Oleh:
Juni Minarti Pakpahan NIM 082244510006 Program Studi Matematika
SKRIPSI
Diajukan Untuk Memenuhi Syarat Memperoleh Gelar Sarjana Sain
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI MEDAN
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang
telah melimpahkan rahmat dan karunia-Nya sehingga skripsi ini dapat
diselesaikan dengan baik. Skripsi ini berjudul “Pengelompokan Sekolah Menengah Pertama Berdasarkan Rata-rata Nilai Ujian Akhir Nasional Di Kota Binjai Dengan Analisis Hierrarkhi Clustering.” Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh gelar Sarjana Sains di Universitas Negeri
Medan.
Dalam kesempatan ini, penulis menyampaikan ucapan terima kasih kepada
berbagai pihak yang telah membantu menyelesaikan skripsi ini, mulai dari
pengajuan proposal penelitian, sampai kepada penyusunan skripsi antara lain
kepada: Bapak Prof. Dr. Ibnu Hajar, M.Si., selaku Rektor Universitas Negeri
Medan, Bapak Prof. Drs. Motlan, M.Sc, Ph.D., selaku Dekan Fakultas
Matematika dan Ilmu Pengetahuan Alam, Bapak Drs. Syafari, M.Pd., selaku
Ketua Jurusan Matematika, Bapak Drs. Yasifati Hia, M.Si., selaku Sekretaris
Jurusan Matematika, Ibu Dra. Nerli Khairani, M.Si., selaku Ketua Program Studi
Matematika dan Pembimbing Skripsi yang telah banyak membimbing penulis
dalam menyelesaikan skripsi ini, Bapak Drs. H.Banjarnahor, M.Pd., selaku
pembimbing akedemik, Bapak Mulyono, S.Si, M.Si., Bapak Drs. J. Ambarita,
M.Pd., dan Bapak Dr. Edy Surya, M.Si., selaku dosen penguji yang telah banyak
memberikan saran dalam penyusunan skripsi ini. Ucapan terima kasih juga
disampaikan kepada Bapak Drs. H. Dwi Anang Wibowo, M.Pd., selaku kepala
Dinas Pendidikan dan Pengajaran Kota Binjai serta staf-staf pegawai di kantor
Dinas Pendidikan dan Pengajaran Kota Binjai yang telah memberikan izin untuk
mengadakan penelitian. Dan juga seluruh staf pengajar Jurusan Matematika
FMIPA yang telah memberikan bimbingan kepada penulis semenjak mengikuti
perkuliahan. Secara khusus kepada Ayahanda Barmen Pakpahan dan Ibunda
tercinta Pittauli Tampubolon serta seluruh keluarga untuk segala doa, kasih
v
teman-teman terkasih Tika E Purba, S.Si., Ernawati D Pane, S.Si., Kristina A
Silalahi, S.Si, Ketty Krisna dan Natalenta Tarigan yang selalu memberi motivasi
kepada penulis dan juga saya ucapkan terima kasih kepada teman-temanku
seperjuangan Non-Dik’08 yang tidak dapat saya sebutkan satu persatu yang
selama ini selalu memberikan dukungan, semangat, dan doa. Serta semua pihak
yang turut membantu penyelesaian skripsi ini yang tidak dapat disebutkan satu per
satu.
Semoga skripsi ini bermanfaat dan menambah wawasan bagi kita semua.
Akhir kata, penulis mengucapkan terima kasih.
