TEKNIK PENGKLASTERAN

Metoda pengklasteran (clustering) adalah teknik dalam statistik multivariat yang digunakan untuk penggabungan hasil pengamatan menjadi group atau kluster. Tujuannya adalah mengelompokkan pengamatan sedemikian rupa sehingga setiap kluster diupayakan menjadi lebih homogen terhadap variabel kluster (sharma, 1996).

Langkah-langkah dalam analisis pengklasteran secara umum adalah :

1. Memilih ukuran similaritas atau kemiripan.

2. Keputusan untuk memilih tipe teknik pengklasteran yang digunakan.

3. Tipe metoda pengklasteran yang digunakan.

4. Keputusan penentuan jumlah kluster serta interpretasi hasil pengklasteran.

Menurut Yin (2002) prosedur pengklasteran yang banyak dikenal dalam desain formasi sel manufaktur adalah single linkage clustering (SLC), complete linkage clustering (CLC), dan average linkage clustering (ALC). Masing-masing metode akan dijelaskan sebagai berikut :

1. Single Linkage Clustering (SLC)

    Masukan untuk teknik SLC dapat berupa jarak (distance) atau kemiripan (similarities) antara pasangan objek. Kelompok dibentuk dari individual entity melalui penggabungan nearest neighbors, yaitu jarak terkecil atau kemiripan terbesr.

    Sebagai permulaan yang harus ditemukan adalah jarak dalam D = {Dij} dan menggabungkan objek-objek yang berhubungan misalkan U dan V untuk mendapatkan kluster (UV) dan setiap kluster W  dapat dihitung :

      D(uv)w = min (Duw, Dvw)

      Dalam hal ini kuantitas Duw dan Dvw adalah jarak-jarak antara nearest neighbors dari kluster U dan W dan kluster V dan W. Hasil dari pengklasteran dapat digambarkan secara grafik yang ditampilkan dalam bentuk dendogram atau diagram pohon.

2. Complete Linkage Clustering (CLC)

    CLC dapat dikatakan mempunyai pengertian yang sama dengan SLC namun dengan sebuah pengecualian penting yaitu setiap tahap jarak (ketidakmiripan) antara kluster ditentukan oleh jarak atau kemiripan antara dua elemen adalah yang paling jauh (most distant) CLC menjamin bahwa semua item dalam sebuah kluster adalah dalam jarak yang maksimum atau minimum kemiripan satu sama lain.

    Permulaan yang harus ditemukan adalah jarak minimum dalam D = {Dij) dan menggabungkan objek-objek yang berhubungan misalkan U dan V untuk mendapatkan klaster (UV) dan setiap klaster W dapat dihitung sebagai berikut :

     
     D(uv) = maks {Duw, Dvw}

     Dalam hal ini Duw dan Dvw adalah jarak-jarak antara anggota paling jauh dari klaster U dan W dan klaster V dan W.

3. Average Linkage Clustering (ALC)

    ALC memperlakukan jarak antara dua klaster sebagai jarak rata-rata antara semua pasangan item dimana satu anggota dari sebuah pasangan teerhadap setiap klaster.

    Masukan ALC bisa jarak atau kemiripan dan metoda dapat digunakan untuk mengelompokkan objek atau variabel. ALC bekerja dimulai dengan pencarian matriks jarak D = {Dij} untuk menemukan objek yang paling mirip, misalkan U dan V.