02 Analisis Cluster

7/21/2019 02 Analisis Cluster

http://slidepdf.com/reader/full/02-analisis-cluster 1/27

Laboratorium Perencanaan dan Perancangan Sistem Rua

Perencanaan Wilayah dan Kota - UNIS

Analisis Cluster - 1





2.1 Pendahuluan

• Analisis cluster merua!an salah satu te!ni! statisti! multi"ariat

untu! mengidenti#!asi se!elomo! obye! yang memili!i !emirian

!ara!teristi! tertentu$ yang daat diisah!an dengan !elomo!

obye! lainnya% &umlah !elomo! yang daat diidenti#!asi

tergantung ada banya!nya "ariasi data obye!%

• 'u(uan dari Analisis Cluster adalah mengelompokkan sekelompok

obyek ke dalam beberapa kelompok berdasarkan kesamaan

karakteristik.

• Prinsi dasar engelomo!an ini adalah engu!uran (ara!

)distance) dan !esamaan )similarity *$ dimana hasil analisis cluster

ini berua grou ob(e! yang memili!i high internal homogeneity

(within-cluster) dan high external heterogeneity (between-cluster)

Homogenitas internal

)within cluster *+ yaitu

!esamaan antar anggota dalam satu

cluster%

Heterogenitas external)between

cluster *+ yaitu erbedaan antara

cluster yang satu dengan cluster yang

lain%

Analisis Cluster - ,





Lang!ah engelomo!an dalam analisis cluster menca!u hal beri!ut

.

1% /engu!ur !esamaan (ara!

,% /embentu! cluster secara hirar!is

% /enentu!an (umlah cluster%

2.2 Metoda Pendukung

• Perhitungan Analisis 0luster adalah dengan te!ni! engu!uran (ara!similaritas dengan berbagai metode.

a. Interval

1* uclidian distance

D(X,! " 2 # (Xi $ i!2

,* S3uare euclidian distance

D (X,! " # (Xi $ i!2

* 0osine

% (X,!"

# (Xi i!& # (Xi2! ( i 2!

4* Peason 0orrelation

% (X,!

"

# 'xi 'i

()*1!

5* 0hebyche"

D (X,! " Max │Xi $ i │

6* Bloc!

D (X,! " # │Xi $ i │

7* /in!o8s!i

D (X,! " + # │Xi $ i │ - 1

9* 0ustomi:ed

D (X,! " + # │Xi $ i │ - 1r

/. 0rekuensi

1* 0hi-s3uare

Analisis Cluster -





D (X,!

"&

# (Xi $

(Xi!!2 3# ( i $ ( i!!2

4(Xi! ( i!

,* Phi-s3uareD (X,!

"&

1

# (Xi $ (Xi!!2

3# ( i $ ( i!!2

4n (Xi! ( i!

5. 6iner

1* S3uare euclidian distance

D (X, ! " / 3 5

,* uclidian distance

D (X, ! " & / 3 5* Si:e ;i<erence

D (X, ! "(/ $ 5!2

(a 3 / 3 5 3 d!2

4* Pattern ;i<erence

D (X, ! "/5

(a 3 / 3 5 3 d!2

5* =ariance

D (X, !

"

(/ 3 5!7(a 3 / 3 5 3 d!

6* Shae

D (X, !

"

((a 3 / 3 5 3 d!2 (/ 3 5!! $ (/ $

5!2

(a 3 / 3 5 3 d!2

7* Lance and Williams

D (X, !

"

( / 3 5!

(2a 3 / 3 5 !

9* Present and absent

Untu! memilih nilai integer lain selain > dan 1






'ahaan Analisis 0luster.






1. Penentuan tu8uan

•

'entu!an tu(uan analisis cluster yang a!an la!u!an% Secaraumum tu(uan utama analisis cluster adalah memartisi

suatu set ob(e! men(adi dua gru atau lebih berdasar!an

!esamaan ob(e! tersebut% ;engan membentu! gru yang

homogen$ daat dilihat hal.

a% ;es!risi ta!sonomi

b% Identi#!asi relationshi

;alam enentuan tu(uan ini "ariabel yang a!an dia!ai

telah diilih dan ditentu!an )sesuai!an dengan tu(uan

analisis*

;ata yang diguna!an untu! tia "ariabel daat berua data

inter"al$ ratio$ nominal$ atau ordinal

2. Desain enelitian

'erdaat data mentah berua matri!s dengan n ob(e! dan

"eriabel )sebai!nya(umlah ob(e! ? (umlah "ariable*

/enstrans@ormasi!an matri!s data mentah )n * men(adi

matri!s (ara! antar ob(e!)nn* dengan mengguna!an

metoda erhitungan (ara!

