Mengulas Rapfish dan Multidimensional Scaling di Aplikasi R

Posted on

Bulan Mei, justru sedang hujan deras sepanjang hari. Sampai bingung  berangkat ke kantor karena tidak cukup peralatan untuk menembus hujan. Termenung di dalam rumah mencoba untuk belajar lagi multidimensional scaling. Kali ini saya belajar melalui rapfish 3.1 yang dijalankan melalui aplikasi R.

Saya memang belum lama mengenal R. R merupakan aplikasi yang free sehingga menjadi alternatif yang baik bagi peneliti atau mahasiswa yang terkendala masalah lisensi. Karena ada sebagian publisher yang menanyakan legalitas kepemilikan software yang digunakan selama penelitian. Terus terang, saya belajar multidimensional scaling di R ini secara otodidak. Sehubungan dengan ada pertanyaan bagaimana running rapfish 3.1 di R, dan berbekal pengetahuan sedikit tentang MDS, saya mencoba untuk belajar MDS di R.

Sebenarnya rapfish sendiri sudah menyertakan petunjuknya saat anda mendownload script Rapfish 3. Namun, petunjuknya saya rasa belum terlalu rinci sehingga bisa membingungkan bagi pemula atau yang baru mengenal aplikasi R. Kali ini saya akan mencoba runut agar lebih mudah dimengerti

Mendownload Rapfish

kita mendownlowd rapfish terlebih dahulu disini, atau di website resminya agar selalu update. Kali ini saya menggunakan rapfis 3.1 for windows. Saya tentu tidak mengupdate secara rutin jika ternyata rapfish mengalami pembaruan. Sebelumnya saya mengasumsikan bahwa anda telah menginstal aplikasi R. aplikasinya gratis, silahkan anda unduh di internet.

Ekstrak hasil download

Hasil download rapfish kita extrak ke folder tertentu. Kali ini saya simpan di D/latihan.

rapfish

Didalam folder tersebut sudah dilengkapi petunjuk pada file yang bernama “guide.doc”. juga ada file berisi contoh dimensi ecology, economics, Ethical, Institutional, Social, dan technologi. Rapfish sendiri sebenarnya pada awalnya digunakan untuk menganalisis sebuah keberlanjutan di bidang perikanan suatu sistem yang memang pada dasarnya terdiri dari beberapa dimensi tersebut. Silahkan anda buka jurnal – jurnal rapfish, pada umumnya pasti membahas keberlanjutan. Namun, konsep MDS-nya bisa kita adopsi dengan cara mengganti dimensi-dimensi tersebut dengan dimensi yang kita inginkan.

Pada latihan ini, saya ingin menggunakan 2 dimensi yakni dimensi pilar 1 dan dimensi pilar 2. Saya menghapus 6 dimensi yang awal dan saya sisakan dua dimensi yakni ecology dan economics untuk nantinya saya ubah sesuai data yang saya miliki sebagai contoh.

Gambar sebagai contoh output rapfish semua saya hapus, kemudian semua file yang berawalan kata “result” juga saya hapus. File ethical.csv, Institutional.csv, Social.csv, dan technologi.csv juga saya hapus. File ecology.csv saya ganti namanya dengan pilar1.csv; economics.csv saya rename/ganti namanya dengan pilar2.csv. hasilnya seperti gambar dibawah ini:

multidimensional scaling

Siap untuk latihan….

Persiapan bahan

Sama seperti MDS, di Rapfish juga data yang digunakan adalah ordinal, dengan skala 1 sampai 10 atau bisa custom sesuai yang anda inginkan (bisa hanya sampai 3, sampai 5, sampai 20 dsb). Namun, Rapfish tidak bisa menerapkan skala terbalik. Jika MDS di excell kita bisa mensetting nilai tertinggi sebagai bad (misal skala 1 – 5 dengan bad = 5 dan good =1). Mengapa skala terbalik, sesuai kondisi seperti variabel jumlah penduduk yang mungkin terdapat asumsi jika semakin banyak maka akan dinilai tidak baik. Lebih lengkap saya sudah jelaskan di artikel Multidimensional Scaling Part2

Hal seperti ini tidak bisa dilakukan di rapfish. Rapfish selalu nilai bad pada nilai minimum dan nilai good selalu berada pada nilai maksimum. Lalu bagaimana jika data kita sebenarnya data skala terbalik? Ya kita balik terlebih dahulu skalanya biar berada pada posisi yang benar. Misal : pada skala 1 – 5, awalnya 1 itu good dan 5 adalah bad, maka kita ubah 5 menjadi 1, 4 menjadi 2, 3 tetap, 2 menjadi 4, dan 5 menjadi 1. Sehingga skalanya sudah sesuai untuk di masukkan kedalam aplikasi R.