Medan, Agustus 2013
Penulis
PENGELOMPOKAN SEKOLAH MENENGAH PERTAMA BERDASARKAN RATA - RATA NILAI UJIAN AKHIR
NASIONAL DI KOTA BINJAI DENGAN ANALISIS HIERRARKHI CLUSTERING
Juni Minarti Pakpahan (082244510006) ABSTRAK
Pendidikan bertujuan untuk mengembangkan potensi anak agar memiliki kecerdasan, dan berakhlak mulia, serta memiliki keterampilan yang diperlukan sebagai anggota masyarakat dan warga negara. Untuk melihat tingkat pencapaian tujuan pendidikan dan kualitas pendidikan tersebut diperlukan suatu bentuk evaluasi. Ujian Akhir Nasional merupakan salah satu alat evaluasi yang dikeluarkan pemerintah untuk melakukan evaluasi pada pendidikan yang telah ditempuh siswa sekolah. Perolehan nilai ujian akhir nasional di setiap sekolah yang relatif berbeda dapat dijadikan acuan oleh pemerintah dalam rangka peningkatkan dan pemerataan kualitas pendidikan. Oleh karena itu diperlukan suatu analisis untuk mengukur kualitas pendidikan yang bertujuan mengelompokkan sekolah menengah pertama berdasarkan perolehan nilai ujian akhir nasional dengan metode yang digunakan adalah analisis hierrarkhi clustering. Dari hasil analisis didapatkan tiga cluster yang terbentuk dimana cluster pertama berisi 25 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 7,93 digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang sedang. Cluster kedua berisi 19 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 8,67 dan digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang tinggi dan memiliki kualitas pendidikan yang baik. Cluster ketiga berisi 6 sekolah menengah pertama yang mempunyai nilai rata-rata UAN sebesar 7,05 dan digolongkan sebagai sekolah menengah pertama dengan perolehan nilai UAN yang rendah dan memiliki kualitas pendidikan yang tidak baik.
v
2.1.1. Karakteristik Analisis Multivariat 8 2.1.2. Klasifikasi Teknik-teknik Analisis Multivariat 8
2.2 Analisis Cluster 9
2.2.1. Pengertian Analisis Cluster 9
2.2.2. Tujuan Analisis Cluster 11
2.3 Fungsi Analisis Cluster 13
2.4 Proses Analisis Cluster 14
2.4.1. Merumuskan Masalah 14
2.4.2. Mengukur Kesamaan antar Objek 14
2.4.3. Memilih Prosedur Cluster 16
2.4.4. Menentukan Jumlah Cluster 21
2.4.5. Menginterpretasikan Cluster yang Terbentuk 22 2.5 Aplikasi Komputer (Program SPSS) 22
BAB III METODE PENELITIAN
3.1Tempat dan Waktu Penelitian 27
3.2Jenis Penelitian 27
3.3Prosedur Penelitian 27
BAB IV PEMBAHASAN
4.1 Pengumpulan Data 30
4.2 Pengolahan Data 32
4.2.2 Mengukur Jarak Antara Dua Objek 32
4.2.3 Prosedur Cluster 34
4.2.4 Menentukan Jumlah Cluster 39
4.2.5 Menginterpretasikan Cluster 41
4.3 Indikator Pendidikan 43
4.4 Perbandingan Hasil Dengan Penelitian Lain 45
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan 46
5.2 Saran 46
viii
DAFTAR TABEL
Halaman Tabel 4.1 Data Nilai Ujian Akhir Nasional Tahun Ajaran 30
2011-1012 Pada masing-masing SMP/MTs di Kota Binjai
Tabel 4.2 Hasil Pengelompokan SMP/MTs di Kota Binjai 40 dengan metode Single Linkage
Tabel 4.3 Perbandingan Rata-rata Nilai Ujian Akhir Nasional 41
Tabel 4.4 Cluster Yang Terbentuk 42
DAFTAR GAMBAR
Halaman
Gambar 2.1 Diagram Venn 12
Gambar 2.2 Ilustrasi Pengukuran Jarak 15
Gambar 2.3 Contoh Pengukuran Jarak 15
Gambar 2.4 Ilustrasi Algoritma Hierrarkhi Clustering 16
Gambar 2.5 Dendogram 17
Gambar 2.6 Ilustrasi Single Linkage 18
Gambar 2.7 Ilustrasi Complete Linkage 18
Gambar 2.8 Ilustrasi Average Linkage 19
Gambar 2.9 Ilustrasi Centroid Linkage 19
Gambar 2.10 Kotak dialog Hierarchical Cluster Analysis 23
