Mk. Perencanaan lingkungan

ANALISIS GEROMBOL(Cluster Analysis)

Sumber: Solimun, 2003

CLUSTER ANALYSISCluster Analysis adalah suatu teknik penggerombolan obyek (responden) sehingga terbentuk beberapa kelompok, disebut cluster, dimana obyek di dalam suatu cluster lebih mirip dibandingkan antar cluster. Kemiripan ini sudah didasarkan pada sekumpulan variabel secara simultan.

KEGUNAAN identifikasi banyaknya cluster dari sekumpulan obyek identifikasi karakteristik setiap cluster prediksi jumlah anggota masing-masing subpopulasi berdasarkan perhitungan anggota setiap cluster yang diperoleh dari data sampel

CLUSTER ANALYSIS

(1) Ukuran kemiripan

Ukuran jarak yang sering digunakan adalah jarak euclidean (d)

22122

2111221 )()(),( XXXXPPd

)()'(......)()(),( xyxyxyxyxyd 222

211

(2) Asumsi Analisis Gerombol Data antar pengamatan (case) independen Sampel diambil secara random Antar variabel saling bebas (tidak berkorelasi) Data untuk seluruh variabel minimal memiliki skala interval (terutama bila ukuran kemiripan yang digunakan adalah jarak)

CLUSTER ANALYSIS

Metode analisis :

1) Hirarki (berjenjang) : - Banyak kelompok belum diketahui- Output berupa dendogram- pemotongan : jarak lompatan terjauh

2) Tidak Berhirarki :- Banyak kelompok ditentukan terlebih dahulu (diketahui)- Output : anggota kelompok dan centroid

CLUSTER ANALYSISHirarki (berjenjang)

Metode yang sering digunakan untuk pengelompokan obyek pada Hierarchical clustering adalah metode penggumpalan (agglomeratif).

Terdapat 3 metode yang sering dipergunakan untuk perhitungan jarak antar cluster dengan obyek atau dengan cluster lain di dalam penggerombolan berjenjang, yaitu single lingkage (pautan tunggal), complete linkage (pautan lengkap) dan evarage linkage (pautan rata-rata).

CLUSTER ANALYSISHirarki (berjenjang)

Output : berupa dendogram

Z

K

Kalau sample size besar, misal 500, bagaimana?

CLUSTER ANALYSISAPLIKASIIlustrasi ini melanjutkan yang telah dibahas pada analisis faktor eksploratori. Suatu penelitian dilakukan dengan cara survey, bertujuan ingin mengetahui peta karakteristik anak jalanan. Bilamana mapping ini dapat dilakukan, diharapkan dapat dikembangkan model pembinaan yang efektif.

Variabel yang diamati adalah pendidikan, alasan dan keinginan selengkapnya dapat dilihat pada Materi Bahasan Analisis Faktor.

Analisis dilakukan dengan program SPSS 10.01

Hasil Analisis Faktor Konfirmatori

Terdapat 3 faktor (component) yang memiliki eigen value > 1, yaitu faktor 1, 2 dan 3 dengan eigen value masing-masing 1.820, 1.402 dan 1.321. Berarti terdapat 3 faktor yang bermakna, yaitu faktor 1, 2 dan 3.

Faktor 1 dengan loading besar untuk variabel pendidikan anak (negatif), pendidikan ayah (positif) dan pendidikan ibu (positif), dapat diinterpretasi sebagai faktor pendidikan. Dimana semakin tinggi skor faktor menunjukkan semakin tinggi pendidikan orang tua dan semakin tidak jelas status sekolah anak.

Faktor 2 dengan loading besar untuk variabel alasan menjadi anak jalanan (negatif), harapan terhadap keluarga (positif) dan harapan terhadap pemerintah (positif), dapat diinterpretasi sebagai variabel latar belakang dan harapan. Semakin tinggi skor faktor 2 menunjukkan semakin kuat alasan menjadi anak jalanan dan semakin berharap untuk keluar dari anak jalanan.Faktor 3 dengan loading besar untuk variabel penggunaan uang hasil bekerja, pengetahuan orang tua terhadap kegiatan anak dan dorongan orang tua terhadap kegiatan anak (semuanya positif), dapat diinterpretasi sebagai faktor keinginan menjadi anak jalanan. Semakin tinggi skornya menunjukkan semakin tinggi keinginan menjadi anak jalanan, mengingat mereka harus dapat bertahan hidup, walaupun kondisi orang tua tidak mendorong untuk menjadi anak jalanan.

Data dari variabel pendidikan, latar belakang dan harapan (alasan) dan keinginan adalah skor faktor 1, 2 dan 3 (disajikan pada tabel 2.2 hal 17).

