MULTIDIMENSIONAL SCALING (MDS)

analisis-mds

 

Multidimensional Scaling (MDS) merupakan suatu analisis multivariat yang menunjukkan hubungan antar sejumlah objek dalam ruangan multidimensional didasarkan pada penilaian responden mengenai kemiripan / kedekatan (similarity) objek-objek tersebut. Kedekatan antar objek diperoleh menggunakan jarak Euclid antara objek ke-I dengan objek ke-j :       d_ij=√(∑_(h=1)^p▒〖(x_ih-x_jh)〗^2 )

Di mana : dij = jarak antar objek ke-i dan objek ke-j ; Xih = hasil pengukuran objek ke-i pada variabel h ; Xjh = hasil pengukuran objek ke-j pada variabel h

MDS digunakan untuk mengetahui hubungan interdepensi atau saling ketergantungan antar variabel atau data. Hubungan ini diketahui melalui perbandingan variabel yang ada pada setiap objek yang bersangkutan menggunakan perceptual map / configuration map (pemetaan).

Analisis MDS bermanfaat untuk melakukan evaluasi penempatan (positioning) merek, pengukuran citra perusahaan, segmentasi pasar, keefektifan iklan, analisis harga, keputusan jaringan kerjasama, dan pengembangan produk baru. Perceptual map dalam MDS menunjukkan adanya peluang untuk penempatan produk baru. Selain itu, juga untuk mengevaluasi konsep produk baru dan merek yang sudah ada dengan dasar untuk menentukan bagaimana pelanggan mempersepsikan/ memahami konsep baru.

Data yang digunakan pada Multidimensional Scaling (MDS) dapat berupa skala metric (skala interval atau rasio), juga bisa berskala nonmetric (skala nominal dan ordinal). Dasar penggunaan data yang berskala metric adalah mengubah input jarak atau metric ke dalam bentuk geometric sebagai outputnya. Sementara data yang berskala non metric menggunakan transformasi monoton (sama) ke data yang sebenarnya sehingga dapat dilakukan operasi aritmatika terhadap nilai ketidaksamaannya, untuk menyesuaikan jarak dengan nilai urutan ketidaksamaanya. Transformasi monoton akan memelihara urutan nilai ketidaksamaannya sehingga jarak antara objek yang tidak sesuai dengan urutan nilai ketidaksamaan diubah sedemikian rupa sehingga akan tetap memenuhi urutan nilai ketidaksamaan tersebut dan mendekati jarak awalnya.

Istilah yang ada pada penskalaan MDS adalah sebagai berikut :

  1. STRESS

STRESS merupakan ukuran ketidakcocokan (a lack of fit measurement) antara data dengan pengukuran MDS. Semakin kecil nilai STRESS menunjukan bahwa hubungan monoton yang terbentuk antara ketidaksamaan dengan disparities semakin baik dan kriteria peta konfigurasi yang terbentuk semakin sempurna.

di mana:

dik        = jarak antara obyek ke-i dan ke-k

ikh     = disparities antara obyek ke-i dan ke-k pada variabel ke-h (Young, 1999).

 

Pedoman kriteria nilai STRESS untuk mendeteksi kelayakan model yaitu:

Stress  (%) Kesesuaian
0 – 2.5 Sempurna
2.5 – 5 Sangat Bagus
5 – 10 Baik
10 – 20 Cukup
>20 Kurang
  1. R Square (R2)

Rsquare merupakan kuadrat dari koefisien korelasi yang menunjukkan proporsi varian dari optimalisasi penskalaan data yang disumbangkan oleh prosedur penskalaan multidimensional merupakan ukuran kecocokan/ ketepatan (goodness of fit measure). Artinya seberapa besar prosedur penskalaan multidimensional dalam menjelaskan varians data yang akan dilakukan penskalaan multidimensional.

  1. Peta Konfigurasi

Peta konfigurasi merupakan hubungan antara objek, dinyatakan sebagai hubungan geometris antara titik-titik di dalam ruang yang multidimensional koordinat, menunjukkan posisi (letak) suatu objek dalam suatu peta.