Gambar 2.11 Kotak dialog Variable 23
Gambar 2.12 Kotak dialog Label Cases by 24
Gambar 2.13 Kotak dialog Statistics 24
Gambar 2.14 Kotak dialog Plots 25
ix
DAFTAR LAMPIRAN
Lampiran 1. Data Nilai Ujian Akhir Nasional Tahun Ajaran 2011-1012 pada
masing-masing SMP/MTs di Kota Binjai
Lampiran 2. Data Komponen Indikator Pendidikan pada masing-masing SMP/MTs di Kota Binjai
Lampiran 3. Proximity Matrix
Lampiran 4. Agglomeration Schedule
Lampiran 5. Cluster Membership
BAB I PENDAHULUAN
1.1.Latar Belakang Masalah
Dalam Undang-undang RI Nomor 20 Tahun 2003 tentang Sistem
Pendidikan Nasional, Pasal 1 ayat (1) disebutkan bahwa “Pendidikan adalah usaha
sadar dan terencana untuk mewujudkan suasana belajar dan proses pembelajaran
agar peserta didik secara aktif mengembangkan potensi dirinya untuk memiliki
kekuatan spiritual keagamaan, pengendalian diri, kepribadian, kecerdasan, akhlak
mulia, serta keterampilan yang diperlukan dirinya, masyarakat, bangsa dan
negara”. Dan pada Pasal 3 dijelaskan bahwa dalam pelaksanaannya pendidikan
harus sesuai dengan tujuan pendidikan nasional yaitu: mengembangkan
kemampuan dan membentuk watak serta peradaban bangsa yang bermartabat
dalam rangka mencerdaskan kehidupan bangsa, mengembangkan potensi peserta
didik agar menjadi manusia yang beriman dan bertakwa kepada Tuhan Yang
Maha Esa, berakhlak mulia, sehat, berilmu, cakap, kreatif, mandiri, dan menjadi
warga negara yang demokratis serta bertanggung jawab.
Seperti diketahui di eraglobalisasi pendidikan merupakan salah satu
kebutuhan sehingga tidak dapat dipisahkan dari kehidupan sehari-hari. Pada saat
ini permasalahan yang dihadapi bangsa ini dalam peningkatan mutu pendidikan
adalah rendahnya mutu pendidikan di berbagai jenjang pendidikan, baik
pendidikan formal maupun informal. Dapat dilihat ataupun dibuktikan pada data
Indeks Pembangunan Pendidikan Untuk Semua atau Education For All (EFA) di
Indonesia menurun tiap tahunnya. Tahun 2011 Indonesia berada diperingkat 69
dari 127 negara dan merosot dibandingkan tahun 2010 yang berada pada posisi
65. Indeks yang dikeluarkan pada tahun 2011 oleh United Nations Educational,
Scientific and Cultural Organization (UNESCO) ini lebih rendah dibandingkan
Brunei Darussalam yang berada pada posisi 34, serta terpaut empat peringkat dari
Malaysia pada posisi 65 (Setiawan, 2012).
2
Mutu pendidikan nasional dan pengajaran perlu dipantau terus-menerus
dalam setiap tahap dan langkah kegiatan pendidikan. Pantauan itu ditujukan
sebagai upaya pengendalian mutu pendidikan dan lebih jauh sebagai penjaminan
mutu pendidikan. Upaya inilah yang dimaksud dalam UU No. 20 tahun 2003 dan
Kepmendiknas No. 153/U/2003 dan dikenal dengan Ujian Akhir Nasional
(UAN/UN). Ujian Akhir Nasional merupakan fungsi pengendalian mutu
pendidikan (educational quality control) dan fungsi penjaminan mutu pendidikan
(educational quality assurance). Berdasarkan Permendiknas No. 34/2007 hasil
Ujian Akhir Nasional (UAN/UN) digunakan sebagai salah satu pertimbangan
untuk:
1. Pemetaan mutu satuan dan/atau program pendidikan,
2. Seleksi masuk jenjang pendidikan berikutnya,
3. Penentuan kelulusan peserta didik dari program dan/atau satuan pendidikan,
4. Pembinaan dan pemberian bantuan kepada satuan pendidikan dalam upaya
peningkatan mutu pendidikan.
Dan pada Ujian Akhir Nasional (UAN/UN) tahun 2008, mata pelajaran yang
diujikan untuk jenjang SMP/MTs adalah Bahasa Indonesia, Bahasa Inggris,
Matematika dan Ilmu Pengetahuan Alam (Sjafrudin, 2010).