Untuk memasukkan nilai variabel, kita bisa membuka dimensi yang sudah kita buat tadi. Saya buka dimensi pilar1. Kemudian saya ganti nama variabel pada baris pertama. Dalam menuliskan variabel tidak boleh ada spasi. Gunakan underline untuk menggantikan spasi. Pada dimensi pilar1 ini saya mengisi variabel: produksi, hama_penyakit, air, tenaga_kerja, modal, peralatan, ternak, hortikultura, pangan.

Kemudian pada kolom 1 berisi fisheries. Saya menyebutnya objek penelitian. Saya hanya menggunakan 3 tempat yakni : sumatra, jawa, dan kalimantan. Tentunya data ini adalah data fiktif untuk latihan saja.

Pada baris 2 sampai 4 (karna hanya ada 3 fisheries) berisi nilai dari variabel-variabel pada objek yang dimaksud. Baris 5 sampai 7 (saya sebut baris bawah) berisi batas bawah/nilai bad dari variabel pada objek yang dimaksud. 3 baris selanjutnya (saya sebut baris atas) berisi batas atas/nilai good dari variabel pada objek yang dimaksud. Skala masing masig variabel boleh sama dan boleh berbeda. Jika skala variabel produksi hanya 1 – 5, namun skala peralatan bisa saja 1 – 10. Bahkan setiap objek juga bisa berbeda-beda skalanya. Misalnya pada variabel ternak, nilai baris bawah jawa berisi 0, nilai baris bawah sumatra berisi 2 (sesuai skala masing-masing). Nilai skoring pun bisa saja desimal. Cara skoring sudah saya jelaskan di artikel Multidimensional Scaling Part2

Lebih jelasnya silahkan lihat hasil saya pada gambar dibawah ini.

rapfish 02

Buatlah seperti yang saya lakukan diatas, namun jangan diberi warna dan jgn diberi keterangan seperti bagian paling bawah. Itu saya tambahkan untuk memudahkan anda memahami penjelasan saya.

Ingat, baris bawah nilainya tidak boleh melebihi nilai variabel, nilai variabel tidak boleh melebihi nilai baris atas. Tahapan ini harus dilakukan sangat hati-hati karena error R kebanyakan berasal dari penentuan nilai variabel. Jika sudah selesai dilakukan, jangan lupa disave dengan format tetap menggunakan .csv

Hal yang sama juga dilakukan pada pilar2 sebagai dimensi kedua dari latihan ini. Anda bisa saja menggunakan 1 dimensi tergantung dari data yang anda miliki. Bisa juga menggunakan 5 dimensi secara lengkap seperti yang di tawarkan Rapfish secara default.

Pada pilar2 saya menggunakan variabel: dukungan_pemerintah, dana_apbd, populasi, dan PDRB_daerah

Hasilnya terlihat pada gambar dibawah ini:

rapfish 03

Jangan lupa di save dengan format tetap menggunakan .csv

Bahan yang akan kita olah sudah siap sekarang kita akan menyetting jumlah fisheries, variabel dan banyaknya nilai ulangan pada montecarlo

Setting jumlah fisheries

Menyetting jumlah fisheries pada file yang bernama “input1_number_fisheries”. Buka file tersebut dan ganti dengan angka 3 sesuai jumlah fisheries pada latihan kali ini. Anda bisa mengganti dengan nilai fisheries sesuai penelitian atau data yang anda miliki. Jangan lupa di save.

Input nama dimensi

Menyetting nama dimensi yang akan di run pada aplikasi R terletak pada file yang bernama “input2_datafile_names”. Formatnya text. Buka dan ganti sesuai nama dimensi yang anda gunakan. Kali ini saya menggantinya dengan nama pilar1.csv dan pilar2.csv. jangan lupa di save.

Ulangan montecarlo

Pada file “input3_MC_simulations” berisi tentang berapa ulangan montecarlo yang anda inginkan. Saya ganti dengan 25. Kemudian save.