Hasil Analisis Faktor Konfirmatori

Data ini akan digunakan untuk membuat pemetaan karakteristik anak jalanan dengan analisis cluster.

Hasil Analisis Faktor Konfirmatori

CLUSTER ANALYSISHASIL ANALISIS

Koefisien agglomerasi menghasilkan lompatan (selisih) terbesar dari stage 98 ke 99, yaitu dari 8.814 ke 12.466. Dengan demikian dapAt diketahui bahwa dari 100 anak jalanan tersebut membentuk 2 cluster.

CLUSTER ANALYSISHASIL ANALISIS

Penempatan setiap obyek (case) ke dalam cluster dapat dilihat pada tabel di bawah ini.

CLUSTER ANALYSISHASIL ANALISIS

Anak jalanan yang berjumlah 100 orang membentuk dua cluster dan untuk melakukan identifikasi karakteristik setiap cluster dilakukan analisis diskriptif.

Karakteristik cluster 1 adalah pendidikan orang tua cukup tinggi akan tetapi pendidikan anak tidak terurus, mereka menjadi anak jalanan bukan karena keadaan (ekonomi) dan sebenarnya mereka tidak ingin menjadi anak jalanan. Tampaknya anak jalanan di dalam kelompok ini lebih disebabkan karena sangat kurangnya perhatian orang tua.

CLUSTER ANALYSISHASIL ANALISIS

Karakteristik cluster 2 adalah pendidikan orang tua rendah, untuk bisa bertahan hidup mereka harus menjadi anak jalanan sehingga ada keinginan yang tinggi untuk menjadi anak jalanan. Pada cluster ini, tampaknya mereka menjadi anak jalanan dilatarbelakangi kondisi ekonomi keluarga.

Pembinaan anak jalanan pada cluster 1 seharusnya berbeda dengan pada cluster 2. Dengan kata lain, dari hasil pemetaan (mapping) ini selanjutnya dapat dirancang model dan program pembinaan anak jalanan yang efektif.

CLUSTER ANALYSISTidak Hirarki (tidak berjenjang)

Pada analisis gerombol tidak berjenjang jumlah cluster harus ditetapkan terlebih dahulu sebelum kita melakukan analisis data. Dengan kata lain, non hierarchical clustering digunakan bilamana jumlah gerombol dapat ditentukan sebelum analisis dilakukan.

Penentuan jumlah cluster dapat didasarkan pada rurjukan teoritis, kondisional, common sense, dan atau tujuan penelitian.

Metode yang banyak digunakan adalah Metode K-rataan (K - mean Method).

CLUSTER ANALYSISAPLIKASIIlustrasi ini merupakan kelanjutan dari yang telah dibahas pada analisis faktor konfirmatori. Suatu penelitian dilakukan dengan tujuan untuk mengetahui karakteristik karyawan. Bilamana terdapat beberapa kelompok karaktersitik, maka pada setiap kelompok ingin diketahui faktor apa yang dominan berpengaruh terhadap kinerjanya (perform). Variabel yang diamati adalah loyalitas, motivasi, kepuasan dan kinerja.

Pengembangan model dan program pembinaan karyawan guna meningkatkan kinerjanya ditetapkan hanya 2 macam. Oleh karena itu, karyawan akan dikelompokkan menjadi 2, selanjutnya akan diidentifikasi karakteristik dari dari setiap kelompok. Informasi ini akan digunakan sebagai bahan pengembangan model dan program pembinaan karyawan.

Mengingat jumlah cluster (kelompok) sudah ditetapkan terlebih dahulu, maka analisis untuk penggerombolan yang paling tepat adalah analisis gerombol tidak berjenjang. Hasil analisis data (pada bahasan Analisis Faktor), menggunakan SPSS Rel 10, disajikan sebagai berikut.

CLUSTER ANALYSISHASIL ANALISIS

Kelompok (cluster) 1 beranggotakan 49 orang karyawan, dengan center (mean) untuk semua variabel positif. Dengan demikian, pada kelompok ini upaya pembinaan diarahkan untuk lebih meningkatkan kinerja.

CLUSTER ANALYSISHASIL ANALISIS

Kelompok 2 beranggotakan 46 orang karyawan, dengan center semuanya negatif. Sehingga pada kelompok ini diperlukan upaya pembinaan yang tujuannya adalah perbaikan berbagai aspek perilaku karyawan.

Kemudian pada kelompok 2 ini akan diidentifikasi faktor apa yang dominan berpengaruh terhadap kinerja (perform), menggunakan analisis path

TERIMA KASIH