;alam taha ini harus didete!si terdaat data yang outlier

atau tida!% outlier / pencilan adalah ob(e! yang memili!i

nilai e!strim dibanding!an ob(e!-ob(e! lain% outlier ini daat

mengganggu engelomo!an% &i!a terdaat data outlier$

ma!a harus dila!u!an standarisasi data%

Standarisasi data daat dila!u!an dengan , metode.

a% Standarisasi "ariabel )dengan score*

' "Xi * M

9






C S!or standar Di C S!or datamentah/ C rata-rata 9 C standar de"iasi

b% Standarisasi dengan obser"asi

:. Asumsi model

1. Samel yang diambil benar-benar daat me8a!ili oulasi

yang ada (representativeness of the sample)

,% 'ida! ter(adi multi!olinearitas )artinya "ariabel yang satu

bebas dari "ariabel lainnya*

7. Pengelomokan

Pembentu!an 0luster dila!u!an dengan mengguna!an metoda

tertentu )hierarchical*cluster atau mutually eclusi"e cluster

a. Metode Hirarki+ memulai pengelompokan dengan dua

atau lebih obyek yang mempunyai kesamaan paling dekat %

Kemudian diterus!an ada obye! yang lain dan seterusnya

hingga cluster a!an membentu! semacam Estru!tur ohonF

dimana terdaat ting!atan )hirar!i* yang (elas antar obye!$dari yang aling miri hingga yang aling tida! miri% Alat

yang membantu untu! memer(elas roses hirar!i ini

disebut GdendogramH%

I% /etode Agglomerati"e

1. Single lingkage (nearest neigbor methods)/ Pautan

'unggal

/etode ini didasar!an ada (ara! minimum% ;imulai

dengan dua ob(e! yang diisah!an dengan (ara!

aling ende! ma!a !eduanya a!an ditemat!an

ada cluster ertama% Keduanya membentu!

!elomo! yang ertama% Pada lang!ah selan(utnya$

terdaat dua !emung!inan.

a% ob(e! !etiga a!an bergabung dengan !elomo!

yang ada






b% dua ob(e! lainnya a!an membentu! !elomo!

baru

/etode ini di!enal ula dengan nama ende!atan

tetangga terde!at

. !omplete lingkage (futhest neigbor methods)/ Pautan

Leng!a

;isebut (uga ende!atan tetangga ter(auh% ;asarnya

adalah (ara! ma!simum% ;alam metode ini seluruh

ob(e! dalam suatu cluster di!ait!an satu sama lain

ada suatu (ara! ma!simum atau dengan !esamaan

minimum%

% "verage lingkage methods (between groups

methods)/ Pautan rata-rata

;asarnya adalah (ara! rata-rata antar obser"asi%

engelomo!an dimulai dari tengan atau asangan

obser"asi dengan (ara! aling mende!ati (ara! rata-

rata%

#. $ard%s error sum of s&uares methods

;alam metode ini (ara! antara dua cluster adalah

(umlah !uadrat antara dua cluster untu! seluruh

"ariabel% /etode ini cenderung diguna!an untu!

meng!ombinasi cluster-cluster dengan (umlah !ecil%

'. !entroid entry and enter methods

&ara! antara dua cluster adalah (ara! antar centroid

cluster tersebut% 0entroid cluster adalah nilai tengah

obser"asi ada "ariabel dalam suatu set "ariabel

cluster% Keuntungannya adalah outlier hanya sedi!it

berengaruh (i!a dibanding!an dengan metode lain

II% /etode ;i"isi"e

/etoda ini berla8anan dengan metoda aglomerasi$

ertama-tama mulai dengan satu !elomo! besar






menca!u semua ob(e!% Selan(utnya ob(e! yang memili!i

!etida!mirian besar diisah!an sehingga membentu!

!elomo! yang lebih !ecil% Pemisahan ini dilan(ut!an

hingga mencaai se(umlah !elomo! yang diingin!an

/. Metode )on*Hirarki+ dimulai dengan menentukan terlebih

dahulu umlah cluster yang diinginkan )dua$ tiga$ atau yang

lain*% Setelah (umlah cluster ditentu!an$ ma!a roses cluster

dila!u!an dengan tana mengi!uti roses hirar!i% /etode ini

biasa disebut GK-Means Cluster H%

1. Se&uential threshold procedure

/etode engelomo!an ini terlebih dahulu memilih satu

ob(e! dasar yang a!an men(adi nilai a8al !elomo!$ lalu

semua ob(e! yang ada didalam (ara! terde!at dengan

!elomo! ini a!an bergabung$ !emudian diilih !elomo!

