PENERAPAN K-MEANS DAN K-MEANS VIA PRINCIPAL COMPONENT ANALYSIS(STUDI KASUS: DATASET UJIAN NASIONAL TINGKAT SMA/MA JURUSAN IPS DI INDONESIA)

Analisis cluster merupakan analisis statistik yang memiliki asumsi tidak adanya multikolinearitas. Adanya multikolinearitas dapat mempengaruhi akurasi hasil cluster yang diperoleh. Salah satu metode yang dapat digunakan untuk mengatasi permasalahan multikolinearitas adalah principal component analysis. Pada penelitian ini diterapkan analisis cluster k-means dan k-means via principal component analysis dengan tujuan untuk melihat penggunaan metode PCA dalam mengatasi multikolinearitas. Data yang digunakan pada penelitian ini adalah dataset nilai Ujian Nasional (UN) Sekolah Menengah Atas/Madrasah Aliyah (SMA/MA) jurusan Ilmu Pengetahuan Sosial (IPS) tahun 2017 dengan jumlah variabel sebanyak 6 dan jumlah amatan sebanyak 513 kabupaten/kota. Pada penelitian ini, metode k-means dan k-means via principal component analysis diterapkan pada data asli dan data yang telah distandarisasi dengan z-score. Kemudian, dibandingkan dan diperoleh metode yang optimum dari keduanya yang dievaluasi dengan validitas davis bouldin index, connectivity, silhouette index, dunn index dan Total Within Sum of Square (TWSS). Hasil yang diperoleh dengan menggunakan PCA untuk menghilangkan multikolinearitas dalam analisis cluster dengan metode k-means pada kenyataannya tidak memberikan pengaruh yang cukup signifikan terhadap hasil cluster. Berdasarkan validitas internal dan TWSS, hasil cluster menggunakan data PC 2 terpilih sebagai yang terbaik. Tetapi, anggota setiap cluster yang dihasilkan tidak berbeda secara signifikan dari cluster menggunakan data terstandarisasi dan PC 2 terstandarisasi. Terdapat 3 kabupaten yang terletak pada cluster yang berbeda antara kedua data tersebut, yaitu Kabupaten Klungkung, Kabupaten Badung, dan Kabupaten Deiyai