Mutu sekolah merupakan hasil yang dicapai oleh kinerja sekolah. Dalam
bidang akademik, mutu sekolah dikaitkan dengan hasil pencapaian prestasi siswa
di dalam Ujian Akhir Nasional (UAN) (Sujita, 2009). Perolehan nilai ujian akhir
nasional di setiap sekolah yang relatif berbeda dapat dijadikan acuan oleh
pemerintah dalam rangka peningkatkan dan pemerataan kualitas pendidikan di
Indonesia pada umumnya dan khususnya di kota Binjai. Oleh karena itu,
pemerintah pusat maupun pemerintah daerah juga harus memperhatikan perolehan
nilai UAN yang diperoleh setiap sekolah. Ujian akhir nasional memang tidak
dapat dijadikan satu-satunya tolak ukur kualitas pendidikan di sekolah akan tetapi
ujian akhir nasional merupakan indikator pertama dan paling terlihat di
masyarakat untuk mengukur kualitas pendidikan.
Salah satu cara yang dapat digunakan untuk mengukur kualitas
setiap sekolah. Hasil pengelompokan diharapkan dapat digunakan untuk
mengevaluasi kinerja sebelumnya, merencanakan dan menargetkan peningkatan
mutu sekolah serta membuat peringkat sekolah. Dalam mengevaluasi kinerja
sekolah diperlukan informasi tentang keunggulan dan kekurangan terhadap
berbagai peubah yang mempengaruhi mutu sekolah, berdasarkan hasil yang
dicapai pada tahun sebelumnya dari masing-masing sekolah. Hal ini berkaitan
dengan penyusunan rencana dan target peningkatan mutu sekolah pada tahun
berikutnya. Oleh karena itu diperlukan suatu analisis untuk memperoleh hasil
yang lebih terinci dalam pengelompokan sekolah sehingga informasi yang
diperoleh merupakan gambaran mutu sekolah berdasarkan hasil UAN dan
peubah-peubah yang mempengaruhinya.
Salah satu metode yang cukup populer untuk menjawab permasalahan ini
adalah analisis cluster. Menurut Hair J.F., dkk (2006), cluster analysis adalah
sebuah nama untuk kelompok dalam teknik multivariate yang intinya bertujuan
untuk mengelompokkan objek berdasarkan karakteristik yang dimiliki objek
tersebut. Hasil dari pengelompokkan objek harus dapat menunjukkan
homogenitas internal yang tinggi (dalam cluster) dan heterogenitas eksternal yang
tinggi juga (antara cluster).
Chen, dkk (2008) melakukan penelitian untuk melihat bagaimana analisis
cluster diterapkan untuk menemukan strategi dan kombinasi jumlah maksimum
lomba yang dapat membantu atlit renang dalam mencapai prestasi terbaik pada
masing-masing jarak lomba. Moore, dkk (2010) juga melakukan penelitian untuk
mengidentifikasi sakit asma phenotypes dengan menggunakan analisis cluster.
Atau kita mungkin tertarik untuk mengelompokkan individu berdasar pada
persamaan mereka terhadap sikap sosial, kepribadian, golongan darah, penyakit
yang di derita, atau kebutuhan konsumen. Tumbuhan atau binatang, keseluruhan
jenisnya yang sudah dikenal, bisa jadi pengelompokannya didasarkan pada
berbagai analisis, fisiologis, atau karakteristik lingkungan. Dengan cara yang
sama, perlombaan, agama, kultur, bijih-bijihan, fosil, atau artefak arkeologi bisa
4
Singkatnya, apapun objeknya analisis cluster dapat diberlakukan (Kachigan,
1986).
Menurut Armawati (2008), analisis cluster memiliki beberapa keunggulan,
yaitu:
1. Dapat mengelompokan data observasi dalam jumlah besar dan variabel yang
relatif banyak. Data yang direduksi dengan kelompok akan mudah dianalisis.
2. Dapat dipakai dalam skala data ordinal, interval dan rasio
Dan kelemahan dari analisis cluster, adalah:
1. Pengelompokan bersifat subyektifitas peneliti karena hanya melihat dari
gambar dendrogram
2. Untuk data yang terlalu heterogen antara objek penelitian yang satu dengan
yang lain akan sulit bagi peneliti untuk menentukan jumlah kelompok yang
dibentuk.
