METODOLOGI ANALISIS CLUSTER Data Galur-galur Jagung Hibrida Galur JPG01 JPG09 JPG18 JPG20 JPG30 JPG35 JPG39

JPG47 JPG50 JPG51 JPG57 JPG59 JPG63 JPG65 JPG67 JPG69 JPG70 Tinggi Tanaman (cm) 214.62 231.72 210.72 229.15 230.57 230.25 233.70 232.55 243.92 244.35 232.82 230.88 236.78 234.35 243.68 250.12 239.82 Diameter Batang (cm) 2.45 2.40 2.09 2.21 2.38 2.30 2.40 2.51 2.28 2.26 2.24 2.27 2.30 2.50 2.37 2.43 2.39 Rasio T/D 89.38 98.23 101.97 104.40 97.70 101.38 98.28 93.82 108.14 109.26 105.20 103.44 106.11 95.29 103.59 103.78 101.33 Jumlah Daun 13.80 14.75 14.53 14.55 14.57 13.72 13.82 15.60 14.22 13.25 12.70 13.97 13.47 14.82 14.80 14.68 14.15 Tinggi Tongkol (cm) 89.02 99.82 89.63 100.27 99.22 102.15 103.10 99.23 103.82 109.68 96.52 97.82 104.52 105.30 109.83 120.87 113.82 Jumlah Tongkol 2.52 2.25 2.10 2.05 2.30 2.10 2.17 2.05 1.93 2.02 1.32 1.68 1.62 1.90 1.77 1.88 1.72 Bercak Daun 1.00 1.03 1.07 0.00 1.23 1.18 1.23 1.18 1.07 1.20 1.57 1.03 1.32 1.07 1.03 1.02 1.00

Metodologi Analisis Cluster Langkah-langkah analisis cluster dengan bantuan program SPSS : 1. Membuka program SPSS, kemudian Masukkan data di atas ke dalam data editor.

Setelah itu, mengganti nama variabel yang sesuai dengan kasus yang akan dianalisis pada tab variable view.

2.

Masing-masing variabel memiliki satuan yang berbeda, sehingga harus dilakukan standardisasi data terlebih dahulu untuk menyamakan satuan. Klik analyze > descriptive statistics > descriptives sehingga muncul kotak dialog seperti di bawah ini :

Masukkan semua variabel dan beri centang save as standardize values of variable untuk menampilkan hasil standardisasi pada data editor. Berikut ini hasil standardisasi pada data editor :

3.

Menguji asumsi non-multikolinieritas melalui analisis korelasi. Caranya, klik analyze > correlate > bivariate. Lalu muncul kotak dialog bivariate correlations.

Masukkan semua variabel hasil standardisasi ke dalam variables, ok. 4. Berdasarkan output correlations, diketahui bahwa terdapat multikolinieritas, sehingga harus diatasi terlebih dahulu. Mengatasi multikolinieritas dengan cara klik analyze > dimension reduction > factor

Masukkan semua variabel hasil standardisasi ke dalam variables, kemudian klik scores.

Beri centang save as variables untuk menampilkan variabel hasil komponen utama pada data editor, seperti yang ditunjukkan pada gambar di bawah ini :

Berdasarkan analisis komponen utama, keenam variabel asal telah tereduksi menjadi tiga variabel yang ditunjukkan pada gambar di atas. 5. Pengujian asumsi sampel mewakili populasi melalui uji Kaiser Mayer olskin (KMO). Caranya klik

Masukkan semua variabel hasil analisis komponen utama, kemudian klik descriptives.

Beri tanda centang pada KMO and Bartletts test of sphericity, klik continue. Setelah itu klik scores dan hilangkan tanda centang pada save as variables. Klik continue. 6. Analisis cluster dengan cara klik analyze > classify > hierarchical cluster.

Masukkan semua variabel hasil analisis komponen utama, sedangkan pada label cases by, masukkan obyek yaitu galur. Setelah itu, klik method, pilih between-groups linkage pada cluster method, serta untuk interval pilih Euclidian distance. Klik Continue.

Setelah muncul output dari analisis cluster, copy agglomeration schedule ke Microsoft excel untuk menghitung selisih koefisien sehingga didapatkan selisih koefisien yang terbesar.

Agglomeration Schedule Stage 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Cluster Combined Cluster 1 15 2 6 8 9 2 15 9 2 6 6 2 1 1 1 1 Cluster 2 17 5 12 14 10 7 16 13 8 9 15 6 3 2 11 4 Coefficients .370 .537 .627 .647 .719 .823 .997 1.013 1.094 1.157 1.726 1.916 2.603 2.856 2.956 3.656 Stage Cluster First Appears Cluster 1 Cluster 2 0 0 0 0 0 0 0 0 0 0 2 0 1 0 5 0 6 4 3 8 10 7 9 11 0 0 13 12 14 0 15 0 Next Stage 7 6 10 9 8 9 11 10 12 11 12 14 14 15 16 0 Selisih Koefisen 0.166 0.090 0.021 0.072 0.104 0.174 0.016 0.081 0.062 0.569 0.191 0.687 0.254 0.100 0.700

Selisih koefisien terbesar merupakan selisih antara stage 16 dan stage 15, sehingga stage yang terkecil yaitu stage 15. Kemudian, cari banyak cluster menggunakan rumus : Banyak cluster = banyak objek stage terkecil dari selisih koefisien terbesar = 17 (galur) 15 = 2 cluster 5. Berdasarkan rumus di atas, terbentuk 2 cluster dan kemudian dilakukan analisis cluster sekali lagi. Klik analyze > classify > hierarchical cluster.

Klik Statistics, pada kategori cluster membership, pilih single solution dan isi number of clusters dengan 2, karena ada 2 cluster yang terbentuk. Continue. Lalu klik save.

 Klik plots, beri centang pada dendogram. Pada kategori icicle pilih none. Klik Continue.

Klik save, pada kategori cluster membership, pilih single solution dan isi dengan 2, karena ada 2 grup yang terbentuk. Continue.

7.

Identifikasi karakteristik setiap kelompok dengan cara : Klik data > select cases, pada kategori select, pilih If condition is satisfied, lalu klik tab If.. dibawahnya.

Setelah muncul kotak dialog, klik 2x pada Average Linkage (Between Groups). Kemudian tambahkan = 1, misalnya : CLU2_1=1. Setelah itu, klik analyze > descriptive statistics > descriptives

Masukkan semua variabel asal ke variables dan hilangkan tanda centang pada save standardized values as variables.

 Lakukan 2 langkah di atas pada sebanyak cluster yang terbentuk. Misalnya pada kasus ini, untuk cluster ke 2 pada select cases : if, ganti dengan CLU2_1=2. 8. Mencari rata-rata (mean) maksimum masing-masing variabel menggunakan Excel.