ANALISIS MULTIDIMENSIONAL SCALING

I. Prinsip Dasar dan Tujuan Analisis

Analisis Multidimensional Scalling (MDS) merupakan salah satu teknik peubah
ganda yang dapat digunakan untuk menentukan posisi suatu obyek relatif terhadap obyek
lainnya berdasarkan penilaian kemiripannya. MDS disebut juga Perceptual Map. MDS
berhubungan dengan pembuatan map untuk menggambarkan posisi sebuah obyek dengan
obyek lain berdasarkan kemiripan obyek-obyek tersebut.
Berdasarkan skala pengukuran dari data kemiripan, MDS dibedakan atas:
MDS berskala metrik, bila skala pengukuran datanya interval atau rasio
MDS berskala nonmetrik, bila skala pengukuran datanya nominal atau ordinal.
MDS digunakan untuk mengetahui hubungan interdepensi atau saling
ketergantungan antarvariabel/data. Hubungan ini tidak diketahui melalui reduksi ataupun
pengelompokan variabel, melainkan dengan membandingkan variabel yang ada pada tiap
obyek yang bersangkutan dengan menggunkan perceptual map. Konsep dasar MDS adalah
pemetaan.
II. Format Data Dasar dan Program Komputer yang Digunakan]
Data yang digunakan dalam dalam analisis ini dapat berupa data metrik dan
nonmetrik. Data yang dimasukkan dalam tabulasi adalah skor total data metrik atau
nonmetrik pada setiap variabelnya. Software yang digunakan SPSS.
III. Model Matematis dan Algoritma Pokok Analisis
Andaikan diketahui bahwa D =[d
ij
] merupakan matriks berunsur ketakmiripan antar
n objek. Dari informasi ini ingin diperoleh konfigurasi n objek atau titik dalam ruang
berdimensi -k yang jarak Euclid antar objeknya sedapat mungkin memiliki urutan yang
sama dengan ketakmiripan antar objek yang ada.
Berikut ini tahapan yang biasanya dilakukan setelah penentuan dimensi konfigurasi
yang diinginkan, misalnya -k:
1. Tentukanlah konfigurasi awal dari n objek dalam ruang berdimensi -k, yaitu
koordinat (x
1
, x
2
, , x
k
) bagi setiap objek
2. Hitung jarak Euclid antar objek dari konfigurasi tersebut, katakanlah
ij
sebagai
jarak Euclid antara objek ke -i dengan objek ke -j
3. Lakukan regresi monotonik d
ij
terhadap
ij
misalnya regresi linear sederhana
ij
= a
+ b d
ij
+ e. Regresi monotonik dalam masalah ini memberi kendala bahwa jika d
ij
naik maka
ij
juga akan naik atau tetap. Hasil dugaan yang diperoleh adalah
ij

4. Hitung nilai STRESS yang merupakan ukuran kesuaian antara konfigurasi yang ada
dengan ukuran kemiripan yang diinginkan
5. Untuk mengurangi nilai STRESS (bila masih mungkin) sesuaikan konfigurasi
objek dan kembali ke langkah 2.

Nilai STRESS diperoleh menggunakan rumus:
STRESS
ij ij
i
n
j
n
ij
i
n
j
n
=

= =
= =


( )

2
1 1
2
1 1
1
2


Dari hasil studi empirik Susetyo (2003: 315) memberikan petunjuk praktis tentang
kesesuaian penskalaan ordinal dikaitkan dengan nilai STRESS yang dicantumkan dalam
tabel 3.1 berikut :
Tabel 1. Kriteria Nilai Stress
No STRESS KESESUAIAN
(1) (2) (3)
1 20 Buruk
2 10 Cukup
3 5 Bagus
4 2.5 Sangat Bagus
5 0 Sempurna