3. Metode-metode dipakai memberikan perbedaan yang signifikan, sehingga
dalam perhitungan biasanya masing-masing metode dibandingkan.
4. Semakin besar observasi, biasanya tingkat kesalahan pengelompokan akan
semakin besar.
Secara umum terdapat dua metode pengelompokan data yaitu metode
pengelompokan hierrarkhi dan non hierrarkhi. Analisis cluster dengan metode
hierrarkhi adalah analisis yang mana melakukan pengelompokkan data dengan
cara mengukur jarak pada setiap objek. Kemudian membentuk sebuah
dendogram. Dari dendogram ini akan dapat dilihat obyek mana saja yang
berdekatan. Dari dendogram tersebut dapat pula digunakan untuk menentukan
kelas yang akan dibentuk. Sedangkan analisis cluster dengan menggunakan
metode non hierrarkhi adalah metode pengelompokkan dengan menentukan
banyak kelas terlebih dahulu. Setelah menentukan berapa kelas yang ingin
dibentuk, baru dilakukan analisis dengan menggunakan metode K- means atau
dengan mengelompokkan objek berdasarkan rata-rata, dan mengelompokkan
dahulu objek mana yang paling dekat dengan rata-rata yang terbentuk (Attha,
Perbedaan hasil pengelompokan antar kedua metode adalah pada
penentuan jumlah cluster. Pada metode hierrarkhi, penentuan atau pemilihan
jumlah cluster dilakukan dengan proses clustering dengan kata lain jumlah cluster
tidak dapat diketahui sebelumnya, yang hasilnya diserahkan sepenuhnya pada
peneliti dengan mengedepankan subyektifitas sesuai dengan tujuan penelitian. Hal
ini mengakibatkan cluster yang terbentuk bisa saja sejumlah 4, 5, 3 atau 2 terkait
subyektifitas peneliti. Sedangkan pada metode non hierrarkhi, penentuan atau
pemilihan jumlah cluster sudah harus ditentukan di awal sebelum proses
clustering berjalan, sehingga hasil akhirnyapun akan terbentuk jumlah cluster
yang sama (Wijaya, 2010).
Penentuan metode mana yang akan dipakai tergantung kepada peneliti
dan konteks penelitian dengan tidak mengabaikan substansi, teori dan konsep
yang berlaku. Keduanya memiliki kelebihan sendiri-sendiri. Keuntungan metode
hierrarkhi adalah cepat dalam proses pengolahan sehingga menghemat waktu,
namun kelemahan metode ini tidak mungkin layak ketika kumpulan data besar
digunakan karena tingginya jumlah perhitungan jarak yang diperlukan dalam
setiap langkah satu penggabungan responden (Everitt, 1993). Metode non
hierrarkhi memiliki keuntungan lebih daripada metode hierrarkhi yaitu
mempunyai kemampuan mengelompokkan data dalam jumlah yang cukup besar
dengan waktu komputasi yang relatif cepat dan efisien (Noor dan Hariadi, 2009).
Sedangakan kelemahan dari metode ini ialah bahwa banyaknya cluster harus
disebutkan/ditentukan sebelumnya dan hasil pengclusteran bergantung pada
bagaimana pusat (centers) dipilih (Supranto, 2004).
Dari uraian tersebut maka dilakukan penelitian dengan mengelompokkan
seluruh sekolah menengah pertama yang ada di Kota Binjai berdasarkan
perolehan nilai ujian akhir nasional pada tahun ajaran 2011/2012. Berdasarkan
wawancara yang dilakukan peneliti pada tanggal 10 Januari 2013 dengan Drs. H.
Dwi Anang Wibowo, M.Pd didapat informasi bahwa jumlah sekolah menengah
pertama yang ada di kota Binjai ada sebanyak 39 buah Sekolah Menengah
Pertama dan 11 buah Madrasah Tsanawiyah setingkat SMP. Analisis yang
6
analisis ini karena memiliki keunggulan yaitu cepat dalam proses
pengelompokkannya sehingga dapat menghemat waktu penelitian, selain itu
karena data yang akan dianalisis berukuran relatif kecil maka lebih baik
menggunakan analisis ini untuk proses pengelompokkannya mengingat
kelemahan dari metode ini yang tidak baik jika diterapkan untuk menganalisis
sampel dengan ukuran besar. Diharapkan penggunaan analisis hierrarkhi
clustering ini mampu mengklasifikasikan tiap-tiap sekolah menengah pertama
dengan baik, sehingga diperoleh suatu kesimpulan yang dapat dijadikan salah satu
rujukan dalam program peningkatan kualitas pendidikan.
