dibentuk adalah sebanyak tiga kelompok berdasarkan jumlah kelompok yang biasa dibentuk oleh pihak marketing.
3. Menghitung jarak antar data Inisialisasi cluster awal adalah sebanyak 100 cluster karena datan =
clusterc, kemudian dihitung jarak antara data dengan cluster yang ada dengan menggunakan Euclidean persamaan 2.1.
Berikut ini meruapakan proses perhitungan jarak antar data dengan menggunakan matriks Euclidean.
� , = √ −
− +
− +
− +
−
+
− +
− +
− +
− =
.
Dengan cara yang sama yaitu dengan menggunakan matriks Euclidean dilakukan perhitungan terhadap seluruh data, maka dihasilkan matriks jarak
seperti terlihat dalam lampiran D pada Tabel D.5. 4. Menghitung kedekatan antara dua cluster.
Dalam tahapan ini akan dihitung jarak antara dua cluster dengan menggunakan metode single linkage persamaan 2.2, dengan metode ini
akan mencari jarak yang paling kecil dari dua cluster. Iterasi 1 :
D
1,2
= min {D
1,
D
2
} = 22.5832 Pada awalnya Jumlah data yang akan dibentuk untuk proses clustering
sebanyak 100 data, maka cluster yang terbentukpun sebanak 100 cluster. Kemudian dari 100 cluster tersebut akan dibentuk sebanyak 3 cluster,
pembentukan cluster tersebut menggunakan metode single linkage yang terdapat dalam persamaan 2.2. Dengan menggunakan metode single linkage
akan mencari jarak yang paling dekat. Dari setiap iterasi yang dilakukan akan menggabungkan dua cluster, sehingga Jumlah iterasi yang akan
dihasilkan dari jumlah 100 data dengan cluster yang akan dibentuk sebanyak 3 cluster maka akan menghasilkan sebanyak 97 iterasi. Dari iterasi
yang pertama jarak yang paling dekat adalah cluster 14 dengan 22, maka kedua cluster tersebut digabungkan menjadi satu cluster dan cluster yang
terbentuk pada iterasi ke 1 ini menghasilkan sebanyak 99 cluster proses iterasi ini dapat dilihat dalam lampiran D pada Tabel D.6.
Proses ini terus dilakukan hingga mendapatkan hasil akhir dengan jumlah cluster sebanyak tiga cluster. Hasil akhir dari pengelompokan ini
terbentuk sebanyak tiga kelompok dengan masing – masing kelompok
ditunjukan pada lampiran D pada tabel D.7,D.8, dan D.9. Dan untuk hasil dalam bentuk dendrogram dapat dilihat dalam lampiran D Gambar D.1.
Dari hasil pengelompokan tersebut maka diperoleh rata – rata
penjualan produk dari masing – masing kelompok sebagai berikut:
Tabel 3.5 Rata
– rata penjualan produk dari masing
– masing cluster
Cluster 2k 5k
10k 12k 25k
50k 100k
M3 mentari
Cluster1 96.7041 78.4286
0 8.37776 2.6633 0.0918 88.3980 73.3673 Cluster2
2200 3
128 72
Cluster3 1203
2 72
137