<![CDATA[Cluster atau dalam bahasa Indonesia dapat ditulis sebagai klaster adalah nama lain dari kelompok. Pada hakekatnya, analisis klaster adalah salah satu alat pengelompokan (clustering) dalam analisis statistika multivariat yang pada akhirnya menghasilkan sejumlah klaster (kelompok). Pengelompokan dilakukan pada objek/pengamatan (baris) dalam data yang memiliki kemiripan sangat besar dengan objek/pengamatan lainnya dalam satu klaster. Kemiripan tersebut diukur menggunakan ukuran kemiripan. Analisis klaster terbagi menjadi metode hierarki dan metode non-hierarki. Metode hierarki menggunakan struktur seperti pohon pada keputusan pengelompokan objeknya. Metode non-hierarki menempatkan objek-objek ke pusat klaster terdekat ketika banyak klaster sudah ditentukan terlebih dahulu. Ada dua buah asumsi yang harus dipenuhi agar analisis klaster dapat digunakan, yaitu data bebas pencilan (outlier) dan bebas dari masalah multikolinearitas. Namun, pada kenyataannya asumsi pencilan sering kali tidak terpenuhi. Salah satu metode analisis klaster yang tahan terhadap pencilan adalah metode k-medoids atau biasa dikenal dengan nama Partitioning Around Medoids (PAM). K-medoids merupakan salah satu bagian dari metode non-hierarki. Untuk menyelesaikan pengelompokan objek menggunakan k-medoids, diperlukan iterasi yang tidak sedikit. Jika menggunakan cara manual, tentu memakan banyak waktu dan kemungkinan mengalami kesalahan yang cukup tinggi. Untuk mengatasi hal tersebut, penelitian menggunakan bahasa pemrograman R yang dirancang untuk membentuk sebuah program aplikasi pengelompokan objek berdasarkan metode k-medoids pada suatu data. Hasil dari penelitian ini adalah sebuah program aplikasi dalam bahasa R. Program ini dapat digunakan sebagai alat bantu pengelompokan objek dengan memperlihatkan proses iterasi dari pengelompokan sampai akhirnya terbentuk sejumlah klaster yang sebelumnya telah ditentukan.]]>
