Custom Search

Multidimensional Scaling Part 2

Jika anda sudah berhasil menginstal sesuai artikel multidimensional scaling part 1, sekarang saya akan memberikan contoh penggunaan software tersebut. Namun perlu diingat, selama proses penggunaannya nanti, jangan memindahkan salah satu file dari folder hasil ekstraknya.
Sebelum kita mulai menggunakan software tersebut, kita perlu menyiapkan data terlebih dahulu. Multidimensional Scaling menggunakan data ordinal dan interval. Data ordinal level pengukurannya lebih tinggi dari data nominal dan termasuk data kualitatif.

Agar lebih mudah dipahami, MDS menggunakan score. Katakanlah nilai 1 – 5, dengan angka 5 merupakan angka maksimal atau angka good. Konsekuensinya, semua data nantinya akan di ubah kedalam 5 peringkat tersebut. Namun perlu dipahami, bahwa nilai 5 tidak selalu baik; dalam beberapa kasus nilai 5 akan bernilai buruk. Misalnya adalah kasus inflasi atau kelajuan pertumbuhan penduduk; dimana untuk kondisi saat ini kelajuan pertumbuhan penduduk masih dianggap bad/buruk. (kita menggunakan istilah good, dan bad aja ya…).
Yang akan saya tekankan disini, permulaan persiapan data adalah tehnik scoring dengan menentukan nilai nilai good atau bad. Misal Variabel inflasi : 1 – 5 ; nilai good = 1; nilai saat ini 2
Variabel pendapatan daerah : 1 – 5; nilai good =5, nilai saat ini 3.

Begitu seterusnya…
Lalu, bagaimana cara tehnisnya?
Perhatikan data saya dibawah ini

Saya memiliki 3 kabupaten yang ingin saya nilai good atau bad dalam faktor kesesuaian kawasan cabe misalnya. Dengan variabel 1 sampai 4. Ini contoh. Tentu kurang jika hanya 4 saja. Kebetulan data yang dihimpun adalah data rasio. Maka saya harus lakukan skoring terlebih dahulu.

Var 1 dan var 2 memiliki nilai goodnya diangka 5 artinya semakin tinggi nilainya maka dianggap akan semakin baik. Sebaliknya var 3 dan var 4 memiliki nilai good 1. Artinya semakin kecil nilainya maka semakin baik.

Langkah pertama yang saya lakukan adalah menentukan nilai rata-rata, maksimal, minimal. Dari angka tersebut diperoleh nilai pembagian kelas yakni : (Max – Min) / 4

Mengapa ada angka 4? Karena dari nilai min sampai max kita akan membuat batas dari kelas 1 sampai kelas 5 (terdapat 4 antara kelas). Mencari nilai min max dan average sudah tahu kan ya?

Baca Juga  Tehnik Setrika Data Pada Regresi

Batas kelas 1 adalah nilai min
batas kelas 2 adalah batas kelas 1 + pembagian kelas
batas kelas 3 adalah batas kelas 2 + pembagian kelas
batas kelas 4 adalah batas kelas 3 + pembagian kelas
batas kelas 5 adalah batas kelas 4 + pembagian kelas. Yang nantinya akan sama dengan nilai max.

Dengan begitu, kita sudah bisa menentukan bahwa untuk var1
Nilai 1 : 0  – 6.109
Nilai 2 : 6.110 – 10.302
Nilai 3 : 10.303 – 14.495
Nilai 4 : 14.496 – 18.688
Nilai 5 : 18.689 – 22.881

Kita bisa tentukan untuk var 1; Kab A memiliki nilai 2, Kab B nilainya 1, Kab C nilainya 5. Jika Cuma 3 kabupaten dan var hanya 4 variabel, bisa masih bisa menggunakan mata untuk menentukan nilai skala. Jika variabelnya puluhan, tentu bisa pegal mata…hehehehe..
Bisa menggunakan excel menggunakan rumus if., bisa juga menggunakan spss. Kali ini saya akan menggunakan spss, karena jika saya gunakan excell akan panjang rumusnya. Lebih baik dengan spss dengan detil tahapannya akan lebih mudah dipahami.

Mari buka spssnya… kita akan mengkonversi data rasio kedalam data ordinal
Langkah pertama copikan data awalnya ke sheet spss

Klik transform – recode into different variable


Pilih variable yang akan ditransform

Isi nama dan label, lalu klik change


Klik old and new values, lalu akan muncul batas batas kelas yang akan kita isi. Kita pilih range disisi kiri, masukkan nilai min dan mak dikelas yang dimaksud pada nilai value disisi kanan. Contoh:

Tambahkan semua batas batas kelas, lalu klik continue

Akan kembali ke windows sebelumnya, klik OK. Di sheet spss sudah muncul var1_rev sebagai pengganti var1.

Lakukan hal tersebut ke semua variabel (Cuma 4 sebagai latihan). Jangan lupa bedanya untuk variabel 3 dan 4 karena goodnya berada di nilai 1, maka skalanya dibalik, nilai 5 yang kita lakukan di variabel 1 pada saat transform menjadi nilai 1. Begitu juga pada variabel 4.

Contoh variabel 4

 

Hasil akhir

Menggunakan SPSS lebih gampang namun pelaksanaannya lama jika variabelnya banyak. Sebaiknya tetap menggunakan rumus excell dengan menggunakan “if”. Biasanya lama diawal, tapi jika sudah berhasil rumusnya bisa di copy paste sehingga lebih cepat.

Baca Juga  Mutidimensional Scaling Part 4

Saya rasa untuk part 2 sampai disini dahulu. Part selanjutnya insya allah saya langsung ke software MDS. Jadi jangan lupa siapkan dahulu data – datanya.

Bersambung : Multidimensional Scaling Part 3

Terima Kasih sudah berkunjung.

  • Pingback: Multidimensional Scaling Part 1 | Belajar Menulis()

  • Aruni

    Pak apakah nilai min-max yang dari perhitungan seperti ini juga yang digunakan di kolom emin-emax yang berwarna kuning yang ada di file readsea ?

    • agung

      Nilai yang digunakan dalam file MDS adalah hasil skoring akhir yang bernilai 1 – 5. Nilai range min – max digunakan untuk menghitung jarak – range kelas. jadi nilainya berbeda sesuia data penelitian yang digunakan.

  • Aruni

    Jika berbeda, bagaimana kita menentukan nilai Emin-Emax untuk penelitian kita sendiri?

    • agung

      jika yang dimaksud adalah menentukan skor (1 – 5) untuk penelitian, maka nilai min diperoleh dari nilai yang paling rendah dari data penelitian yang kita peroleh. begitu juga nilai max (nilai tertinggi dari bauran data di variabel). jadi memang kita yang menentukan min dan max untuk memperoleh range/jarak kelas yang kita tentukan. berbeda kasus jika range kelas sudah terstandar jarak kelasnya. contohnya pembagian kelas umur (ada balita, remaja, produktif, dewasa, dll) yang sudah ditentukan oleh standar tertentu, maka kita bisa menggunakan pembagian kelas itu untuk menentukan skoring.

      contoh artikel diatas adalah variabel yang belum memiliki standar pembagian kelas, sehingga kita perlu membagi kelas sesuai bauran data dengan menggunakan distribusi normal.

      terima kasih

  • Pingback: Mengulas Rapfish di Aplikasi R()