!edua dengan rosedur yang sama

. aralel threshold procedure

Prinsinya sama dengan rosedur se!unsial$ hanya sa(a

dila!u!an emilihan terhada beberaa ob(e! se!aligus

lalu mela!u!an enggabungan ob(e! !e dalamnya secara

bersamaan

*. +ptimi,ing

/erua!an engembangan dari !edua rosedur diatas

dengan mela!u!an otimasi ada enematan ob(e!

;. Interretasi

/endes!risi!an ro#l cluster yang terbentu!

Pada taha ini erlu dierhati!an !ara!teristi! aa yang

membeda!an masing-masing !elomo! yang disesuaia!an

dengan tu(uan a8al analisis% ;imana erlu sesi#!asi

!riteria%

<. =alidasi

Analisis Cluster -





Pengu(ian daat dila!u!an dengan membanding!an hasil yang

dieroleh dengan algoritma yang berbeda% /isalnya yang

ertama mengguna!an te!ni! hirar!i$ ma!a taha selan(utnya

coba guna!an te!ni! non hirar!i% Bila hasilnya berbeda$ ma!a

!elomo! yang terbentu! tersebut belum "alid dan tida! daat

ditera!an secara umum% Begitu sebali!nya%

2.: >asus dan Alikasi dalam Ilmu

Peren5anaan

Banya! !asus-!asus erencanaan yang dicari!an enyelesaiannya

dengan mengguna!an Analisis 0luster% 0ontohnya.

1% Pengelomo!an !ecamatan di Kabuaten /a(aleng!a berdasar!an

ting!at er!embangan 8ilayah

)o.

>e5amatan =aria/el Penilai Perkem/angan ?ilaah

X1 X2 X: X7 X; X<1% /a(aleng!a,% ;a8uan

% Su!aha(i4% 0igasong5% /a(a6% Sindang8an

gi7% Lemahsugih

D1 C &umlah Pendudu! )(i8a*D, C Keadatan Pendudu! )(i8aJha*D C A!sesbilitas

D4 C Luas Wilayah 'erbangun )ha*D5 C IP/ )Inde!s Pembangunan /anusia*D6 C &umlah sarana endidi!an $ dst

,% Pengelomo!an ob(e! 8isatadi Kabuaten Pur8a!artaberdasar!an

!eleng!aan sarana rasarana 8isata

)o.

@/8ek ?isata >elengkaan %arana Prasarana ?isata

X1 X2 X: X7 X; X<1% Wadu! Wanayasa,% Wadu! &atiluhur% Wadu! 0ibeber4% Situ Bulet5% 0urug 0iurut

6% Agro8isata

Analisis Cluster - 1>

Semua !ecamatan yang ada di Kabuaten





7% Pemandian 0ibula!an

D1 C Sentra Pen(ualan leh-olehD, C Par!irD C Pen(ualan 'i!et

D4 C Pusat Pelayanan dan In@ormasiD5 C Keamanan dan KesehatanD6 C 'oilet dan /usholla $dst

2.7 Proses Inut Data

'ahaan engolahan analisis cluster dengan SPSS .

1% ;ari menu utama SPSS$ ilih GAnaleH lalu ilih sub menuGClassiBH !emudian GHierar5hi5al Cluster

,% 'ama! di layar .

/asu!!an "ariabel !eamanan dan !enyamanan$ !ebersihan$ harga$

elayanan$ !eleng!aan sarana dan rasarana$ dan !omoditas

yang di(ual ada !olom =aria/les (s!.


Semua ob(e! 8isata yang ada di Kabuaten Bandung dan

Kabuaten Bandung Barat Barat





% Pilih menu %tatisti5s$ a!an tama!

ada layar .

Kli! ada !olom Proimity matri% Untu! 0luster /embershi$ ilih

none$ lalu !li! tombol Continue%

Analisis Cluster - 1,





4% Kemudian !li! icon Plots$ a!an tama!

ada layar .

Kli! ;endogram% Pada !olom Icicle$ ilih all cluster% Lalu !li! icon0ontinue

5% Kli! icon Methods$ a!an tama! ada layar .






