APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 353
APLIKASI K-MEANS UNTUK PENGELOMPOKAN RUMAH TANGGA
DI SALATIGA BERDASARKAN DATA SUSENAS 20111
Tinus Septioko1, Hanna Arini Parhusip
2, Tundjung Mahatma
3
1Mahasiswa Program Studi Matematika FSM UKSW 2,3
Dosen Program Studi Matematika FSM UKSW
e-mail : [email protected],[email protected]
2,
Ucapan Terimakasih
Penulis ucapkan terimakasih kepada pihak-pihak yang telah membantu dan
membimbing dalam penyusunan makalah yang berjudul “ Aplikasi K-Means untuk
Pengelompokan Rumah Tangga di Salatiga Berdasarkan Data Susenas 2011” sehingga dapat
terselesaikan dengan lancar. Semoga Tuhan membalas kebaikan yang telah diberikan kepada
penulis dengan berkat yang melimpah.
1 Penulis bersedia untuk berbagi data riset, data terlampir.
354 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
APLIKASI K-MEANS UNTUK PENGELOMPOKAN RUMAH TANGGA
DI SALATIGA BERDASARKAN DATA SUSENAS 2011
Tinus Septioko1, Hanna Arini Parhusip
2, Tundjung Mahatma
3
1Mahasiswa Program Studi Matematika FSM UKSW 2,3
Dosen Program Studi Matematika FSM UKSW
e-mail : [email protected],[email protected]
2,
Abstrak
Survei sosial ekonomi nasional atau yang disebut Susenas adalah survei yang dilaksanakan
badan pusat statistik empat kali dalam setahun. Susenas merupakan salah satu sumber data yang
diperlukan khususnya untuk perencanaan di bidang sosial ekonomi masyarakat. Susenas
mengumpulkan data yang menyangkut bidang pendidikan, kesehatan, perumahan, dan sosial ekonomi
lainnya. Keadaan ekonomi masyarakat dapat diketahui melalui hasil Susenas, jika tingkat ekonomi
masyarakat rendah tentunya pemerintah tidak boleh tinggal diam. Dari data Susenas dapat diketahui
rumah tangga ekonomi bawah, menengah, maupun ekonomi atas. Hasil ini dapat digunakan untuk
patokan pemberian bantuan kepada rumah tangga ekonomi bawah.
Pengelompokan ekonomi masyarakat dapat dilakukan dengan metode clustering, dimana rumah
tangga yang memiliki karakteristik yang mirip akan dikelompokkan ke dalam kelompok yang sama.
Untuk mendapatkan hasil cluster yang lebih cepat dan efisien maka pada penelitian ini, dikembangkan
aplikasi untuk mengelompokkan rumah tangga dari data Susenas di Salatiga tahun 2011 triwulan satu
dan dua berdasarkan tingkat ekonomi, yaitu rumah tangga ekonomi atas, rumah tangga ekonomi
menengah, dan rumah tangga ekonomi bawah. Pengelompokan data dilakukan menggunakan metode
k-means, yaitu dengan mengelompokkan n-buah objek dengan p-dimensi ke dalam k-cluster
berdasarkan jarak minimal masing-masing data ke pusat cluster. Aplikasi yang dibangun diharapkan
dapat membantu untuk tujuan pengelompokan data bagi pihak-pihak yang membutuhkan.
Dari hasil penelitian terhadap 254 data sampel, diperoleh tiga kelompok rumah tangga
berdasarkan tingkat ekonomi, yaitu 25 rumah tangga ekonomi atas, 99 rumah tangga ekonomi
menengah, dan 130 rumah tangga ekonomi bawah. Rata-rata pendapatan rumah tangga yang masuk
dalam kategori rumah tangga ekonomi bawah berkisar antara 2 juta rupiah sampai 2.25 juta rupiah
per bulan, sedangkan untuk pendapatan dua kategori yang lain tentunya berada diatas 2.25 juta
rupiah per bulan.
Kata kunci : Susenas, cluster, K-means, ekonomi.
Abstract
National socioeconomic survey called Susenas is a survey conducted statistical central body
four times a year. Susenas is one source of the data needed for planning particularly in the area of
socio-economic population. Susenas collect data on education, health, housing, social and economic.
The state of the economy can be seen through the Susenas, if the economic needs of low government
certainly should not stay silent. From the Susenas data it can be seen bottom economy households,
middle, and upper economy. These results can be used to benchmark the provision of assistance to
households who economy below.
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 355
Community economic grouping to do with the method of clustering, where by households with
similar characteristics will be grouped into the same group. To get the cluster more quickly and
efficiently so in this study, the application was developed to classify the data Susenas households in
Salatiga in 2011 quarter one and two based on an economic level, ie the upper economy household,
middle class household, and the bottom economy household. Grouping of data is done using k-means
clustering method, by classifying n-pieces with a p-dimensional objects into k-clusters based on a
minimum distance of each data to a cluster center. Applications built is expected to help for the
purpose of grouping the data for private need.
From the results of a study of 254 samples of the data, obtained by the three groups of
households based on an economic level, ie 25 upper economy households, 99 middle class households,
and 130 down economy household. The average household income in the lower economic category of
households ranged up 2 million to 2.25 million per month, while for the other two categories of
income must be above 2.25 million per month.
