Analisis Cluster Konsumen Ke-1

Analisis Cluster

Clustering adalah suatu metode pengelompokan berdasarkan ukuran kedekatan (kemiripan) dari suatu karakteristik tertentu. Pengelompokan pada clustering tidak harus berdasarkan kesamaan karakteristik tetapi dapat berdasarkan pada kedekatan dari suatu karakteristik sampel yang ada. Penggunaan metode ini umum dilakukan pada bidang pemasaran yaitu segmentasi pasar atau pengelompokkan konsumen yang memiliki karakteristik yang berbeda atau yang disebut segmentasi pasar.

Analisis cluster merupakan salah satu teknik data mining yang bertujuan untuk mengidentifikasi sekelompok obyek yang mempunyai kemiripan karakteristik tertentu yang dapat dipisahkan dengan kelompok obyek lainnya, sehingga obyek yang berada dalam kelompok yang sama relatif lebih homogen daripada obyek yang berada pada kelompok yang berbeda. Jumlah kelompok yang dapat diidentifikasi tergantung pada banyak dan variasi data obyek. Tujuan dari pengelompokan sekumpulan data obyek ke dalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapat dibedakan satu sama lainnya adalah untuk analisis dan interpretasi lebih lanjut sesuai dengan tujuan penelitian yang dilakukan. Model yang diambil diasumsikan bahwa data yang dapat digunakan adalah data yang berupa data interval, frekuensi dan biner. Set data obyek harus mempunyai peubah dengan tipe yang sejenis tidak campur antara tipe yang satu dengan lainnya

Ada beberapa tahapan dalam melakukan Analisis Cluster, diantaranya yaitu:

Tujuan Analisis Cluster
Desain Penelitian dalam Analisis Cluster
Asumsi-asumsi dalam Analisis Cluster
Proses Mendapatkan Cluster dan Menilai kelayakan secara keseluruhan (overall fit)
Interpretasi terhadap Cluster
Proses Validasi dan Pembuatan Profil (profiling) Cluster

Tujuan Analisis Cluster

Tujuan dari analisis cluster adalah mengelompokkan obyek berdasarkan kesamaan karakteristik di antara obyek-obyek tersebut. Dengan demikian, ciri-ciri suatu cluster yang baik yaitu mepunyai :

Homogenitas internal (within cluster); yaitu kesamaan antar anggota dalam satu cluster.
Heterogenitas external (between cluster); yaitu perbedaan antara cluster yang satu dengan cluster yang lain.

Analisis cluster dapat diterapkan pada bidang apa saja. Namun pemakaian teknik ini lebih familiar pada bidang pemasaran karena memang salah satu kegiatan yang dilakukan dalam pemasaran adalah pengelompokan, yang disebut segmentasi pasar. Tujuan analisis cluster di dalam pemasaran adalah sebagai berikut :

1. Membuat segmen pasar (segmenting the market)

Pelanggan atau pembeli sering diklasterkan berdasarkan manfaat atau keuntungan yang diperoleh dari pembelian barang. Setiap cluster akan terdiri dari pelanggan/ pembeli yang relatif homogen, dinyatakan dalam manfaat yang dicari.

2. Memahami perilaku pembeli

Analisis cluster digunakan untuk mengenali/mengidentifikasi kelompok pembeli yang homogen/relatif homogen. Kemudian perilaku dalam untuk setiap kelompok perlu dikaji secara terpisah. Responden (pembeli) dikelompokkan didasarkan pada self-reported importance yang terkait pada setiap faktor pilihan yang digunakan untuk memilih toko atau mall di mana para pembeli membeli barang yang dibutuhkan.

3. Mengenali peluang produk baru

Dengan mengklasterkan merk dan produk, competitive set di dalam pasar bisa ditentukan. Merek di dalam klaster yang sama bersaing sengit satu sama lain, daripada merek dari klaster lain.

4. Mereduksi data.

Analisis cluster digunakan sebagai suatu alat mereduksi data secara umum, untuk mengembangkan klaster atau sub-group dari data yang mudah dikelola dari kumpulan data asli, secara individual.

Langkah pengelompokan dalam analisis cluster mencakup 3 hal berikut :

Mengukur kesamaan jarak
Membentuk cluster secara hirarkis
Menentukan jumlah cluster

Asumsi yang harus dipenuhi dalam Analisis Cluster yaitu :

Sampel yang diambil benar-benar dapat mewakili populasi yang ada (representativeness of the sample)
Multikolinieritas

Metode Pengelompokan Anilisis Cluster

Adapun metode pengelompokan dalam analisis cluster meliputi :

Metode Hirarki : memulai pengelompokan dengan dua atau lebih obyek yang mempunyai kesamaan paling dekat. Kemudian dilanjutkan pada obyek yang lain dan seterusnya hingga cluster akan membentuk semacam ‘pohon’ dimana terdapat tingkatan (hirarki) yang jelas antar obyek, dari yang paling mirip hingga yang paling tidak mirip. Teknik hirarki (hierarchical methods) adalah teknik clustering membentuk kontruksi hirarki atau berdasarkan tingkatan tertentu seperti struktur pohon (struktur pertandingan). Alat yang membantu untuk memperjelas proses hirarki ini disebut “dendogram”.
Metode Non-Hirarki; dimulai dengan menentukan terlebih dahulu jumlah cluster yang diinginkan (dua,tiga, atau yang lain). Setelah jumlah cluster ditentukan, maka proses cluster dilakukan dengan tanpa mengikuti proses hirarki. Metode ini biasa disebut “K- Means Cluster”.

Analisis Cluster Konsumen Ke-1