Berdasarkan hal diatas, maka penulis tertarik untuk meneliti dan mengangkat
judul penelitian yaitu “Pengelompokan Sekolah Menengah Pertama Berdasarkan Rata - Rata Nilai Ujian Akhir Nasional Di Kota Binjai Dengan Analisis Hierrarkhi Clustering”.
1.2.Rumusan Masalah
Bagaimana bentuk pengelompokan Sekolah Menengah Pertama di kota
Binjai dengan menggunakan analisis hierrarkhi clustering?
1.3.Batasan Masalah
Agar pembahasan masalah dalam tulisan ini tidak menyimpang, maka
diperlukan beberapa batasan masalah yaitu sebagai berikut:
1. Data yang digunakan adalah data nilai Ujian Akhir Nasional (UAN) tahun
pelajaran 2011/2012 pada Sekolah Menengah Pertama di kota Binjai.
2. Analisis yang digunakan di dalam menyelesaikan permasalahan ini adalah
analisis hierrarkhi clustering.
1.4.Tujuan Penelitian
Adapun tujuan penelitian adalah untuk mengelompokkan sekolah
menengah pertama di kota Binjai berdasarkan perolehan nilai ujian akhir nasional
1.5.Manfaat Penelitian
Adapun manfaat penelitian adalah sebagai berikut:
1. Bagi Dinas Pendidikan & Pengajaran kota Binjai, hasil penelitian ini
memberikan informasi mengenai sekolah menengah pertama mana saja yang
harus lebih diberi pembinaan oleh pemerintah kota Binjai.
2. Bagi peneliti, memperoleh pengetahuan mengenai proses penyelesaian
masalah pengelompokan sekolah menengah pertama di kota Binjai dengan
menggunakan analisis hierrarkhi clustering.
3. Sebagai bahan masukan bagi pembaca atau pemakai informasi tentang
penggunaan analisis hierrarkhi clustering.
4. Hasil penelitian ini dapat memberikan kontribusi terhadap ilmu pengetahuan
khususnya pada kajian matematika terapan yaitu mengenai analisis hierrarkhi
46 BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Dari hasil penelitian dan pengolahan data yang telah dilakukan, maka
diambil kesimpulan bahwa dengan menggunakan analisis hierrarkhi clustering,
50 sekolah menengah pertama di kota Binjai dikelompokkan menjadi tiga cluster,
yaitu: cluster pertama adalah kelompok sekolah menengah pertama dengan
perolehan rata-rata nilai ujian akhir nasional yang sedang terdiri dari 25 sekolah
menengah pertama, cluster kedua adalah kelompok sekolah menengah pertama
dengan perolehan rata-rata nilai ujian akhir nasional yang tinggi terdiri dari 19
sekolah menengah pertama, dan cluster ketiga adalah kelompok sekolah
menengah pertama dengan perolehan rata-rata nilai ujian akhir nasional yang
rendah terdiri dari 6 sekolah menengah pertama.
5.2. Saran
Setelah mengetahui tingkat kualitas pendidikan pada sekolah menengah
pertama di kota Binjai, diharapkan bagi Pemerintah Daerah lebih memfokuskan
perbaikan pada masalah atau kendala utama yang dihadapi masing-masing
sekolah, terutama yang berada pada cluster dua dan cluster tiga, agar
sekolah-sekolah tersebut juga menghasilkan siswa-siswi yang berprestasi seperti halnya
sekolah lainnya. Dan untuk sekolah yang berada pada kelompok tinggi agar bisa
DAFTAR PUSTAKA
Attha, L., (2011), Analisis Cluster Untuk Mengidentifikasikan Pemerataan IPM Jawa Timur Tahun 2008., Skripsi, Fakultas Sains dan Teknologi, Universitas Negeri Maulana Malik Ibrahim, Malang.