Kata kunci : Susenas, cluster, K-means, economy.
1. Pendahuluan
Pemberian bantuan untuk masyarakat
miskin sudah banyak dilakukan, seperti
raskin, BLT, dan bantuan yang lainnya.
Melalui survei yang dilakukan BPS, yaitu
Susenas dapat diketahui perekonomian
masyarakat. Mencegah terjadinya salah
sasaran pemberian bantuan, maka dari data
perekonomian masyarakat, harus
dikelompokkan terlebih dahulu ke dalam
kelompok-kelompok ekonomi. Untuk
melakukan pengolahan data dapat
dilakukan dengan metode cluster. Metode
cluster adalah metode yang digunakan
untuk mengelompokkan data ke dalam satu
atau lebih kelompok yang mempunyai
karakteristik yang mirip. Penghitungan
manual akan sulit dilakukan mengingat
data yang diolah tidaklah sedikit.
Penghitungan manual yang lama dan rumit
dapat diatasi dengan adanya program
komputer. Peran komputer sebagai alat
bantu pengelompokan data sangat
menunjang dalam kecepatan dan ketepatan
hasil. Dalam berbagai bidang,
pengelompokan data banyak digunakan
dengan berbagai tujuan. Dalam bidang
ekonomi, clustering atau pengelompokan
data digunakan untuk membuat segmen
pasar, memahami perilaku pembeli,
mengenali peluang produk baru (Supranto
2004), digunakan untuk mengelompokkan
saham-saham perusahaan (Mahadwartha
2002), dalam bidang pendidikan digunakan
untuk memprediksi kualitas akademik
siswa (Oyelade et al. 2010), Program
komputer untuk pengelompokan data
banyak dijumpai, namun program-program
tersebut relatif memiliki memori yang
besar dan susah dalam penggunaannya.
Dalam penelitian ini masalah yang
timbul adalah bagaimana membangun
aplikasi k-means yang dapat digunakan
untuk mengelompokkan data Susenas
Salatiga tahun 2011 triwulan satu dan dua
untuk mengelompokkan rumah tangga
berdasarkan tingkat ekonomi. Hasil yang
didapatkan dapat digunakan untuk patokan
dalam pengambilan keputusan, misal
sebagai patokan untuk pemberian bantuan
kepada masyarakat seperti raskin, BLT,
ataupun bantuan yang lainnya. Tujuan dari
penelitian ini adalah membangun aplikasi
dengan metode k-means untuk
mengelompokkan rumah tangga di Salatiga
berdasarkan data Susenas ke dalam kriteria
rumah tangga ekonomi atas, rumah tangga
ekonomi menengah, dan rumah tangga
358 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
ekonomi bawah. Pada penelitian ini data
yang digunakan terbatas pada data Susenas
dan pebuatan program dilakukan dengan
program matlab R2009a.
Program ini berdasarkan pada
metode k-means clustering. K-means
merupakan salah satu metode clustering
non hirarki yang berusaha mempartisi data
ke dalam satu atau lebih cluster / kelompok
berdasarkan jarak minimal data ke
centroid. Metode ini mempartisi data,
dimana data yang memiliki karakteristik
yang mirip dikelompokkan ke dalam
cluster yang sama (Agusta 2007; Santoso
2007).
2. Analisis Cluster
Analisis cluster merupakan metode
pengolahan data yang bertujuan untuk
mengelompokkan data kedalam kelompok-
kelompok dimana data-data yang berada
dalam kelompok yang sama akan
mempunyai sifat yang mirip (Agusta 2007;
Santoso 2007).
2.1. K-means
K-means merupakan metode cluster
berbasis jarak yang membagi data ke
dalam k-cluster, dan algoritma ini hanya
bekerja pada data numerik. Pada awalnya
algoritma ini mengambil sebanyak k-
centroid secara random dari data, namun
dalam penelitian ini penentuan centroid
pertama kali diambil dari mean data
sebanyak k-centroid. Hitung jarak setiap
data terhadap masing-masing centroid,
dalam hal ini penghitungan jarak
digunakan rumus euclidean. Alokasikan
data ke cluster yang memiliki jarak
minimum ke centroid. Lakukan langkah
tersebut hingga cluster stabil / tidak
berubah.
2.2. Euclidean Distance
Untuk menghitung jarak antara data
dengan centroid digunakan euclidean
disatnce. Jarak dihitung menggunakan
persamaan satu (Santoso 2007; Supranto
2004) :
( ) ‖ ‖
√∑ ( )
(1)
dimana
: dimensi data
2.3. Menilai Kualitas Cluster
Metode yang digunakan untuk
menilai kualitas cluster dianggap ideal
adalah batasan variance, yaitu dengan
menghitung kepadatan cluster berupa
variance within cluster ( ) dan variance
between cluster ( ) Cluster yang ideal
memiliki minimum yang
mempresentasikan internal homogenity
dan maksimum yang
mempresentasikan external homogenity
(Saepulloh 2010).
(2)
Menghitung nilai variance tiap cluster
dapat dilakukan menggunakan persamaan
tiga :
∑ ( )
(3)
dimana
: variance pada cluster ke- ,
,
: banyaknya cluster
: banyaknya data pada cluster ke-
: data ke- pada cluster ke-
: rata-rata dari data pada cluster ke-
Selanjutnya untuk menghitung variance
within cluster (Vw) dapat dihitung dengan
persamaan empat :
∑ ( )
(4)
dimana
: variance dalam cluster
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 359
: banyaknya data
Variance between cluster (Vb) dihitung
menggunakan persamaan lima :
∑ ( )
(5)
dimana
: rata-rata .
