Perbandingan Hasil Pengelompokan Variabel Pada Analisis Cluster Dengan Menggunakan Beberapa Jarak

Analisis cluster merupakan suatu teknik yang digunakan untuk mengelompokkan objek atau variabel. Pada saat ini analisis cluster lebih banyak digunakan untuk mengelompokkan objek, namun pada penelitian analisis cluster digunakan untuk mengelompokkan variabel. Pada analisis cluster ukuran jarak sangat mempengaruhi hasil pengelompokan. Oleh karena itu, pada penelitian ini membahas analisis cluster variabel menggunakan ukuran jarak: Euclidean distance, Manhattan Distance, Minkowski Distance, Kullbackleibler distance, Chebychev distance dan Pearson correlation menggunakan metode average linkage dan analisis cluster hirarki agglomeratif. Tujuan penelitian ini adalah untuk menentukan jarak yang paling baik dalam mengelompokkan variabel berdasarkan nilai CTM (Cluster Tightness Measure). Data yang digunakan adalah 10 data skunder. Berdasarkan hasil penelitian, pengelompokan variabel yang paling baik menggunakan jarak Pearson Correlation. Bila korelasi antar variabel yang signifikan lebih dari 50%, maka jarak yang paling baik digunakan adalah jarak Pearson Correlation. Apabila variabel yang berkorelasi kurang dari 50%, maka digunakan jarak Minkowski