Buka aplikasi R

rapfish 05

Kemudian kita ubah directory di file – change dir

rapfish 06

Kemudian pilih folder dimana kita mengekstrak rapfish tadi, yang isinya sudah kita ubah sesuai data yang kita miliki. Saya menggunakan directory D/latihan.

Setelah tekan OK, maka kita membuka script yang disediakan rapfish secara berurutan sebagai berikut:

Rapfish

Klik file – open script

rapfish 07

Lalu pilih rapfish_execution.r

rapfish 08

Klik open, lalu akan muncul script yang akan di run di R. untuk menjalankannya kita klik edit – run all. Biarkan komputer bekerja sampai tertulis “complete” kita lihat folder latihan, disana sudah ada hasil rapfish berupa file “result_pilar1” dan “result pilar2” yang berisi tentang koordinat X dan Y pada masing-masing objek di kuadran MDS atau rapfish. Nilai index yang menunjukkan status keberlanjutan ada pada file “Kite_result” dengan keterangan 0 – 25 kategori buruk (tidak berkelanjutan), 25.01 – 50 kategori kurang berkelanjutan, 50.01 – 75 kategori cukup berkelanjutan, dan 75.01 – 100 kategori baik atau sangat berkelanjutan. Pengertian setiap output sudah saya jelaskan pada artikel Multidimensional Scaling Part 4

Kemudian ada gambar pilar1 dan pilar2 sebagai output rapfish di folder tersebut:

rapfish dimensi

pilar2

Monte carlo

Setelah sukses menjalankan rapfish atau MDS, kita akan menjalankan monte carlo. Kembali ke aplikasi R. open script monte carlo lalu run all di menu edit (sama seperti diatas). Script monte carlo yang di sarankan secara default jalankan terlebih dahulu script “monte_carlo_triangle.r” baru kemudian jalankan “monte_carlo_uniform.r”

Hasilnya kita lihat kembali di folder latihan. Terdapat file baru yakni “MC_Triangle_pilar1”, “MC_Triangle_pilar2”,”MC_uniform_pilar1”, “MC_uniform_pilar2” lengkap dengan gambar-gambarnya

pilar2 triangle

monte carlo uniform

Pada file output monte carlo sendiri sudah mnyediakan output dengan 2 methode montecarlo yang berbeda yakni secara triangle dan uniform. Terus terang saya masih sedikit blum jelas apa perbedaan keduanya. Jika anda mengetahuinya saya sangat senang jika anda mau menambahkan di kolom komentar.

Untuk saat ini, yang saya pahami tentang monte carlo adalah sistem acak untuk mengetahui probabilitas perubahan yang terjadi pada nilai index yang dikeluarkan rapfish. Jika ternyata nilai index tersebut cenderung sering berubah, maka nilai index tidak cukup untuk dikatakan kuat. Namun jika dalam pengacakan tersebut ternyata selisih nilai index dengan nilai hasil acak tidak melebihi 1, maka nilai index dapat dikatakan kuat dan dapat digunakan untuk merepresentasikan hasil penelitian. Pada montecarlo di R ini sudah tersedia nilai index pada pengacakan dengan probablitias, 25%, 75%, 2.5%, dan 97.5%. silahkan anda membandingkan nilai index pada masing –masing probabilitas. Tentu diharapkan nilai index tidak berbeda jauh dari probabilitas yang paling tinggi, 97.5%.

Leverage

Masih ada 1 script lagi yang akan kita run di aplikasi R ini yakni script “leverage.r”. jalankan script tersebut seperti cara diatas, lalu kita akan lihat hasilnya di folder latihan.

Pada output kali ini, muncul file yang bernama “leverage_pilar1” dan “leverage_pilar2”, yang berisi koordinat nilai x dan Y pada chart leverage. Namun, tidak ada gambar ataupun grafik leverage. Mungkin kita diminta untuk membuat sendiri di excell.