3. Metode Penelitian
3.1. Data
Data yang digunakan adalah data
Susenas di Salatiga tahun 2011 triwulan
satu dan dua, dengan 254 pengamatan dan
empat variabel yang meliputi variabel
banyak anggota rumah tangga (orang),
pengeluaran makanan (Rp), pendapatan
rumah tangga (Rp), dan pengeluaran non
makanan (Rp).
3.2. Rancangan Program
Rancangan program untuk metode k-
means clustering menggunakan diagram
alir seperti pada gambar satu.
3.3. Uji Program
Dengan data dan metode yang sama
pengujian program dilakukan dengan cara
membandingkan hasil output program
dengan hasil output program SPSS.
Pengujian ini bertujuan untuk mengetahui
apakah hasil yang didapat dengan program
k-means sudah setara dengan program-
program yang lain.
4. Hasil dan Pembahasan
4.1. Implementasi Program
Uji coba dilakukan dengan
menggunakan data Susenas di Salatiga
tahun 2011 triwulan satu dan dua dengan
254 pengamatan dan empat variabel yang
meliputi variabel banyak ART (A),
konsumsi makanan (B), pendapatan (C),
dan konsumsi non-makanan (D). Dari ke-4
variabel ini memiliki satuan yang berbeda
sehingga tahap pertama yang dilakukan
adalah standarisasi data. Data yang sudah
distandarisasi kemudian digunakan untuk
proses pengelompokan. Setelah didapatkan
hasil cluster, sebagai pengecekan, dengan
metode yang sama hasil ini dibandingkan
dengan hasil penghitungan dengan
program SPSS. Pengelompokan data
dengan program k-means adalah sebagai
berikut :
a. Menjalankan program k-means dengan
Matlab, maka akan terlihat tampilan
awal program, yang terlihat pada
gambar dua.
>> cover_program % merupakan
perintah untuk memanggil program
k-means
b. Tampilan program utama terlihat pada
gambar tiga, digunakan untuk
menginputkan parameter-parameter
program dan prosedur program yang
meliputi :
1. Banyak cluster yang dibentuk 3.
2. Buka data yang akan diproses,
dalam hal ini data Susenas Salatiga
tahun 2011.
3. Lakukan proses standarisasi data.
4. Proses pengelompokan k-means.
5. Hasil pengelompokan data ke
dalam tiga kelompok dengan 254
pengamatan dapat dilihat dalam
tabel hasil cluster.
Pada tabel satu disajikan sebagian
data asli yang akan dikelompokkan. Data
ini kemudian distandarisasi utuk membuat
data tidak bersatuan. Tabel dua adalah
hasil standarisasi data sebelum diolah
dengan program k-means. Selanjutnya
digunakan algoritma k-means untuk
mengelompokkan data yang sudah
distandarisasi. Data akan dikelompokkan
menjadi tiga kelompok. Langkah
360 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
pengelompokan data dengan k-means
adalah sebagai berikut :
1. Menentukan pusat cluster pertama atau
centroid awal.
Centroid pertama didekati dengan
mean dari data sebanyak k-cluster.
Karena akan dibentuk tiga cluster maka
centroid yang dibentuk juga sebanyak
tiga. Berikut merupakan centroid yang
dibentuk :
( )
( )
( )
2. Hitung jarak setiap data terhadap setiap
pusat cluster.
Dengan persamaan satu dihitung jarak
setiap data ke setiap centroid. Hasil
penghitungan jarak ditampilkan dalam
tabel tiga.
3. Data akan menjadi anggota dari cluster
yang memiliki nilai jarak terkecil dari
pusat clusternya, hal ini ditampilkan
dalam tabel empat.
Hitung setia centroid yang baru dari
mean data yang menjadi anggota cluster,
hitung jarak setiap data ke centroid yang
baru. Alokasikan setiap data ke cluster
yang memiliki jarak minimal. Ulangi
langkah satu sampai tiga hingga cluster
stabil / tidak ada perubahan. Hasil akhir
dari program k-means ditampilkan dalam
tabel lima dan centroid akhir ditampilkan
dalam tabel enam, dengan nilai sebesar
0.011655 persen, hal ini menunjukkan
tingkat homogenitas hasil cluster. Hasil
yang diperoleh dengan program k-means
adalah sebagai berikut :
a. Rumah tangga ekonomi atas sebanyak
25 rumah tangga, terdapat dalam
cluster satu. Terlihat dari nilai variabel
C / pendapatan 2.420 merupakan nilai
paling besar dintara cluster yang lain.
b. Rumah tangga ekonomi menengah
sebanyak 99 rumah tangga, terdapat
dalam cluster dua, dengan nilai
variabel pendapatan 0.030.
c. Rumah tangga ekonomi bawah
sebanyak 130 rumah tangga, terdapat
dalam cluster tiga dengan nilai
variabel pendapatan terkecil yaitu -
0.488.
