PENGEMBANGAN PERANGKAT LUNAK ANALISIS CLUSTER DATA NON METRIC DENGAN MENGGUNAKAN BASIC SEQUENTIAL ALGORITHMIC SCHEME (BSAS)

Analisis cluster merupakan seperangkat metodologi yang secara otomatis mengelompokkan pola/objek ke dalam sebuah cluster berdasarkan kemiripannya. Secara intuitif, pola/objek yang berada pada satu cluster lebih memiliki kemiripan antar satu sama lain dibandingkan pola/objek cluster lain. Data yang digunakan dalam analisis ini dapat bersifat metric, non metric atau bahkan keduanya. Sampai saat ini belum terdapat perangkat lunak yang dapat digunakan untuk melakukan analisis cluster dengan data non metric. Padahal dalam perkembangannya sekarang ini, jenis data yang dominan dalam analisis cluster adalah data non metric, terutama ketika diaplikasikan pada riset pemasaran. Karena itu pada penelitian ini berfokus untuk mengembangkan perangkat lunak analisis cluster dengan data non metric. Hal ini dikarenakan, perangkat lunak yang ada saat ini hanya dapat digunakan untuk data yang bersifat metric. Tujuan dari penelitian ini adalah untuk membuat sebuah perangkat lunak agar mempermudah perhitungan analisis cluster dengan menggunakan BSAS. Metode analisis cluster yang digunakan adalah Basic Sequential Algorithmic Scheme (BSAS) dan Simple Matching Coefficient sebagai metode dalam mengukur jarak antar case yang dikelompokkan. Proses terpenting dalam tahapan analisis cluster adalah penentuan metode pengukuran jarak dan algoritma cluster yang digunakan. Simple Matching Coefficient merupakan pengukuran jarak dengan membandingkan nilai antar case. Metode ini menghitung jumlah nilai case yang sama dari keseluruhan variabel pembeda yang terdapat dalam data. Basic Sequential Algorithmic Scheme (BSAS) merupakan algoritma clustering yang berurutan dan mudah untuk digunakan. Pada metode ini memiliki kelebihan yakni parameter yang digunakan hanya nilai threshold yang diizinkan. Untuk pembuatan perangkat lunak dilakukan dengan menggunakan Microsoft Visual Studio dengan bahasa pemrograman C#. Dari hasil penelitian yang telah dilakukan didapatkan bahwa perangkat lunak yang dibuat telah berhasil dijalankan dengan baik. Selain itu terdapat beberapa kekurangan dan kelebihan dari perangkat lunak ini. Kekurangan dari perangkat lunak ini adalah belum dapat mengatasi masalah overlapping. Kelebihan dari perangkat lunak ini adalah dapat membaca data baik berupa huruf maupun data non metric yang telah dikategorikan ke dalam bentuk angka