Kelebihan dan Kekurangan Rapfish di R

Kelebihan R yang saya rasakan dalam latihan ini adalah kemudahan input dan output. Output sudah tinggal klik dan analisa berjalan sebagaimana seharusnya. Sedangkan jika kita menggunakan excell, kita mesti meraba raba dimana outputnya terutama menentukan monte carlo dan leverage. Inputnya juga susah jika menggunakan excell terutama dalam membuat anchor. Masih ingat yang berwarna kuning merah dan putih? Seperti membuat tangga? J

Kekurangan rapfish di R, tidak  ada output nilai stress dan RSQ. Nilai tersebut tentunya penting sebagai goodness of fit dari hasil rapfish. R juga tidak menyertakan leverage dalam bentuk Root mean square yang langsung dikonversi dalam skala 0- 100, yang berguna untuk mengetahui variabel pengungkit dari hasil output MDS.

Demikian ulasan saya tentang Rapfish, MDS di R

Terima kasih sudah berkunjung

 

BAGI ANDA YANG TERTARIK MENGIKUTI VIDEO TUTORIAL TENTANG MDS LENGKAP, KLIK TOMBOL DIBAWAH INI:

Gravatar Image
Peneliti bidang sosial ekonomi pertanian. Pernah bekerja di bidang supply chain. Detil info silahkan kunjungi laman about me.

23 thoughts on “Mengulas Rapfish dan Multidimensional Scaling di Aplikasi R

  1. P Agung, sy punya data ygperky diolah dg RAPFISH. Sy butuh bantuan p Agung. Mhn bisa japri sy (081907xxxx). Profesi sy adalah dosen. Trmksh p Agung (edited by admin)

  2. Mas Agung, Bagaimana cara menambahkan tambahan indikator menjadi 12 kolom, jika dilihat di software yang tersedia hanya sampai 10 kolom indikator saja yang disediakan

    terima kasih

  3. Pa Agung, Mohon bantuannya… nilai rentang bawah-maksim saya pada semua atribut bernilai 1-5…. ketika saya simulasi, dengan menginput nilai pada setiap atribut di semua sampel dengan nilai maksimum sebesar 5 mengapa indeks yang dihasilkan sebesar 50… bukannya jika nilai indeksnya harusnya 100 (sangat berkelanjutan)…. kira2 apa yang salah ya… mohon bantuanya.. terimakasih…

    1. Apakah semua fisheriesnya juga diberi nilai yang sama?
      Saya belum pernah coba coba begini. Tapi klo model pertanyaannya seperti ini seharusnya yang dicari adalah rumus memperoleh nilainya. Saya rasa rumusnya bukan linear seperti pemahaman mas.terima kasih

  4. Sangat membantu mas.. Terima kasih banyak

    Mas saya mau tanya kalo di MDS kan atributnya hanya sampai 10 kalo lebih dari 10 bagaimana cara mengelola datanya ya mas? Saya coba cari caranya kemana-mana belum ketemu adanya pengurangan atribut sedangkan saya menambah atribut

    Dan mas sebenarnya kalo mau analisis keberlanjutan, mas sendiri nyaranin metode MDS di excell atau Rapfish 3.1? Bagusan dan cocokkan mana mas?
    Terima kasih mohon informasinya mas

    1. saya rasa tidak ada masalah jika mbak mau menambahkan. tinggal kolomnya ditambah kemudian keterangan jumlah atributnya disesuaikan (jika ada)
      saya prefernya ke MDS excell mbk. karna disana outputnya lebih lengkap, sangat membantu nanti saat melakukan pembahasan. Terima kasih

      1. Mas kalo di Excell kan untuk number fisheries nya (jumlah responden) apakah bisa ditambah hingga 70 an?? Akan mempengaruhi rumus excellnya tidak ya mas? Mohon Informasinya mas
        Terima kasih sebelumnya

        1. waw..fisheriesnya banyak sekali… saya belum pernah mencoba sampai 20an bu.. silahkan dicoba saja bu.. jika tidak bisa, alternatifnya adalah pengelompokkan. terima kasih.

  5. Selamat sore mas Agus. Saya Risma dari Prodi Pengelolaan Pesisir dan Laut-IPB. Saya juga rencana pakai aplikasi Rapfish mas buat penelitian saya. Boleh tidak mas saya minta kontaknya (Email/wa) agar mudah berkomunikasi. saya ingin menanyakan beberapa hal mas, jika berkenan. Terima kasih.