4.2. Output SPSS
Dengan data dan metode yang sama,
dengan alat bantu SPSS dilakukan proses
clustering. Centroid pertama, hasil cluster,
dan centroid akhir secara berturut-turut
ditampilkan dalam tabel tujuh, delapan,
dan sembilan. Dalam tabel sepuluh
menunjukkan banyak data yang menjadi
anggota cluster yang terbentuk. Hasil
cluster akhir yang diperoleh dengan
program SPSS adalah :
a. Rumah tangga ekonomi atas sebanyak
21 rumah tangga, terdapat dalam
cluster tiga, yang berdasar pada nilai
Zscore(v3) 2.70304 yang merupakan
nilai tertinggi dibanding dengan nilai
pada cluster yang lain.
b. Rumah tangga ekonomi menengah
sebanyak 127 rumah tangga, terdapat
dalam cluster satu, dengan nilai
Zscore(v3) sebesar 0.00837.
c. Rumah tangga ekonomi bawah
sebanyak 106 rumah tangga, terdapat
dalam cluster dua, dengan nilai
Zscore(v3) sebesar -0.54553.
4.3. Perbandingan Hasil
Hasil program yang dihasilkan
program k-means dan SPSS ditampilkan
dalam diagram batang yang tersaji dalam
gambar empat. Rumah tangga dengan
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 361
tingkat ekonomi atas ditunjukkan dalam
cluster satu. Dari hasil program k-means,
sebanyak 25 rumah tangga menjadi
anggota cluster satu, dan hasil SPSS
sebanyak 21 rumah tangga menjadi
anggota cluster satu. Rumah tangga yang
menjadi anggota cluster satu ditampilkan
dalam tabel 11. Dari tabel 11 terlihat
bahwa rumah tangga 165, 190, 210, 230
yang menjadi anggota cluster satu dari
hasil program k-means tidak menjadi
anggota cluster satu dari hasil SPSS.
Empat data ini menjadi anggota cluster
lain dalam hasil program k-means. Dengan
cara yang sama cluster dua dan tiga dapat
diketahui.
5. Kesimpulan
Berdasarkan hasil penelitian,
diperoleh kesimpulan sebagai berikut :
1) Program yang telah dibangun dapat
digunakan untuk mengelompokkan
rumah tangga berdasarkan tingkat
perekonomian (ekonomi atas,
menengah, dan bawah). Program
hanya dapat digunakan untuk data
numerik.
2) Dari program k-means didapat 25
rumah tangga ekonomi atas, 99 rumah
tangga ekonomi menengah, dan 130
rumah tangga ekonomi bawah.
3) Dari SPSS didapat 21 rumah tangga
ekonomi atas, 127 rumah tangga
ekonomi menengah, dan 106 rumah
tangga ekonomi bawah.
4) Perbedaan hasil program k-means dan
SPSS terjadi karena perbedaan
inisialisasi centroid pertama. Metode
k-means sangat sensitif terhadap
inisialisasi centroid awal, sehingga
hasil cluster yang dihasilkan berbeda.
5) Berdasarkan data, sebagian besar
penduduk Salatiga berekonomi
menengah ke bawah.
6)
6. Daftar Pustaka
Agusta, Yudi. 2007. K-means-
Penerapan, Permasalahan dan
Metode Terkait. Jurnal Sistem
dan Informatika Vol.3 : 47 - 60.
Bandan Pusat Statistik. 2010. Survei
Sosial Ekonomi Nasional
[SUSENAS Juli 2010] (Pedoman
Pencacahan KOR). Jakarta :
Badan Pusat Statistik.
Mahadwartha, P.A. 2002. Analisis
Cluster Saham-Saham
Berdasarkan Nisbah Profitabilitas
Di Masa Kritis. Jurnal Ekonomi
dan Bisnis Dian Ekonomi VIII/2.
O.J.Oyelade, O.O.Oladipupo, dan
I.C.Obagbuwa. 2010. Aplication
of K-means Clustering Algorithm
for Prediction of Students’
Academic Performance.
International Journal of
Computer Science and
Information Security, Vol. 7, No.
1.
Saepulloh, D. 2010. Analisis Data
Mining K-means cluster analysis
Untuk Menentukan Data Berjenis
Biner (Studi Kasus
Pengelompokan Rumah Tangga
Sasaran (RTS) Bantuan
Langsung Tunai (BLT))(Tesis).
Bandung : Fakultas Matematika
dan Ilmu Pengetahuan Alam
Universitas Padjadjaran.
Santoso, B. 2007. DATA MINING :
Teknik Pemanfaatan Data untuk
Keperluan Bisnis, Edisi Pertama.
Yogyakarta : Graha Ilmu.
Supranto, J. 2004. Analisis Multivariat
Arti dan Interpretasi. Jakarta :
Rineka Cipta.
362 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
LAMPIRAN GAMBAR
1. Gambar 1. Diagram alir program k-means.
2. Gambar 2. Tampilan awal program k-means.
3. Gambar 3. Tampilan program k-means.
4. Gambar 4. Hasil cluster program k-means dan SPSS.
LAMPIRAN TABEL
1. Tabel 1. Data asli.
2. Tabel 2. Data standarisasi.
3. Tabel 3. Jarak data ke centroid.
4. Tabel 4. Hasil cluster.
5. Tabel 5. Final cluster.
6. Tabel 6. Final centroid.
7. Tabel 7. Centroid pertama.
8. Tabel 8. Cluster awal.
9. Tabel 9. Final cluster centroid.
10. Anggota cluster.
11. Anggota cluster 1.
Tentukan
banyak cluster k
Tentukan
Centroid
Hitung jarak
objek dengan
Centroid
Alokasikan
objek (minimum
jarak)
konvergen
Buka file data
Standarisasi data
Start
End
Ya
Tidak
Gambar 1. Diagram alir program k-
means.
