Setelah sebelumnya kita membahas ukuran kesamaan similarity/dissimilarity. Berikut akan kita bahas sedikit aplikasi hasil perhitungan kesamaan suatu objek. Tehnik penggerobolan atau clustring sebenarnya sangat berkaitan erat dengan pengukuran kesamaan atau similarity, tehnik ini dapat di pelajari dalam metode multiavriate statistics jenis interdependensi (tidak ada dependen dan independen semua variabel sama).

Klaster atau penggerombolan pada umumnya sangat bermanfaat dalam berbagai bidang ilmu baik itu secara teori maupun terapan. Berbagai teori mengenai pembetukan klaster atau penggrombolan seringkali digunakan dalam praktiknya, dan pada bagian ini akan dijelaskan sedikit mengenai pembentukan klaster sederhana dengan diagram dendogram.

Sebagai contoh kasus semisal kita memiliki 6 obejek (A,B,C,D,E,F) atau variabel yang akan kita lihat pengelompokannya. Dari ke enam variabel/ objek tersebut selanjutnya kita hitung berdasarkan teori ukuran similarity yang sebelumnya kita bahas dan semisal hasilnya yaitu sebagai berikut:

Nah dari mariks diatas dapat kita lihat jarak objek A ke B adalah 5 jarak A ke objek E adalah 7 (ini hanya sekedar contoh untuk memudahkan). Selanjutnya dapat kita lakukan analisa penggrombolan.

Dari matriks diatas Jarak terdekat objek adalah B dan C sehingga dapat di tulis (A,,D,E,F), selanjutnya serta E dan F (A,,D,) dilanjutkan dengan objek A yang terdekat dengan objek B,C (,D,), dan jika dilihat kembali jarak terdekat ialah objek D dengan ABC (,) dan yang terakhir adalah tergerombol semua () sehingga dalam pembentukannya dibutukan 5 iterasi. Jika iterasi tersbut di ringkas ialah sebagai berikut:

Selanjutnya dalam membentuk dendogram kita gunakan cara yang sama dengan proses iterasi yaitu

1. Iterasi-1
   
2. Iterasi-2
   
3. Iterasi-3
   
4. Iterasi-4
   
5. Iterasi-5
   

Algoritma pembetukan dendogram seperti diatas (Dari spesifik ke general) disebut Aglomerasi atau penggabungan. Selanjutnya dari hasil digram dendogram yang ada jika kita ingin memotong atau melakukan clustering menjadi 3 geombol atau kelompok maka dendogram dipotong sebagai berikut:

Maka objek dengan cirri-ciri kesamaan yang dekan tergerombol mnjadi 3 kelompok yaitu

Tehnik clustering ini dewasa ini sudah banyak sekali penerapnnya baik di bidang keuangan, pengambilan keputusan, Data Mining, maupun marketing research. Banyak juga tehnik clustering yang dapat digunakan seperti K-means clustering dan Bayesian clustering. Tidak perlu perhitungan rumit untuk mendapatkan hasil penggerombolan seperti yang dicontohkan pada saat ini program seperti MINITAB dan SPSS memberikan banyak kemudahan untuk analisa. Semoga dapat bermanfaat. Terima kasih.

Salam,

Febriandi Rahmatulloh
PT Indonesia Stock Exchange
Staff Market Micro Structure Research Unit
Research and Product Development
Indonesia Stock Exchange Building
Tower I, 4th Fl, Jl. Jend. Sudirman Kav 52-53
Jakarta, Indonesia, 12190