Perbandingan Ukuran Jarak pada Analisis Kluster Hirarki

Analisis klaster merupakan salah satu metode statistik untuk mengelompokkan objek berdasarkan kemiripan. Pada data kategorik, pemilihan ukuran jarak menjadi aspek penting karena memengaruhi struktur dan interpretasi klaster yang terbentuk. Penelitian ini bertujuan untuk membandingkan performa enam ukuran jarak Gower, Goodall1, Goodall2, Goodall3, Goodall4, dan Anderberg dalam analisis klaster hierarki menggunakan data kategorik dari Indonesian Family Life Survey (IFLS-5). Metode yang digunakan adalah hierarchical agglomerative clustering, dengan tahap awal pembersihan data dan konversi ke tipe faktor agar sesuai dengan karakteristik pengukuran jarak kategorik. Evaluasi hasil klaster dilakukan dengan dua indeks validasi internal, yaitu Silhouette dan Dunn, serta metrik eksternal Adjusted Rand Index (ARI) untuk menilai stabilitas klaster melalui proses bootstrapping. Ketiga metrik tersebut digunakan secara komplementer: Silhouette mengevaluasi konsistensi lokal anggota klaster (dengan nilai ? 0.5 umumnya dianggap baik), Dunn mengukur pemisahan antar-klaster secara global (semakin tinggi semakin baik), sementara ARI menunjukkan konsistensi struktur klaster terhadap variasi data (nilai mendekati 1 menunjukkan stabilitas tinggi). Hasil menunjukkan bahwa setiap ukuran jarak menghasilkan struktur klaster yang berbeda. Di antara semua ukuran yang diuji, Goodall4 memberikan hasil terbaik karena membentuk klaster yang mudah diinterpretasikan, memiliki nilai indeks Silhouette dan Dunn yang relatif tinggi, serta skor ARI mendekati sempurna. Hal ini mengindikasikan bahwa Goodall4 merupakan alternatif yang layak direkomendasikan dalam kasus serupa.