Gambar 2. Tampilan awal program k-
means.
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 363
Gambar 3. Tampilan program k-means.
Gambar 4. Hasil cluster k-means dan
SPSS.
Tabel 1. Data asli.
No. A B C D
1 5 1759864 2705000 824383
2 5 1783285 3364333 1418616
3 3 1346142 6040000 4297650
4 4 1118571 3353000 1936733
5 3 774857 1426333 773483
250 3 572785 4266667 3440916
251 1 867857 4674000 3587168
252 2 525642 3566667 2613668
253 1 460714 1571933 1342584
254 1 1075714 1766667 689000
Tabel 2. Data standarisasi.
No A B C D
1 0.717 0.499 -0.356 -0.548
2 0.717 0.527 -0.197 -0.373
3 -0.321 0.0189 0.448 0.473
4 0.198 -0.246 -0.200 -0.221
5 -0.321 -0.645 -0.664 -0.563
250 0.198 -0.704 -0.502 -0.424
251 -0.321 -0.880 0.020 0.221
252 -1.358 -0.537 0.119 0.264
253 -0.840 -0.935 -0.148 -0.022
254
-
1.3583 -1.011 -0.629 -0.396
Tabel 3. Jarak data ke centroid.
No
1 1.078 0.920 1.380
2 0.919 0.788 1.336
3 0.663 0.842 0.879
4 0.631 0.450 0.552
5 1.403 1.257 0.791
250 1.138 1.132 0.739
251 1.652 1.712 1.155
252 1.496 1.475 0.856
253 2.110 2.054 1.389
254 1.863 1.809 1.203
Tabel 4. Hasil cluster.
No
1 *
2 *
3 *
4 *
5 *
25
0
*
25
1
*
25
2
*
25
3
*
25
99 130
21
127 106
0
50
100
150
1 2 3
Ban
yak
rum
ah t
angg
a
Cluster
Hasil Cluster
Program k-means
SPSS
364 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
25
4
*
Tabel 5. Final cluster.
No
1 *
2 *
3 *
4 *
5 *
25
0
*
25
1
*
25
2
*
25
3
*
25
4
*
Tabel 6. Final centroid.
Center A B C D
0.883 2.012 2.420 2.282 25
0.680 0.294 0.030
-
0.060
99
-
0.688 -0.611
-
0.488
-
0.393
130
Tabel 7. Centroid pertama.
Cluster
1 2 3
Zscore(v
1) 3.31097
-
1.35830 1.23574
Zscore(v
2)
-
0.87100 1.90744 0.17092
Zscore(v
3) 0.90330
-
0.65212 5.50626
Zscore(v
4) 0.71345
-
0.53290 5.75191
Tabel 8. Cluster awal.
No
1 *
2 *
3 *
4 *
5 *
25
0
*
25
1
*
25
2
*
25
3
*
25
4
*
Tabel 9. Final cluster centroid.
Cluster
1 2 3
Zscore(v
1) 0.48408
-
0.70244 0.61811
Zscore(v
2)
-
0.76434 0.99986
-
0.42446
Zscore(v
3) 0.00837
-
0.54553 2.70304
Zscore(v
4)
-
0.08154
-
0.43978 2.71299
Tabel 10. Anggota
cluster.
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 365
Cluster 1 127
2 106
3 21
Valid 254
Missing 0
Tabel 11. Anggota cluster 1.
Cluster 1
program
k-means
SPSS program
k-means
SPSS
16 16 126 126
25 25 160 160
27 27 161 161
34 34 165
36 36 190
47 47 192 192
52 52 210
62 62 218 218
75 64 219 219
95 95 230
107 107 237 237
109 109 246 246
121 121
LAMPIRAN DATA SUSENAS SALATIGA 2011
No
.
