Analisis Cluster || Bagian 1

Arti konsep dasar dan ruang lingkup analisis cluster (Cluster analysis) dan pentingnya dalam riset pemasaran, membahas beberapa statistik yang relevan dengan analisis cluster, menjelaskan prosedur untuk melakukan analisis cluster yang meliputi merumuskan masalah, memilih ukuran suatu jarak (a distance measure), memilih prosedure pengclusteran (memasukkan objek dalam suatu cluster), menentukan berapa seharusnya jumlah cluster dan menginterprestasikan cluster, menguraikan maksud dan metode untuk mengevaluasi mutu hasil pengclusteran dan mengakses kehandalan dan kesahihan (reliabilitas dan validitas). Mendiskusikan aplikasi pengclusteran tanpa hierarki (non hierarchical clustering) dan pengclusteran variabel (clustering of variables).

Tidak seperti teknik untuk menganalisis hubungan antara variabel, analisis cluster merupakan rangkaian teknik untuk mengelompokkan objek yang sama atau orang yang sama. Pada dasarnya dikembangkan sebagai suatu alat klasifikasi untuk taksonomi, penggunaannya telah menyebar karena pentingnya kerja klasifikasi dalam kesehatan, biologi, atau ilmu pengetahuan lainnya. Visibilitasnya di bidang tersebut dan ketersediannya komputer dengan cepat tinggi untuk melakukan perhitungan ekstensif telah mempercepat adopsinya dalam teknik, ekonomi, pemasaran, dan wilayah lainnya.

            Analisis cluster merupakan teknik multivariat yang mempunyai tujuan utama untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimilikinya. Analisis cluster mengklasifikasi objek sehingga setiap objek yang paling dekat  kesamaannya dengan objek lain berada dalam cluster yang sama. Cluster-cluster yang terbentuk memiliki homogenitas internal yang tinggi dan heterogenitas eksternal yang tinggi. Berbeda dengan teknik multivariat lainnya, analisis ini tidak mengestimasi set vaiabel secara empiris sebaliknya menggunakan setvariabel yang ditentukan oleh peneliti itu sendiri. Fokus dari analisis cluster adlah membandingkan objek berdasarkan set variabel, hal inilah yang menyebabkan para ahli mendefinisikan set variabel sebagai tahap kritis dalam analisis cluster. Set variabel cluster adalah suatu set variabel yang merpresentasikan karakteristik yang dipakai objek-objek. Bedanya dengan analisis faktor adalah bahwa analisis cluster terfokus pada pengelompokan objek sedangkan analisis faktor terfokus pada kelompok variabel.

            Solusi analisis cluster bersifat tidak unik, anggota cluster untuk tiap penyelesaian/solusi tergantung pada beberapa elemen prosedur dan beberapa solusi yang berbeda dapat diperoleh dengan mengubah satu elemen atau lebih. Solusi cluster secara keseluruhan bergantung pada variabel-variaabel yang digunakan sebagai dasar untuk menilai kesamaan. Penambahan atau pengurangan variabel-variabel yang relevan dapat mempengaruhi substansi hasi analisisi cluster.

Mirip seperti analisis faktor, analisis cluster juga meneliti seluruh hubungan interdependensi, tidak ada pembedaan variabel bebas dan tak bebas (independent and dependent variabels) dalam analisis cluster ini. Pembedaan variabel bebas dan tidak bebas terjadi dalam analisis regresi berganda, analisis varian, analisis deskriminan, di mana kita ingin mengetahui pengaruh dari setiap variabel bebas, baik secara individu maupun bersama-sama terhadap variabel tak bebas.

       Di dalam analisis cluster, hubungan antara seluruh set variabel dikaji. Tujuan utama dari analisis cluster adalah mengklasifikasikan objek (kasus/elemen) seperti orang, produk (barang), toko, perusahaan ke dalam kelompok-kelompok yang relatif homogen didasarkan pada suatu set variabel yang dipertimbangkan untuk diteliti. Objek di dalam setiap kelompok harus relatif mirip/sama (relatively similar). Dinyatakan dalam variabel-variabel ini, dan harus berbeda jauh dengan objek dari kelompok lain. Kalau dipergunakan dengan cara semacam ini, analisis cluster merupakan bagian depan (obverse) dari analisis faktor, di mana mereduksi (memperkecil) banyaknya objek (responden) bukan banyaknya variabel atau atribut responden, yaitu dengan mengelompokkan objek-objek tersebut menjadi cluster, yang banyaknya lebih sedikit daripada banyaknya objek asli yang diteliti, misalnya dari 50 orang responden, dikelompokkan hanya menjadi 5 cluster saja, di mana masing-masing cluster terdiri dari 10 orang saja.