Main game di smartphone android dengan menggunakan gamepad

1.         Disini penulis menggunakan gamepad ipega PG-9068
2.         Download aplikasi putaogame di http://www.putaogame.com/index-en.html (untuk memudahkan mendapatkan game yang compatible dengan android kalian), walaupun bahasanya sulit dimengerti
3.         Download game dari aplikasi di atas
4.         Sambungkan gamepad dengan android kalian, gamepad di atas sudah menggunakan bluetooth jadi tidak perlu menyambungkan kabel data apalagi jaman sekarang banyak yang main game sambil nge-charge

5.         Selamat mencoba

BAB XI ANALISIS KLASTER

 Analisis klaster dilakukan untuk mengelompokkan objek-objek. Berdasarkan karakteristik yang dimiliki. Analisis klaster dapat dipakai pada bidang apa saja. Namun, pemakaian teknik ini lebih familiar pada bidang pemasaran karena memang salah satu kegiatan yang dilakukan dalam pemasaran  dalah pengelompokan, yang disebut segmentasi pasar.
Langkah-langkah melakukan analisis klaster dengan SPSS
  1. Buka file data cluster dengan perintah file/open/data (data yang saya miliki)
  2. Dari menu utama SPSS, pilih Analyze, classify kemudian pilih sub menu hierarchical cluster
  3. Masukkan indikator pertanyaan satu sampai dengan enam ke dalam kotak variabel
  4. Pilih tombol Statistic, lalu klik Agglomeration Schedule. Kemudian continue
  5. Lalui klik plots, kemudian pada kotak dialog yang diberikan, klik dendogram kemudian klik continue
  6. Kemudian pilih menu method pada kotak dialog utama. Pada kotak dialog yang muncul, pilih pengukuran interval lalu Squared euclidean distancen sebagai jarak dan sebagai cluster method pilih ward’s method. Tampak dilayar seperti di bawah. Lalu klik continue.

Ward Linkage

Agglomeration Schedule
Stage
Cluster Combined


Coefficients
Stage Cluster First Appears
Next Stage
Jumlah Klaster
Cluster 1
Cluster 2
Cluster 1
Cluster 2
1
14
19
0,5
0
0
9
19
2
1
6
1
0
0
7
18
3
2
13
2
0
0
17
17
4
10
16
3,5
0
0
13
16
5
7
12
5,5
0
0
7
15
6
3
8
7,5
0
0
15
14
7
1
7
10,25
2
5
11
13
8
5
20
13,75
0
0
10
12
9
4
14
17,25
0
1
13
11
10
5
11
21,083
8
0
12
10
11
1
17
26,633
7
0
14
9
12
5
9
32,55
10
0
17
8
13
4
10
39,45
9
4
16
7
14
1
15
47,15
11
0
15
6
15
1
3
57,275
14
6
19
5
16
4
18
70,708
13
0
18
4
17
2
5
85,292
3
12
18
3
18
2
4
150,792
17
16
19
2
19
1
2
288,55
15
18
0
1
Keterangan: kolom jumlah klaster adalah tambahan dari penulis, SPSS tidak memberikan
 kolom ini