A
(or
ang
)
B
(Rp)
C
(Rp)
D
(Rp)
1 2 3 4 5
1 5
1,759,86
4
2,705,00
0 824,383
2 5
1,783,28
5
3,364,33
3
1,418,61
6
3 3
1,346,14
2
6,040,00
0
4,297,65
0
4 4
1,118,57
1
3,353,00
0
1,936,73
3
5 3 774,857
1,426,33
3 773,483
6 4
1,740,75
0
7,664,40
0
5,270,86
6
7 7
2,602,71
4
6,285,66
7
3,323,50
0
8 3
1,959,21
4
5,950,00
0
3,734,66
7
9 3
2,281,07
1
5,750,00
0
3,154,33
3
10 2 745,285
1,323,33
3 472,666
11 2 705,000 1,650,33 937,133
3
12 2 708,642
1,051,40
0 359,666
13 4
1,278,85
7
7,826,61
7
6,677,78
3
14 2 741,000
1,466,66
7 719,666
15 6
1,963,92
8
3,500,00
0
1,048,66
6
16 4
1,456,50
0
24,633,3
33
22,132,2
83
17 5
1,550,22
8
3,450,00
0
1,820,00
0
18 1 602,142
6,366,66
7
5,580,66
6
19 7
1,954,28
5
4,661,66
7
2,147,49
9
20 4
1,670,14
2
4,976,66
7
3,411,16
6
21 6
2,052,00
0
7,068,00
0
4,795,40
0
22 7
1,573,07
1
5,098,66
7
3,340,06
6
23 5 934,714
1,225,00
0 485,166
24 3 1,131,85 3,316,66 2,182,40
366 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
7 7 0
25 4
4,218,00
0
12,559,3
33
7,585,43
3
26 3
1,279,07
1
2,439,16
7
1,024,26
6
27 6
2,525,14
2
13,850,4
17
11,987,8
99
28 3 814,285
1,780,00
0 841,667
29 5
1,621,92
8
4,156,33
3
2,352,56
6
30 1 938,571
3,057,66
7
1,987,10
0
31 5
1,042,92
8
2,950,83
3
1,934,77
4
32 5
1,038,96
4
1,613,66
7 578,950
33 5
1,937,14
2
3,356,66
7
1,292,16
6
34 4
3,159,00
0
24,841,6
67
20,379,2
99
35 4
1,431,53
5
5,533,33
3
3,889,91
7
36 7
4,617,64
2
11,833,3
33
5,955,65
0
37 5
1,869,85
7
2,622,33
3 671,567
38 3
1,274,14
2
2,520,00
0
1,439,66
6
39 4 956,442
2,399,66
7
1,280,83
3
40 3
1,031,48
5
2,164,24
3 967,866
41 2
1,056,42
8
2,310,00
0
1,068,73
3
42 3 597,857
1,910,00
0
1,286,28
6
43 6
1,101,70
7
1,786,10
0 739,233
44 4 899,142
2,103,33
3
1,136,49
9
45 4 996,000
2,560,71
4
1,836,50
1
46 2 640,071
1,600,00
0 928,666
47 4
2,450,14
2
16,557,1
67
13,695,5
83
48 1 921,000
2,916,06
7
1,975,93
3
49 5 957,857
2,040,00
0 989,667
50 5
1,414,28
5
2,941,66
7
1,338,66
6
51 5
1,943,57
1
3,008,33
3 963,171
52 6
2,689,28
5
11,791,6
67
8,712,66
6
53 1 944,357
1,883,33
3 856,118
54 8
2,232,85
7
5,183,25
0
2,770,61
6
55 3
1,490,14
2
5,577,33
3
3,595,40
0
56 3 972,857
2,161,33
3 965,350
57 4
1,145,46
4
2,287,00
0
1,050,43
3
58 1 495,428
3,048,00
0
2,487,61
6
59 2 512,250
1,060,66
7 393,616
60 5
1,452,85
7
2,395,00
0 849,833
61 4 922,607
2,199,83
3
1,255,14
7
62 6
3,604,71
4
12,284,5
67
8,215,69
9
63 3
1,000,07
1
4,386,73
3
3,304,83
3
64 1
1,323,21
4
10,166,6
66
8,676,74
9
65 3 886,500
1,233,33
3 362,167
66 5
2,157,42
8
3,329,33
3
1,283,08
3
67 3 1,033,28 2,388,33 1,329,67
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 367
5 3 0
68 4
1,035,42
8
3,636,66
7
2,571,66
6
69 2
1,433,57
1
8,333,33
3
6,659,76
6
70 5
1,317,10
7
5,161,06
7
3,728,93
3
71 4
1,226,05
7
9,276,76
0
7,665,79
3
72 4 562,285
5,866,66
7
4,945,08
3
73 1 735,000
2,982,00
0
1,992,38
3
74 4
1,341,90
8
5,406,66
6
4,069,69
8
75 9
3,446,57
1
8,833,33
3
3,430,66
6
76 2 873,385
1,246,60
0 342,766
77 1 156,642 331,667 167,916
78 3
1,737,85
7
3,450,00
0
1,629,16
6
79 5
1,319,35
7
2,023,33
3 737,916
80 7
2,058,10
7
5,387,33
3
3,223,66
6
81 3
1,402,26
4
5,411,66
7
3,970,08
3
82 2 848,614
1,509,80
0 660,193
83 4
1,267,71
4
1,976,66
7 740,416
84 2 645,107
2,169,33
3
1,284,26
6
85 5
2,625,42
8
4,226,66
7
1,474,16
7
86 3
1,263,53
5
3,283,33
3
1,716,66
6
87 4
1,161,64
2