Iklan
Pos ini dipublikasikan di Analisis Data Kuantitatif di Malang, Analisis Data Statistik, Analisis Data Statistik Ambon, Analisis Data Statistik Bali, Analisis Data Statistik Bandung, Analisis Data Statistik Banyuwangi, Analisis Data Statistik Batam, Analisis Data Statistik Bekasi, Analisis Data Statistik Biplot, Analisis Data Statistik Blitar, Analisis Data Statistik Bogor, Analisis Data Statistik Bondowoso, Analisis Data Statistik Brunei, Analisis Data Statistik CFA, Analisis Data Statistik Cluster, Analisis Data Statistik Conjoint, Analisis Data Statistik Denpasar, Analisis Data Statistik Deskriptif, Analisis Data Statistik di Universitas Brawijaya, Analisis Data Statistik di Universitas Islam Malang, Analisis Data Statistik di Universitas Merdeka, Analisis Data Statistik di Universitas Negeri Malang, Analisis Data Statistik di Universitas UIN Maliki Malang, Analisis Data Statistik Diskriminan, Analisis Data Statistik EFA, Analisis Data Statistik GSCA, Analisis Data Statistik Inferensia, Analisis Data Statistik Jakarta, Analisis Data Statistik Jayapura, Analisis Data Statistik Jember, Analisis Data Statistik Jombang, Analisis Data Statistik Kediri, Analisis Data Statistik Klaten, Analisis Data Statistik Korespondensi, Analisis Data Statistik Lampung, Analisis Data Statistik Lombok, Analisis Data Statistik Lumajang, Analisis Data Statistik Makasar, Analisis Data Statistik Malang, Analisis Data Statistik MANOVA, Analisis Data Statistik Mataram, Analisis Data Statistik Medan, Analisis Data Statistik Multidimension Scaling (MDS), Analisis Data Statistik Nganjuk, Analisis Data Statistik Palangkaraya, Analisis Data Statistik Palembang, Analisis Data Statistik Pasuruan, Analisis Data Statistik Path, Analisis Data Statistik PLS, Analisis Data Statistik Pontianak, Analisis Data Statistik Probolinggo, Analisis Data Statistik Quality Control, Analisis Data Statistik Regresi, Analisis Data Statistik Reliabilitas Survival, Analisis Data Statistik Riau, Analisis Data Statistik Riset Operasi, Analisis Data Statistik SEM, Analisis Data Statistik Semarang, Analisis Data Statistik Sidoarjo, Analisis Data Statistik Singaraja, Analisis Data Statistik Situbondo, Analisis Data Statistik Sobel Test, Analisis Data Statistik Solo, Analisis Data Statistik Sulawesi, Analisis Data Statistik Surabaya, Analisis Data Statistik Tabanan, Analisis Data Statistik Terbaik ANCOVA, Analisis Data Statistik Terbaik ANOVA, Analisis Data Statistik Terbaik dengan AMOS, Analisis Data Statistik Terbaik dengan Eviews, Analisis Data Statistik Terbaik dengan Excell, Analisis Data Statistik Terbaik dengan GeSCA, Analisis Data Statistik Terbaik dengan Lisrel, Analisis Data Statistik Terbaik dengan Minitab, Analisis Data Statistik Terbaik dengan R, Analisis Data Statistik Terbaik dengan SAS, Analisis Data Statistik Terbaik dengan SmartPLS, Analisis Data Statistik Terbaik dengan SPSS, Analisis Data Statistik Terbaik dengan STATA, Analisis Data Statistik Terbaik dengan WarPLS, Analisis Data Statistik Terbaik di Politeknik Negeri Malang (POLINEMA), Analisis Data Statistik Terbaik di Poltekes Kemenkes, Analisis Data Statistik Terbaik di Universitas Muhammadiyah Malang, Analisis Data Statistik Terbaik di Universitas Wisnuwardhana, Analisis Data Statistik Terbaik Faktorial, Analisis Data Statistik Terbaik Korelasi, Analisis Data Statistik Time Series, Analisis Data Statistik Uji Intrumen Penelitian, Analisis Data Statistik Uji Kolmogorov, Analisis Data Statistik Uji Man Whitney, Analisis Data Statistik Uji T-Student, Analisis Data Statistik Uji Wilcoxon, Analisis Data Statistik Yogyakarta, Analisis Data Statitsik Uji Asumsi Klasik, jasa olah data banyuwangi, jasa olah data malang, Konsultasi Statistik Penelitian, Malang, Olah Data Malang, Olah Data SPSS Malang, Pelatihan SPSS Malang, Pelatihan Statistik Terapan, Pusat Analisis Data Statistik Malang, Survey dan Riset, Training Statistika di Malang dan tag , , , , , , . Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s