Berdasarkan αglomerαtion schedule di atas, dua objek pertama yang  dipasangkan adalah responden 14 dan 19 karena pasangan ini yang memiliki koefisien jarak paling rendah. Pada tahap ini jumlah k1aster ada 19.
Pada baris pertama itu, pada kolom next stαge tertulis 9. Artinya, pada tahap ke-9, pasangan 14 dan 16 akan mendapat anggota baru, yaitu responden ke 4.
Pada tahap 2, responden 1 dan 6 dipasangkan. Artinya, koefisien jarak terendah kedua adalah pasangan ini. Lalu, berdasarkan data pada kolom next stαge, pasangan ini akan memperoleh anggota baru pada tahap ke 7
Demikian seterusnya, pada setiap tahap berkurang satu k1aster, sehingga pada tahap terakhir, yaitu tahap 19, semua responden menjadi satu k1aster, seperti terlihat pada kolom jumlah klaster. Κolom jumlah k1aster ditambahkan oleh penulis sendiri untuk memudahkan pemahaman. Analisis k1aster tidak memutuskan jumlah klaster, hanya menunjukkan jumlah anggotanya sekian, anggotanya manasaja. Κeputusan berapa jumlah klaster diambil berada di tangan peneliti sendiri.
Penentuan jumlah klaster tidak pasti, jadi tergantung pada Judge­ment peneliti. Namun, sekalipun tidak pasti, terdapat beberapa pertimbangan sebagai yaitu
1.      Teori, konsep, model ataupun pertimbangan praktis, bisa saja memberi arahan tentang jumlah klaster.
2. Dalam pengklasteran hierarkis, jarak dapat digunakan sebagai kriteria. Untuk itu, perlu mengombinasikan hasil dari skedul aglomerasi dan dendogrαm. Dai skedul aglomerasi, terlihat bahwa dari tahap pertama sampai tahap 16, peningkatan koe­fisien tidak drastis, akan tetapi lonjakan drastis sebesar 65,5 mulai terjadi pada tahap 17 dan 18, yaitu dari 85,292 (tahap 17) menjadi 150,792 (tahap 18). Ini terjadi pada saat proses aglomerasi menghasilkan tiga klaster.
3.  Lalu, pada dendogram terlihat bahwa dari sisi “Rescaled Distance Cluster Combine”, dua tahap terakhir dai dendogram, yaitu tahap “tiga klaster” dan “tahap dua klaster” memiliki jarak paling besar. Dari kedua hasil ini dapat disimpulkan bahwa keputusan tiga klaster merupakan yang terbaik.
4.  Jumlah relatif anggota klaster juga dapat dijadikan sebagai bahan pertimbangan. Perhatikan dendogram. Kalau solusinya empat k1aster, maka salah satu k1aster berisikan hanya 1 anggota, yaitu anggota nomor 18. Tentu terasa aneh kalau ada sebuah grup yang anggotanya hanya satu. Sedangkan dengan solusi tiga k1aster yang telah kita pilih, jumlah anggotanya adalah enam (klaster 1), enam (k1aster 2) dan delapan (k1aster 3).
Kesimpulan. Berdasarkan pertimbangan-pertimbangan di atas, jumlah klaster terbaik adalah tiga. Dari dendogram terlihat anggota setiap klaster. Apabila kita mulai dari atas, klaster satu beranggota­kan responden 14, 19, 4, 10, 16, dan 18. Klaster 2 beranggotakan responden 2,13,5,20,11, dan 9. Τerakhir, klaster 3 beranggotakan responden 3,8,1,6,7,12, 17, 15.
Setelah diperoleh jumlah klaster langkah selanjutnya adalah membuat intrepretasi dan  profil. Pengelompokan tidak bermιanfaat apabila kita tidak mengetahui profil setiap kelompok. Untuk menginterpretasi klaster dan membuat profil mereka, gunakan rata-rata setiap klaster pada setiap variabeΙ (yang dinamakan centroid). Centroid memungkinkan kita memberi label untuk setiap k1aster.
Tabel 7.1  Profil Klaster Satu
Responden
V1
V2
V3
V4
V5
V6
14
4
6
4
6
3
6
19
4
6
3
6
3
6
4
3
7
4
5
2
7
10
3
5
3
6
4
6
16
3
5
4
6
5
7
18
3
7
2
6
4
3
Rata-rata
3.33
6.00
3.33
5.83
3.50
5.83

Tabel 7.2  Profil Klaster Dua
Responden
V1
V2
V3
V4
V5
V6
2
2
3
2
4
5
4
13
2
3
2
5
4
4
5
2
4
2
2
7
4
20
3
4
3
4
7
3
11
2
5
2
3
5
3
9
2
7
2
3
7
3
Rata-rata
2.17
4.33
2.17
3.50
5.83
3.50

Tabel 7.3  Profil Klaster Tiga
Responden
V1
V2
V3
V4
V5
V6
3
6
3
6
4
2
3
8
7
2
7
4
2
4
1
6
5
6
3
3
4
        6      
6
4
6
3
3
4
7
5
3
6
3
3
4
12
5
4
5
4
2
4
17
4
4
7
2
2
5
15
6
5
4
2
1
4
Rata-rata
5.63
3.75
5.88
3.13
2.25
4.00
Seperti terlihat pada Tabel 7.1, k1aster satu memiliki rata-rata yang tinggi pada pernyataan-pernyataan:
V2 : Saya banyak mendengarkan nasihat teman dalam memilih perguruan tinggi
V4 : Bagi saya, kampus adalah tempat paling baik untuk meluas­kan pergaulan.
V6 : Dikampus, saya menghabiskan lebih banyak waktu bersama teman-teman.
Berdasarkan pernyataan-pernyataan tersebutlah kita menginter­pretasi profil klaster ini dan dibutuhkan kreatiνitas untuk membuat profil klaster. Mahasiswa dalam klaster ini lebih dipengaruhi oleh teman atau pertimbangan siapa teman saya dalam memilih perguruan tinggi. Oleh karena itu, kita dapat menamai klaster ini dalam bahasa ilmiah sebagai KLASTER SOSIAL, sedangkan dalam bahasa populer sebagai KLASTER GAUL.
            Langkah selanjutnya, untuk mengetahui akurasi analisis klaster, ada beberapa cara yang bisa dilakukan yaitu :

  1. Per­tama, kalau ukuran sampel besar, coba bagi sampel ke dalam dua grup secara acak.. Lalu, lakukan analisis klaster pada masing-masing grup. Kalau hasilnya sama, bolehlah kita percaya akan akurasi analisis klaster.           
  2. Kedua, dalam pemasaran analisis klaster tentunya memberikan gambaran segmen-segmen pasar yang ada. Kalau analisis klaster dapat memberikan profil yang jelas, sehingga pemasar dapat mem­prediksi perilaku setiap segmen, dapatlah kita percaya bahwa ana­lisis klaster akurat.
  3. Ketiga, lakukan analisis klaster berulang kali dengan data yang sama, tetapi dengan memakai jarak dan metode berbeda. Banding­kan hasil dari masing-masing perlakuan. Kalau hasilnya sama, pantaslah kita yakin bahwa analisis klaster yang kita lakukan aku­rat.
Langganan: Komentar (Atom)