1,939,00
0 659,933
88 4
3,301,71
4
6,684,66
7
2,494,48
3
89 6 1,786,28 3,399,00 1,419,03
5 0 3
90 7
1,514,78
5
3,253,33
3
1,198,16
7
91 4
1,080,64
2
1,823,33
3 661,833
92 5
1,614,42
8
2,982,50
0
1,107,49
9
93 3
1,134,21
4
2,859,35
0
1,542,08
3
94 4
1,426,17
8
2,674,50
0
1,098,10
0
95 6
4,536,42
8
27,020,0
00
22,262,8
33
96 3 556,071
1,183,33
3 601,049
97 4
3,017,14
2
5,800,00
0
2,581,23
3
98 4 789,642
2,420,66
7
1,485,83
3
99 6
1,275,00
0
4,056,66
7
2,570,86
7
10
0 3
1,165,28
5
2,105,50
0 894,400
10
1 5
1,422,00
0
5,803,51
7
4,317,05
0
10
2 7
2,380,71
4
4,266,66
7
1,765,25
4
10
3 8
2,290,28
5
3,800,00
0
1,426,49
0
10
4 2 560,057 983,333 388,200
10
5 5
1,131,00
0
1,745,00
0 690,667
10
6 3
1,771,50
0
4,171,66
7
2,396,01
8
10
7 10
5,164,17
8
19,250,0
00
13,279,3
00
10
8 2 749,571
1,095,56
7 337,133
10
9 5
2,071,28
5
15,095,6
67
12,595,0
50
11
0 2 801,000
4,694,66
7
3,572,03
3
368 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
11
1 6
1,287,42
8
5,436,66
7
3,769,63
3
11
2 1 828,000
5,307,66
7
4,126,23
3
11
3 5
2,015,57
1
4,200,00
0
1,836,08
3
11
4 7
1,561,71
4
2,404,16
7 710,600
11
5 7
2,049,64
2
4,090,00
0
1,636,48
2
11
6 3 841,928
1,206,33
3 431,749
11
7 1 915,000
3,916,66
7
2,820,46
6
11
8 3
1,330,92
8
2,276,66
7 761,417
11
9 5
1,876,28
5
3,726,66
7
1,764,00
0
12
0 6
1,462,28
5
6,225,00
0
3,429,11
7
12
1 4
3,232,28
5
15,405,0
00
11,411,8
66
12
2 3
1,148,03
5
1,801,66
7 545,400
12
3 4 791,785
2,200,96
7
1,324,24
6
12
4 4 946,285
2,680,86
7
1,675,39
9
12
5 3
1,133,14
2
3,866,66
7
2,634,23
3
12
6 8
1,901,46
4
9,955,00
0
7,915,26
6
12
7 6
1,353,21
4
2,020,16
7 683,999
12
8 1 242,678 354,667 114,000
12
9 5
2,075,35
7
4,540,00
0
2,133,99
9
13
0 4
1,305,85
7
2,113,33
3
1,216,50
0
13
1 1 320,571
2,573,33
3
2,109,83
3
13 3 1,327,07 2,191,66 1,022,86
2 1 7 6
13
3 4
1,403,78
5
3,600,00
0
2,248,83
3
13
4 1 989,142
1,530,00
0 875,917
13
5 3
1,041,42
8
1,998,33
3 608,000
13
6 2 834,857
1,626,66
7 443,000
13
7 6
1,288,50
0
2,523,33
3
1,021,66
7
13
8 7
1,358,57
1
2,100,00
0
1,001,40
0
13
9 1 442,285 985,000 444,600
14
0 6
1,613,35
7
3,486,66
7
1,565,63
3
14
1 4
1,426,60
7
3,950,00
0
2,487,91
6
14
2 3
1,900,28
5
4,503,08
3
2,477,66
6
14
3 4
1,057,92
8
2,034,33
3 952,866
14
4 4
2,412,53
5
5,467,50
0
2,797,58
3
14
5 3
1,073,57
1
8,166,66
7
6,920,74
9
14
6 3 694,714
1,821,66
7 991,967
14
7 3
1,602,53
5
3,384,63
3
1,629,33
3
14
8 3 904,285
2,230,00
0
1,131,20
0
14
9 1 632,142
1,500,00
0 943,400
15
0 4
1,554,77
1
6,960,66
7
5,014,65
8
15
1 1 544,285
1,948,33
3
1,366,11
7
15
2 1 438,107
2,090,00
0
1,421,16
6
15
3 1 621,428
2,250,00
0
1,630,83
3
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 369
15
4 1 688,285
1,686,66
7 945,966
15
5 1 450,000 854,000 403,666
15
6 1 968,571
1,797,83
3 799,167
15
7 1 209,464 608,333 268,000
15
8 4 822,642
2,233,33
3
1,304,08
3
15
9 8
2,316,42
8
4,043,33
3
1,598,58
3
16
0 4
1,537,28
5
11,399,0
00
8,212,21
6
16
1 4
1,711,50
0
16,659,0
00
13,620,2
33
16
2 3 671,357 975,000 226,166
16
3 6
1,097,35
7
1,390,83
3 370,583
16
4 2 864,107
2,991,50
0
1,951,26
6
16
5 11
4,678,82
1
7,481,80
0
2,483,16
6
16
6 2
1,709,35
7
3,181,33
3
1,424,26
6
16
7 10
1,231,07
1
7,968,00
0
5,117,16
7
16
8 7
1,721,89
2
4,676,66
7
2,922,33
3
16
9 4
1,141,28
5
7,266,66
7
6,098,50
0
17
0 2 322,500 651,667 271,000
17
1 3 902,464
4,933,33
3
2,985,66