Pilih centroid clustering ada 0luster /ethod% 'e!ni! engu!uran

uclidean distance merua!an default ada SPSS% Karena dalam

enelitian ini mengguna!an te!ni! engu!uran tersebut$ sehingga

otion tersebut tida! erlu diganti% Pada !olom 'rans@orm =alues$

ilih score ada Standardi:e% Lalu lan(ut!an dengan meng!li!

icon continue%

6% Kli! icon %ave$ a!an tama! ada layar .






Pada !olom 0luster /embershi$ ilih none% Kemudian !li!

0ontinue%

7% 'era!hir$ te!an tombol K% SPSS a!an menamil!an outut analisis

cluster%

2.; %tudi >asus

Pengelomokan 2: >e5amatan di >a/uaten 6ekasi

/erdasarkan tingkat erkem/angan >e5amatan

Eu8uannaF

/enentu!an dan mengelomo!!an dua uluh tiga Kecamatan

berdasar!an er!embangan Kecamatan ting!at er!embangan untu!

,> tahun !edean bisa ber!embang dengan e@e!ti@%

=aria/el Penilaian terhada erkem/angan >e5amatan ang

diteliti adalahF






=1% &umlah Pendudu! Per!ecamatan )&i8a*=,% A!sesibiltas )s!or*=% &umlah Sarana Pendidi!an )unit*=4% &umlah Sarana Perdagangan dan &asa )unit*

=5% Luas Wilayah )Ma*

Data tingkat Perkem/angan >e5amatan di >a/uaten 6ekasi F

)o

.>e5amatan

Gumlah

Pendudu

k (Gia!

Aksesi/ilit

as (%kor!

Gumlah

%arana

Pendidik

an (nit!

Gumlah

%arana

Perdagang

an dan Gasa

(nit!

Juas

?ilaah

(Ha!

1 'aruma(aya 1>4%>9 > ,7 45 5%46, Babelan ,1>%571 > > 47 6%6> Su!a8angi 4>%>5 ,5 4 5> 6%714 'ambelang 4%6>4 15 ,, 4> %715 'ambun Utara 1,6%11 1> ,1 9 %44,6 'ambun

Selatan 95%556

,> ,4 4

4%1>7 0ibitung 174%49, 15 ,5 45 4%5>9 0i!arang Barat 15>% 1> ,7 49 5%6 0i!arang Utara 17%46 15 , 4, 4%>1> Karang

Bahagia >%>5,

,5 ,, 46

4%61>

11 0i!arang 'imur 97%,11

,> ,9 45%11

1, Kedung

Waringin 6,%,,

15 ,>

%151 Pebayuran 9,%564 ,> 1 54 %6414 Su!a!arya 4%16 ,5 ,5 47 4%,4>15 Su!atani 6%51> > ,, 9 %75,16 0abangbungin 5,%49 > ,6 47 4%7>17 /uaragembon

g 5%4

,> 45 6>

14%>>19 Setu 4%5, ,5 > 5> 6%,16

1 0i!arangSelatan 1>%57 15 ,5 49 5%174,> 0i!arang Pusat 54%64 ,> , 46 4%76>,1 Serang Baru ,%796 > 1 4 6%9>,, 0ibarusah 71%1>> > ,7 44 5%>, Bo(ongmangu ,5%514 ,5 > 49 6%>>6

Ketentuan analisis yang diguna!an.