Agusta, Y., (2007), K-Means – Penerapan, Permasalahan dan Metode Terkait, Jurnal Sistem dan Informatika 3: 47-60.
Armawati., (2008). http://armawati.wordpress.com/2008/02/18/analisis-cluster/ (diakses tanggal 20 Januari 2013).
Budhi, G.S., Rahardjo, A.I., Taufik, H.; Hierarchical Clustering Untuk Aplikasi Automated Text Integration. Seminar Nasional Aplikasi Teknologi Informasi 2008.
Chen, I., Chen, M.Y., Jin, C., dan Yan, H., (2008), Large-scale Cluster Analysis of Elite Male and Female Swimmers’Race Patterns, International Journal of Sports Science and Engineering 02: 123-128.
Dewan Perwakilan Rakyat Indonesia dan Presiden Republik Indonesia, (2003), Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional, Dewan Perwakilan Rakyat Indonesia: Jakarta.
Everit, B.S., (1993), Cluster Analysis, Third Edition, Halsted Press an Imprint of John Wiley and Sons Inc, New York.
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Medan. (2010), Pedoman Penulisan Proposal dan Penulisan Skripsi Mahasiswa Program Studi Sains, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan, Medan.
Finch, H., (2005), Comparison of Distance Measures in Cluster Analysis with Dichotomous Data, Journal of Data Science 3: 85-100.
Hair J.F., Black W.C., Babin B.J., Anderson R.E., dan Tatham R.L., (2006), Multivariate Data Analysis, Sixth Edition, Pearson Education, Inc and Dorling Kindersley, India.
Johnson, R. A., dan Wichern, D. W., (2007), Applied Multivariate Statistical Analysis, Sixth Edition, Pearson Education, Inc, New Jersey.
Kachigan, S.K., (1986), Statistical Analysis, Radius Press, New York.
48
Moore, C.W., Meyers, D.A., dan Wenzel, S.E., (2010), Identification of Asthma Phenotypes Using Cluster Analysis in the Severe Asthma Research Program, Journal of Respiratory and Critical Care Medicine 181: 315-323.
Narimawati, U., (2008), Teknik-teknik Analisis Multivariat untuk Riset Ekonomi, Graha Ilmu, Yogyakarta.
Noor, M.H., dan Hariadi, M.; Image Cluster Berdasarkan Warna Untuk Identifikasi Kematangan Buah Tomat Dengan Metode Valley Tracing, Seminar Nasional Informatika 2009.
Santoso, S., (2002), Buku Latihan SPSS Statistik Multivariat, PT Elex Media Komputindo, Jakarta.
Saparita, R., dan Komara, R., (1997), Analisis Gerombol Untuk Mengklasifikasi Objek Penelitian, Buletin IPT III: 20-23.
Setiawan, R., (2012), Masalah Pendidikan Di Indonesia Dan Solusinya. http://positivego.blogspot.com/2012/11/masalah-pendidikan-di-indonesia.html (diakses tanggal 28 Desember 2012).
Sitanggang, A.ST., (2010), Analisis Cluster Untuk Mengklasifikasikan Mesin Produksi Pada Pabrik Kayu PT. HERPANTA MAS ABADI Dalam Kebutuhan Penggantian Mesin., Skripsi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan, Medan.
Sjafrudin, A., (2010), Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008. http://izaskia.files.wordpress.com/2010/04/analisis-hasil-ujian-nasional-madrasah-tsanawiyah.pdf (diakses tanggal 15 Desember 2012).
Sujita, (2009), Analisis Biplot Untuk Memetakan Mutu Sekolah Yang Sesuai Dengan Nilai Ujian Nasional., Tesis, Sekolah Pascasarjana, Institut Pertanian Bogor, Bogor.
Suliyanto, (2005), Analisis Data Dalam Aplikasi Pemasaran, Ghalia Indonesia, Bogor.
Supranto, J, (2004), Analisis Multivariat, Arti dan Interpretasi, Rineka Cipta, Jakarta.
Widyastuti, N.; Metode Clustering Data Biner, Seminar Nasional Aplikasi Sains
dan Teknologi 2008 – IST AKPRIND Yogyakarta.