Memetakan data pengamatan peubah ganda terhadap suatu obyek adalah
menempatkan nilai koordinat pada ruang berdimensi ganda. Apabila kita memiliki data
pengamatan peubah ganda pada beberapa obyek, kita dapat menentukan jarak antar
obyeknya. Jarak antar obyek bisa terlihat ketika titik-titik obyek dipetakan dalam suatu
gambar yang posisinya sesuai dengan koordinatnya. Namun, apabila data yang dimiliki
adalah data persepsi yang tidak dapat dipetakan begitu saja, maka dalam analisis
Multidimensional Scaling digunakan RSQ untuk mengetahui kedekatan antara data dengan
map. Hal ini bertujuan untuk mengetahui bagaimana data jarak antar obyek tersebut
terpetakan dalam perceptual map. RSQ (Squared Correlation) adalah proporsi keragaman
dari data yang berbentuk skala (perbedaan) pada partisi (baris, matriks, atau seluruh data)
yang dihitung untuk mengetahui jarak hubungan data.
IV. Struktur Informasi Pokok Hasil Analisis
Output yang diperoleh berupa perceptual map yang terbagi menjadi beberapa
dimensi. Minimal terbentuk dua dimensi ruang yang dapat dijadikan bahan analisis.
Menganalisis tiap dimensi dengan melihat posisi kedekatan antar obyek yang menunjukkan
kemiripan antar obyek tersebut. Dari kedekatan antar obyek dapat dikembangkan beberapa
alternatif lain, seperti apakah antar obyek tersebut dapat saling bersaing atau tidak.
Nilai STREES digunkan untuk melihat apakah hasil output mendekati keadaan
yang sebenarnya atau tidak. Semakin mendekati nol, maka output yang dihasilkan semakin
mirip dengan keadaan yang sebenarnya.
Nilai RSQ(Squared Correlation) digunakan untuk mengetahui kedekatan antara
data dengan perceptual map. Melalui RSQ kita dapat menyimpulkan apakah data yang kita
miliki dapat terpetakan dengan baik atau tidak. Nilai RSQ semakin mendekati 1 berarti data
yang ada semakin terpetakan dengan sempurna.
V. Contoh Aplikasi Analisis
Manajer Restoran Ayam Goreng Wonosobo ingin mengetahui bagaimana posisi
restorannya dibandingkan dengan para pesaingnya saat ini, yaitu KFC dan CFC. Untuk itu,
manajer tersebut memberikan kuesioner pada seratus orang konsumen yang sudah pernah
menjadi konsumen pada ketiga restoran tersebut. Kuesioner dibuat dengan menggunakan
skala likert (skala 1= STS; 2=TS, 3=KS; 4=S, 5=SS ).
Berikut hasil total skor (matriks jarak) seratus orang responden yang telah
disurvei :
Restoran KFC CFC AGW TOTAL
(1) (2) (3) (4) (5)
KFC 0 . . .
CFC 1582 0 . .
AGW 372 358 . .
TOTAL 383 369 377 0

Langkah-langkah pembuatan perceptual map :
1. Buka Software SPSS
2. Dari menu File buka submenu Open. Lalu pilih Data dan cari file yang
bersangkutan. File yang berisi skor total MDS.
3. Buka Analyze, lalu buka submenu Scale, kemudian pilih Multidimensional
Scaling.
Variables, masukkan variabel yang akan diproses. Dalam contoh ini
adalah Ayam Goreng Wonosobo, KFC, dan CFC.
Buka icon Model.
i. Level Of Measurement. Data isikan rasio.
ii. Scaling Model, pilih Individual Difference Euclidian Distance.
iii. Dimension, akan menampilkan dimensi obyek.
Buka Options.
Bagian ini menampilkan grafik apa saja yang akan dibuat. Pilih Group
Plots.
4. Continue

Output dan Analisis :
Pada analisis ini disajikan nilai S-Stress sebagai berikut :
Tabel Nilai S-Stress Setelah Tiga Kali Iterasi
Youngs Stress Formula 1
Iterasi ke- S-Stress Penambahan Nilai S-Stress
(1) (2) (3)
1 0,08637
2 0,08348 0,00289
3 0,08262 0,00085
*iterasi dihentikan karena penambahan nilai S-Stress baru dibanding nilai S-Stress sebelumnya
<0,001000
Tabel diatas menunjukkan bahwa nilai S-Stress yang baru dibandingkan dengan
nilai S-Stress sebelumnya menjadi kurang dari 0,001 setelah tiga kali iterasi sehingga
iterasi dihentikan. Adapun yang dimaksud nilai Stress adalah nilai yang menunjukkan fit
data terhadap hasil. Nilai Stress semakin mendekati nol semakin baik. Pada tabel diatas
nilai sudah menunjukkan angka 0,00085 artinya sudah mendekati nol. Nilai korelasi antara
data dengan map (peta geometris) ditunjukkan berikut ini :
Nilai Stress Kruskals Untuk RSQ
Nilai Stress adalah Kruskals Stress Formula 1
Untuk Matriks
Stress= 0,05424 RSQ = 0,95581

Tabel diatas menunjukkan nilai korelasi antara data dengan map sebesar 0,95581.
Berikut ini ditampilkan jarak antar objek pada Map Multidimensional Scaling.

D e r i v e d S t i m u l u s C o n f i g u r a t i o n
E u c l i d e a n D i s t a n c e M o d e l
D i m e n s i o n 1
2.0 1.5 1.0 .5 0.0 -.5 -1.0 -1.5 -2.0
D
i
m
e
n
s
i
o
n

2
1.5
1.0
.5
0.0
-.5
-1.0
-1.5
A G W
C F C
K F C

Gambar. Map Multidimensional Scaling terhadap Ayam Goreng Wonosobo, KFC,
dan CFC
Kedekatan jarak antar objek menunjukkan kemiripan atau performance stimulus
restoran yang ada pada Ayam Goreng Wonosobo, KFC, dan CFC. Gambar diatas
menunjukkan bahwa antara Ayam Goreng Wonosobo, KFC, dan CFC tidak memiliki
kedekatan artinya persepsi seratus orang responden masyarakat Tegal terhadap
keseluruhan aspek pendorong yang melekat pada Ayam Goreng Wonosobo, KFC, dan
CFC berbeda. Ketiga restoran siap saji tersebut menawarkan ciri khasnya masing-masing
sesuai dengan stimulus yang mereka miliki.


MEDHA WARDHANY
4-SE2