a% /etoda erhitungan (ara! yang diguna!an S&uare uclidian

istance

b. /etoda engelomo!an yang diguna!an !entroid !lustering






c% Standarisasi data yang diguna!an -score






2.< @utut Data

Case Pro5essing %ummara

Cases

=alid Missing Eotal

N Percent N Percent N Percent

, 1>>%> > %> , 1>>%>

a% S3uared uclidean ;istance used

Agglomeration %5hedule

%tage

Cluster Com/ined

CoeK5ients

%tage Cluster 0irstAears

)ext%tageCluster 1

Cluster2 Cluster 1 Cluster 2

1 1 ,, %,47 > >

, 4 1, %74 > > 14

1 16 %49 1 > 1

4 7 %46 > > 1,

5 19 ,1 %6 > >

6 1> 14 %7,> > > 77 1> ,> %6,4 6 > 11

9 , %9, > >

19 %9,> 9 5 15

1> 9 1 %77 > > 1,

11 1> 11 1%4, 7 > 1

1, 7 9 1%54 4 1> 16

1 1 1> 1%59> 11 15

14 4 5 1%61 , > 16

15 1 1%>5 1 17

16 4 7 %69 14 1, 1

17 1 , %7 15 > 19

19 1 15 5%4>6 17 > 1

1 1 4 5%55 19 16 ,>

,> 1 1 9%>6 1 > ,1

,1 1 6 14%41 ,> > ,,

,, 1 17 5%61 ,1 > >




Laboratorium Perencanaan dan Perancangan Sistem Ruang

Perencanaan Wilayah dan Kota - UNISBA

Analisis Cluster - ,>



Laboratorium Perencanaan dan Perancangan Sistem Ruang

Perencanaan Wilayah dan Kota - UNISBA

Analisis Cluster - ,1





D)D@LAM

Analisis Cluster - ,,





2.N Interretasi Data

• 'abel 0ase Processing Summary menggambar!an ring!asan

statisti! yang di roses%

• 'abel Proimity /atri menun(u!!an matri! (ara! antara "ariabel

satu dengan "ariabel yang lain%

• 'abel Agglomeration Schedule merua!an hasil roses clustering

dengan metode Bet8een rou Lin!age% Setelah (ara! antar

"ariabel diu!ur dengan (ara! euclidean$ ma!a dila!u!an

engelomo!an$ yang dila!u!an secara berting!at%

• Proses aglomerasi ini bersi@at !omle!s$ !hususnya erhitungan

!oe#sien yang melibat!an se!ian banya! obye! dan terus

bertambah% Proses aglomerasi ada a!hirnya a!an menyatu!an

semua obye! men(adi satu cluster% Manya sa(a dalam rosesnya

dihasil!an beberaa cluster dengan masing-masing anggotanya$

tergantung (umlah cluster yang dibentu!$ seerti 'abel 0luster

/embershi%

• ;endogram berguna untu! menun(u!!an anggota cluster yangada (i!a a!an ditentu!an beraa cluster yang seharusnya

dibentu!%

2.O eBerensi

1% ;illon$ W%R%$ oldstein$ /% )194*% /ulti"ariate Analysis.

/ethods and Alication% Ne8 Oor!.&ohn Wiley Sons%

,% Norusis$ /% )14*% SPSS Pro@essional Statistics 6%1% 0hicago .SPSS Inc%

% Laboratorium PSI I'B$ Pelatihan Analisis /ulti"ariat$ ,>>1$

'e!ni! Industri I'B$ Bandung%

2. Jatihan %oal

Berdasar!an BPS$ (umlah endudu! lansia cenderung mening!at setia

tahunnya atau dengan !ata lain ter(adinya ening!atan umur hiduJ

Analisis Cluster - ,





erubahan stru!tur dari stru!tur endudu! muda !e stru!tur endudu!

tua% Pening!atan (umlah lansia ini men(adi ermasalahan sendiri bagi

emerintah$ !arena baya! lansia yang terlantar a!ibat @a!tor sosial$

e!onomi$ dan budaya% /a!a dari itu erlu adanyaerhatian e!stra dari

iha! emerintah untu! menangani ermasalahan ini%

Salah satu usaha enanganan lansia oleh emerintah adalah

embentu!an 8ilayah embinaan dengan mengguna!an analisis

cluster mtoda hirar!i% Adaun data lansia yang terlantar di Indonesia

tahun ,>1, adalah sebagai beri!ut.

Ea/el>riteria >eterlantaran Jansia Menurut Provinsi

P@=I)%I

Prosentase (Q!

Eidak

ernah

sekolah

tamat

%D

Makan

makanan

okok

R21X

dalam

semingg

u

Makan

Jauk

Pauk

/errote

in tinggi

R7X

dalam

semingg

u

Memili

ki

akaia

n R 7

stel

Eidak

memun

ai

temat

teta

untuk

tidur

6ila sakit

tidak

dio/ati

Sumatera Utara 5$1 ,9$67 5$74 16$71 $49 $

Sumatera Barat 47$49 9$, 17$49 ,>$6> 1$> 4$>5Riau 67$7, 5>$5 19$4 1$5 1$59 $4 &ambi 75$ 44$1> ,$77 ,7$4 1$76 ,$55Sumatera

