Perbandingan Jarak Euclidean, Jarak Korelasi Pearson, Dan Jarak Mahalanobis Pada Analisis Cluster Dengan Data Yang Mengandung Multikolinearitas (Studi Kasus Data Kemiskinan Di Kabupaten Malang)
| Main Authors: | Saifanah, Firyal Rifdah, Dr. Suci Astutik, S.Si., M.Si. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/195161/1/Firyal%20Rifdah%20Saifanah.pdf http://repository.ub.ac.id/id/eprint/195161/ |
Daftar Isi:
- Analisis cluster adalah teknik analisis yang bertujuan untuk mengelompokkan objek menjadi kelompok sehingga objek dalam satu kelompok memiliki karakteristik yang mirip. Sementara itu, objek antar kelompok memiliki karakteristik yang berbeda. Dalam penelitian ini dilakukan pengelompokan kecamatan di Kabupaten Malang berdasarkan data kemiskinan. Data kemiskinan yang digunakan memiliki masalah multikolinearitas sehingga perlu dilakukan penanganan dengan analisis PCA jika jarak yang digunakan adalah jarak euclidean. Selain itu, penanganan dapat juga menggunakan ukuran jarak mahalanobis dan jarak korelasi pearson. Metode analisis yang digunakan adalah metode linkage meliputi single linkage, complete linkage, dan average linkage. Tujuan penelitian ini adalah membandingkan hasil pengelompokan analisis cluster metode linkage dan menentukan jarak yang terbaik dalam mengelompokkan kecamatan di Kabupaten Malang berdasarkan data kemiskinan. Pemilihan metode terbaik dilihat dari nilai rasio simpangan baku yang paling kecil. Berdasarkan hasil penelitian, pengelompokan dengan metode linkage dan ketiga jarak baik jarak euclidean, jarak mahalanobis, maupun jarak korelasi pearson akan dihasilkan kelompok yang relatif sama. Penggunaan jarak mahalanobis dan jarak korelasi pearson dinilai lebih efisien dibandingkan jarak euclidean karena langkah yang diperlukan untuk jarak tersebut tidak sepanjang jarak euclidean. Metode yang menghasilkan pengelompokan paling baik dalam kasus ini adalah metode average linkage dengan jarak korelasi pearson.