LAPORAN PRAKTIKUM TEKNOLOGI INFORMASI

SPSS (Clusters)
Disusun Untuk Memenuhi Tugas Teknologi Informasi
(TKP_MWU010)
Dosen Pembimbing:
A. Widjanarko, ST,MT
B. Pangi, ST,MT
C. Intan Muning Hardjanti ST,MT

Sekar Hapsari Ayuningtias

21040115060012

PROGRAM STUDI DIPLOMA III

JURUSAN PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2015

I. Tujuan
1. Untuk mengetahui cara mengoperasikan software statistic SPSS sehingga
mempermudah kita dalam mengolah data statistic
2. Untuk mengetahui beberapa fasilitas yang ada di software SPSS terutama
Hierarchial Clustering
3. Untuk mengetahui pengelompokkan suatu data, dan cara membacanya
II. Cara Kerja
1. Mengimport file dari excel
2. Menggunakan Hierarchical Clustering
III.Tahapan
1. Mengimport file dari excel
Klik
cari file yang akan di importpilih format Excel (*xls,
*xlsx, *xlsm)pilih fileOpenMuncul popup Opening Excel Data
SourceOK

Gambar 1
Tahapan mengimport file dari Excel

2. Menggunakan Hierarchial Clustering

Klik analyzeclassifyHierarchical Clustering. Akan muncul pop up
Hierarchical Clustering AnalysisPindahkan variable dengan memilih
variable-variabelnya
kemudian
klik
tanda
panahklik
Statististicskemudian atur kelas pengelompokkan pada Range of
SolutionsContinueklik
PlotsChecklist
pada
DendogramContinueKlik MethodsPilih metode apa yang akan kita
gunakan, untuk kali ini gunakan opsi Wards Method pada Cluster
MethodContinueOK

2
3

5
4

8
7
9

1
Gambar 2
Tahapan menggunakan Hierarchical Cluster

Hasil :

Gambar 3
Hasil Hierarchical Cluster

Cara membaca hasil cluster :

Pada kolom Valid terdapat N
dengan nilai 23 dan Percent 100.0,
N tersebut menandakan banyaknya
data sehingga terdapat 23 data yang
di input kedalam spss, sedangkan
Percent 100.0 menandakan 100%
data tersebut sudah di input. Pada
kolom Missing, N dan Percent
bernilai 0, itu menandakan bahwa
semua data sudah di input tanpa
terkecuali.

Tabel disamping merupakan

proses hasil clustering metode
Ward. Setelah jarak antar variable
diukur dengan jarak koefisien,
maka dilakukan pengelompokkan
secara bertingkat. Stage 1
terbentuk cluster 1 yang
beranggotakan sampel no 4 dan
12 dengan jarak yang tertera pada
kolom coefficients. Karena proses
aglomerasi dimulai dari 2 obyek
yang terdekat,maka jarak tersebut
adalah yang terdekat dari sekian
kombinasi jarak 23 obyek yang
ada. Selanjutnya lihat kolom Next
Stage, terdapat angka 9. Hal ini berarti clustering selanjutnya dilakukan dengan
melihat stage 9 demikian seterusnya dari stage 9 dilanjutkan ke stage 8, sampai
stage terakhir.
Dari table di samping, dapat dijelaskan bahwa:
Apabila ditentukan 2 cluster, maka:
Anggota Cluster 1 : case nomor 1
(Simeulue [lihat pada table data]),
case nomor 2,3,4,6,7 dll (Lihat pada
kolom 2 Clusters dengan symbol 1)
Anggota Cluster 2 : case nomor
5,8,9,10,11 (Lihat pada kolom 2
Clusters dengan symbol 2 )

Apabila ditentukan 3 cluster, maka

Anggota Cluster 1 : case nomor
1,2,3,4,6,7 dll (Lihat pada kolom 3
Clusters dengan symbol 1)
Anggota Cluster 2 : case nomor
5,8,9,10 (Lihat pada kolom 3
Clusters dengan symbol 2)
Anggota Cluster 3 : case nomoer
11,19,22 (Lihat pada kolom 3 Clusters dengan symbol 3)

Apabila ditentukan 4 cluster, maka

Cluster 1

Cluster 2

Anggota cluster 1 : case nomor 1,2,13,16,20,23 (Lihat pada kolom 4

Clusters dengan symbol 1)
Anggota cluster 2 : case nomor 3,4,6,7,12,14,dll (Lihat pada kolom 4
Clusters dengan symbol 2)
Anggota cluster 3 : case nomor 5,8,9,10 (Lihat pada kolom 4 Clusters
dengan symbol 3)
Anggota cluster 4 : case nomor 11,19,22 (Lihat pada kolom 4 Clusters
dengan symbol 4)

Dendogram berguna untuk

menunjukkan anggota cluster
yang ada jika akan ditentukan
berapa cluster yang akan
dibentuk. Untuk mempermudah
cara membacanya, gunakan
garis bantu yaitu garis vertical
lurus (garis vertical merah)
kemudian lihat garis yang
berpotongan
dengan
garis
tersebut. Dari bantuan gari
tersebut menunjukkan terdapat 2
cluster.
Cluster
pertama
beranggotakan data nomor
4,12,18,17,dst
sampai
1.
Sedangkan
cluster
kedua
beranggotakan data nomor
8,10,5,9,dst
sampai
19.
Demikian seterusnya jika ingin
membentuk
cluster
lagi,
pindahkan
garis
bantuan
tersebut dan lihat berapa banyak
perpotonga garisnya itulah
clusternya,
dan
lihat
anggotanya.