Selatan

65$6 59$ ,7$> ,4$67 ,$57 5$19

Beng!ulu 71$7 ,$>, 5$6> 4>$64 ,$17 4$,Lamung 9>$64 5$5 41$56 4$15 1$49 ,$79;!i &a!arta 7$9> 56$9 1,$,9 67$,4 1$45 ,$79 &a8a Barat 7>$94 7>$49 1$7 17$17 1$9, 5$, &a8a 'engah 7$> 5$ 16$,5 1$6 1$9 $7;%I% Oogya!arta 76$>5 46$,7 11$5 17$45 1$17 4$7, &a8a 'imur 9,$76 >$96 15$1 ,>$77 ,$>1 $55

Bali 77$6 4,$,9 16$,9 ,5$74 1$4 4$97N'B 96$, $> ,$49 49$,9 $,> 4$64N'' 97$6 56$75 59$67 $77 1$4, 9$1Kalimantan

Barat

6$49 54$4 9$6> ,$46 $97 7$51

Kalimantan

'imur

6>$7 5>$, 19$79 ,9$1 6$6 ,$69

Kalimantan

Selatan

76$ 9$7, 16$65 ,$7 ,$77 7$>7

Kalimantan

'engah

7$4 5,$45 19$19 1,$7, 1$11 1$>1

Sula8esi Utara 51$> 59$14 ,5$59 11$>9 1$94 ,$9






P@=I)%I

Prosentase (Q!

Eidak

ernahsekolah

tamat

%D

Makan

makanan

okok R21X

dalam

semingg

u

Makan

Jauk

Pauk

/errotein tinggi

R7X

dalam

semingg

u

Memili

kiakaia

n R 7

stel

Eidak

memun

aitemat

teta

untuk

tidur

6ila sakittidak

dio/ati

Sula8esi 'engah 66$>1 54$47 16$, ,$91 ,$47 9$66Sula8esi Selatan 77$6, 59$74 1>$ ,4$> $7> 6$9Sula8esi

'enggara

77$65 6>$1 1$1 17$79 1$>7 9$79

Irian &aya 5,$, 7>$>4 ,5$7 16$94 6$59 1$6,

PertanaanF

1% 'eori.

a% &elas!an tu(uan analisis cluster dalam ilmu erencanaan Q

b% &elas!an metoda erhitungan (ara! dalam analisis cluster Q

c% Sebut!an !onse dasar enggunaan analisis cluster Q

d% &elas!an metode agglomerati"e dan WardFs rror Sum o@ S3uare

/ethodsQ

,% Berdasar!an hasil outut analisis di atas$ ma!a (elas!anlah.

a% cluster yang terbentu! dan anggota masing-masing cluster

b% =ariabel yang membentu! setia cluster

c% b(e!J resonden yang memili!i (ara! euclidian ter!ecil

% &elas!anlah tabel agglomeration scheduleberi!ut.

• Untu! NP/ an(il . Pengelomo!!an Stage 5$$11

• Untu! NP/ ena. Pengelomo!!an Stage 6$1>$1,


%tage

Cluster Com/inedCoeK5ien

ts

%tage Cluster 0irstAears )ext

%tageCluster1

Cluster2

Cluster 1 Cluster 2

1 1 , %>>> > > 4

, 14 15 1%>>> > > 16







%tage

Cluster Com/inedCoeK5ien

ts

%tage Cluster 0irstAears )ext

%tageCluster

1

Cluster

2Cluster 1 Cluster 2

7 9 1%>>> > > 1

4 1 1%>>> 1 > 1

5 1 ,4 ,%>>> > > 11

6 ,, , ,%>>> > > 7

7 11 ,, 1%5>> > 6 ,>

9 19 ,> ,%>>> > > 1,

1, ,%>>> > > 14

1> 5 6 ,%>>> > > 17

11 1 ,1 ,%5>> 5 > 191, 19 1 ,%5>> 9 > 19

1 7 1> %,5> > 14

14 7 ,%44 1 ,>

15 16 17 4%>>> > > ,,

16 14 ,5 4%,5> , > ,1

17 4 5 4%5>> > 1> 1

19 1 19 4%779 11 1, ,1

1 1 4 5%>>> 4 17 ,4

,> 7 11 6%4 14 7 ,

,1 1 14 6%75> 19 16 ,,

,, 1 16 9%,6 ,1 15 ,

, 7 1 1>%575 ,> ,, ,4

,4 1 7 59%4, 1 , >

4% Beraa !elomo! cluster yang terbentu! beserta anggotanyaQ

• Untu! NP/ an(il . &ara! ,$>

• Untu! NP/ ena. &ara! ,$5


02 Analisis Cluster

Documents

Transcript of 02 Analisis Cluster