  6. mas agung. kalau gak keberatan.. untuk mengolah rapfish ada gak contoh datanya. jadi biar jelas dalam menjalankan rapfish dari awal sampai akhir. terima kasih

    1. terima kasih pak eko atas masukannya. pada artikel ini sebenarnya langkahnya sudah detil pertahapan tahapan. memang sya lupa memberi data mentahnya dan saya cari sudah tidak ada. tapi jika dicermati dari setiap gambar yang saya tampilkan seharusnya sudah runut pak.. tapi masukannya bagus, klo ada waktu akan saya coba untuk membuat artikel lagi tentang R. hanya untuk bulan ini dan bulan depan mungkin masih belum bisa. Terima kasih

  7. malam mas agung. mas tolong dong untuk rapfish di bahas dengan contoh ada datanya mas. biar bener2 jelas dalam langkap mengoperasikan rapfish. soalnya dalam mengolah data. masih bingung pengaturan di software excel rapfishnya. terimakasih

  8. Mas agung maaf saya sudah menemukan caranya, terima kasih banyak. Saya sangat terbantu 🙂

    Komentar tambahan :
    Untuk monte carlo triangular dan uniform ini berkaitan sebaran “triangular” dan “seragam”. Monte carlo sendiri berarti sistem pembangkitan data secara sebaran tertentu. Maka dari itu, monte carlo berikut menggunakan kedua sebaran tersebut yang dilakukan pendugaan parameter sebaran keduanya melalui data yang kita miliki lalu dilakukanlah pembangkitan data sesuai parameter tsb.

  9. Mas saya terdapat kesulitan

    Error in file(file, “rt”) : invalid ‘description’ argument
    Called from: file(file, “rt”)
    Browse[1]> rownames(sustainability)<-rownames(fisheries.dat)
    Error during wrapup: object 'fisheries.dat' not found

    ini kenapa ya, saya sudah ikutin semua petunjuk mas agung tapi invalid hasilnya

    1. Maaf mas, saya tdk bisa analisa hanya dengan melihat hasil output errornya. Krna jika membaca output error tersebut ada file yang diberi nama “rt”, sedangkan saya tdk pernah menerangkan file tersebut. Terima kasih

  10. Mas Agung, setelah saya coba latihan seperti yang Mas Agung tulis.mengapa tidak bisa disave ya? muncul tulisan begini :
    pilar1.csv may contain features that aren’t compatible with CSV (comma delimited). DO you want to keep the workbook in this format
    -To keep this format, which leaves out any incompatible features, click yes.
    -To preserve the features, click No. Then save a copy in the latest Excel format.
    -To see what might be lost, click Help.

    Selain itu saya masih bingung kalau fungsi batas atas dan bawah untuk apa ya? apakah batas atas dan batas bawah kita tentukan sendiri?

    misalnya saya meneliti dimensi ekonomi pt A dengan 10 atribut, berarti di file csv saya tuliskan pt A terhadap kesepuluh atribut?

    trims banyak.maaf banyak nanya =)

    1. untuk pertanyaan no 1. klik saja yes bu..karna biasanya jika excell mau save ke format csv biasanya memang ada pertanyaan terlebih dahulu. kemudian, kegunaan batas atas dan bawah adalah range wilayah dari masing-masing atribut. karna pada dasarnya MDS merupakan multiskala, tentu harus ada deskripsi berapa nilai yang paling bagus (batas atas), dan berapa nilai yang paling buruk (batas bawah).
      penentuan batas atas dan batas bawah tergantung dari penelitian yang dilakukan. jika sudah ada standar baku, maka sebaiknya gunakan standar bau tersebut. misal variabel IPK (contoh paling gampang yang langsung diingat). namun, jika ternyata tidak ada standar baku yang menjelaskan batas atas dan bawah, kita bisa menggunakan asumsi. asumsi yang digunakan biasanya nilai tertinggi dijadikan batas atas, dan nilai terendah dijadikan batas bawah, kemudian semua nilai dilakukan skoring (saya sudah menjelaskan di artikel multidimensional part 2)

      untuk pertanyaan terkahir, jawabannya adalah iya. PT A dengan kesepuluh atributnya… dan seharusnya ada PT lain sebagai pembanding dengan kesepuluh atribut yang sama. dan jangan lupa, nilai yg dimasukkan sebaiknya nilai yang sudah dilakukan skoring.
      agar tidak bingung, PT A dan PT yang lain yang ibu maksud berada di baris kebawah, sedangkan atributnya merupakan kolom kesamping, seperti yang sudah saya jelaskan.

      Terima kasih, semoga membantu

Leave a Reply

Your email address will not be published. Required fields are marked *