7
17
2 2 408,428
1,166,66
7 716,917
17
3 5 453,000 714,000 359,250
17
4 3
1,371,42
8
5,083,33
3
3,591,33
3
17 1 233,571 345,000 49,666
5
17
6 2 851,357
2,253,33
3
1,368,90
0
17
7 3 508,714 740,000 203,483
17
8 2 600,428
1,500,00
0 674,666
17
9 3 920,571
1,783,33
3 787,336
18
0 4
1,273,50
0
4,650,00
0
3,375,03
3
18
1 5
1,406,78
5
3,050,00
0
1,432,83
3
18
2 4
1,730,35
7
4,766,66
7
2,615,91
6
18
3 4 495,428
1,146,66
7 578,366
18
4 1 720,000
1,150,00
0 366,666
18
5 3 786,428
1,900,00
0
1,115,00
0
18
6 4 785,785
1,833,33
4 990,733
18
7 4
1,418,14
2
6,353,33
3
3,460,41
7
18
8 3
1,373,35
7
7,613,33
3
5,900,46
6
18
9 5
1,089,25
7
2,491,66
7
1,294,83
3
19
0 3
2,351,78
5
9,453,33
3
6,725,26
6
19
1 2 502,928
1,450,00
0 971,970
19
2 3
1,941,21
4
9,523,33
3
8,529,85
8
19
3 5
2,192,67
8
7,716,00
0
3,702,23
3
19
4 4
2,118,85
7
6,500,00
0
2,985,16
7
19
5 1 585,535
3,440,33
3
2,252,95
9
19
6 3
1,368,64
2
2,277,53
3 781,267
370 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012
19
7 4 661,200
1,750,46
7
1,028,63
3
19
8 2 681,857
1,103,33
3 290,933
19
9 2
1,432,50
0
2,698,10
0
1,199,43
3
20
0 3 493,714
1,330,33
3 824,666
20
1 1 513,857 948,800 409,033
20
2 1 699,642
1,797,33
3
1,056,90
0
20
3 1 456,428
1,288,00
0 771,833
20
4 1 422,142 921,333 490,667
20
5 1 537,000 962,133 370,400
20
6 2 738,857
3,840,00
0
2,946,56
6
20
7 5 703,928
1,458,33
3 933,366
20
8 3 812,142
2,525,00
0
1,671,33
3
20
9 4 985,607
2,190,00
0
1,020,16
6
21
0 3
3,830,57
1
9,066,66
7
5,023,16
6
21
1 2
1,163,57
1
3,016,66
7
1,843,75
2
21
2 3
1,395,47
1
5,316,63
3
3,851,63
3
21
3 5 936,750
1,570,00
0 656,766
21
4 2 369,000
1,006,66
7 601,016
21
5 2 733,071
3,100,00
0
2,222,62
0
21
6 2 514,928
1,253,33
3 639,166
21
7 4
1,592,35
7
5,678,33
3
3,562,33
3
21 2 1,759,71 11,566,6 8,887,23
8 4 67 3
21
9 3
4,060,71
4
17,603,6
67
10,333,9
83
22
0 5
1,932,53
5
3,221,00
0
1,108,26
7
22
1 3
1,495,17
8
2,786,00
0
1,105,65
0
22
2 1 267,428 340,000 56,500
22
3 3
1,153,28
5
3,116,66
7
1,903,58
3
22
4 3 577,714
1,116,66
7 444,333
22
5 4
1,829,14
2
8,725,00
0
6,383,16
7
22
6 5
1,615,39
2
4,504,76
7
2,397,83
7
22
7 5 668,571
1,205,96
7 562,171
22
8 4
1,061,78
5
3,700,00
0
2,608,75
4
22
9 4 909,428
1,743,00
0 744,999
23
0 7
5,211,00
0
7,250,00
0
2,062,17
0
23
1 3 756,428
1,960,00
0
1,072,50
3
23
2 4 804,428
2,366,66
7
1,389,11
7
23
3 5 900,857
2,083,33
3
1,046,41
7
23
4 3 990,857
1,625,00
0 628,833
23
5 6
1,656,21
4
3,231,66
7
1,434,00
1
23
6 1 713,571
1,284,66
7 698,500
23
7 6
2,664,64
2
19,300,0
00
15,559,2
50
23
8 1 872,142
2,119,16
7
1,184,91
6
23
9 1 411,428 981,133 584,866
APLIKASI K-MEANS...( Tinus Septioko, Hanna Arini Parhusip, Tundjung Mahatma) 371
24
0 1 637,714
6,500,00
0
5,312,26
7
24
1 1 377,142
1,150,00
0 851,366
24
2 1 642,857
3,056,66
7
2,318,63
3
24
3 1 811,714
1,677,33
3 861,333
24
4 1
1,422,85
7
4,670,33
3
3,172,73
3
24
5 4
1,191,42
8
4,936,00
0
3,152,33
6
24
6 4
1,681,71
4
12,466,6
67
10,403,6
83
24 4 1,168,71 2,341,66 1,093,17
7 4 7 3
24
8 5
1,305,21
4
3,900,00
0
2,078,15
3
24
9 4 724,285
2,100,00
0
1,246,42
0
25
0 3 572,785
4,266,66
7
3,440,91
6
25
1 1 867,857
4,674,00
0
3,587,16
8
25
2 2 525,642
3,566,66
7
2,613,66
8
25
3 1 460,714
1,571,93
3
1,342,58
4
25
4 1
1,075,71
4
1,766,66
7 689,000
372 | Proceeding for Call Paper PEKAN ILMIAH DOSEN FEB – UKSW, 14 DESEMBER 2012