M
ULTID
IMENSIONALS
CALING(MDS)
Irlandia Ginanjar
T
UJUANA
NALISISMembuat peta/konfigurasi posisi objek dalam p g p j ruang berdimensi rendah (umumnya 2 dimensi) berdasarkan data jarak antar objek atau data multivariate yang sebelumnya diubah dulu multivariate yang sebelumnya diubah dulu menjadi matriks jarak
K
EGUNAANA
NALISIS| Mendapatkan posisi relatif suatu objek p p j
dibandingkan objek lain. Dalam banyak kasus strategi bisnis, digunakan untuk menentukan pesaing dan benchmarking
pesaing dan benchmarking.
| Melakukan pengelompokan objek, salah satu
S
EKILASMDS
Data multivariateS
EKILASMDS
A B C D E X1 X2 … Xp A X11 X12 … X1p Matriks Jarak Data multivariate A 0 dAB dAC dAD dAE B dBA 0 dBC dBD dBE C d d 0 d d 11 12 1p B X21 X22 … X2p C X31 X32 … X3p C dCA dCB 0 dCD dCE D dDA dDB dDC 0 dDE E dEA dEB dEC dED 0 D X41 X42 … X4p E X51 X52 … X5p E dEA dEB dEC dED 0 Konfigurasi ObyekM
ULTIDIMENSIONALS
CALING(MDS)
JARAK EUCLIDEAN
Adalah jarak antara dua objek yang dibandingkan.j j y g g
Jika dimisalkan objek 1 adalah dan objek 2 adalah k k l d d l h )' ,..., , ( ' x1 x2 xp x = )' ,..., , ( ' y1 y2 yp y =
Maka jarak Euclidean-nya adalah:
Dimana : x objek ke 1 pada pengamatan ke i 2 2 2 2 2 1 1 ) ( ) ... ( ) ( ) , (x y x y x y x p y p d = − + − + + −
Dimana : xi= objek ke-1 pada pengamatan ke-i yi= objek ke-2 pada pengamatan ke-i p= banyaknya pengamatan
p banyaknya pengamatan
Atau dalam notasi matrik, rumus jarak Euclidean-nya menjadi:
) ( )' ( ) , (x y x y x y d = − −
M
ULTIDIMENSIONALS
CALING(MDS)
JENIS MDS
Berdasarkan skala datanya, MDS dapat dibagi menjadi :
9 MDS metrik jika skala datanya interval atau
rasio
9 MDS nonmetrik jika skala datanya nominal atau 9 MDS nonmetrik jika skala datanya nominal atau
ordinal
MATRIKS JARAK
Berdasarkan rumus jarak Euclidean, diperoleh Matriks Jarak yang menyatakan jarak antara pasangan objek
ki t j di yang mungkin terjadi.
⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = n d d d d d d nDn ... . 12 1 11 M O M M ⎥⎦ ⎢⎣dn1.dn2...dnn
J
ENISMDS
(P
ENSKALAAND
IMENSIG
ANDA)
| Penskalaan METRIK : jarak dianggap bertipe j gg p p
rasio. Jika dAB = 2 dBC, maka begitu juga pada jarak di peta (konfigurasi).
P k l NON METRIK j k di
| Penskalaan NON-METRIK : jarak dianggap
bertipe ordinal. Jika dAB > dBC, maka begitu juga pada jarak di peta. Asalkan urutannya benar, walaupun rasionya tidak sesuai maka masih diperbolehkan.
A
NALISISM
ULTIDIMENSIONALS
CALINGHitung matriks jarak D dengan menggunakan rumus jarak Euclidean
Hitung ; ;
∑
= j ij 2 n 1 . i 2 d d =∑
i ij 2 n 1 j . 2 d d =∑
ij ij 2 n 1 .. 2 d d 2Hitung matrik B dengan elemen-elemen
j i ij
(
2 2 2 2)
1 d d d d b + MDS MetrikMDS MetrikCari nilai eigenvalue dan eigenvector
det(B-λI) = 0 ; (B-λI)E = 0
(
ij i. .j ..)
2 1 j i d d d d b = − − − + det(B λI) 0 ; (B λI)E 0 Bentuk koordinat objek:2 1 Λ E F = ~ ~ei = ei ei'ei a b Λ E F ei ei ei ei
A
NALISISM
ULTIDIMENSIONALS
CALINGA
NALISISM
ULTIDIMENSIONALS
CALINGa b
Hitung disparities ( ) yang merupakan jarak Dˆ Hitung disparities ( ) yang merupakan jarak
Euclidean dari koordinat terbentuk Hitung nilai stress
D MDS Non MetrikMDS Non Metrik g
(
)
⎟ ⎟ ⎟ ⎞ ⎜ ⎜ ⎜ ⎛ − =∑
≠ 2 n j i ij ij dˆ d S Non-Metrik Non-Metrik ⎟ ⎟ ⎟ ⎠ ⎜ ⎜ ⎜ ⎝∑
≠ n j i ij 2 d SStress sesuai kriteria
Ya
Tidak
Titik koordinat akhir Ya
MDS M
ETRIKMDS M
ETRIK Centering dengan:
H = [ I – (1/n) J ] dengan J = 1 1’
SD : (-1/2) HDH = E Λ ET
Dimana E matiks yang kolomnya corresponding
eigenvectors (eigenvectors yang dinormalisasi) eigenvectors (eigenvectors yang dinormalisasi) (Johnson, 2007) yang bersesuaian dengan
eigenvalue λ dari (-1/2) HDH dan Λ adalah matrik diagonal dengan diagonal utamanya adalah λi
Konfigurasi pada ruang dimensi 2 adalah : nHnXp
= E Λ1/2
= nE2 Λ p
Metric MDS is identical to principal components
U
KURANK
ESESUAIANUntuk MDS Metrik berdasarkan Inertia
Persentase keragaman (inertia) yang digunakan sebagai ukuran kualitas pemetaan dihitung dengan cara:
Semakin besar nilai inertia akan memberi indikasi bahwa semakin kecil error antara jarak dan nilai kemiripan dari ruang yang disajikan.
( )
1'λ λ τ = −1 ×Untuk MDS Metrik berdasarkan Stress
Adalah suatu ukuran yang digunakan untuk menilai suatu konfigurasi dariy g g g objek sebagai titik-titik dalam dimensi q sudah baik atau belum.
Dalam perhitungan komputer ALSCAL (Alternatif Least Square Scaling) stress adalah ukuran kesalahan (Lack of fit or error).
Semakin kecil nilai stress akan memberi indikasi bahwa semakin kecil error antara jarak dan nilai kemiripan dari ruang yang disajikan.
Kebaikan Hasil MDS
Stress Kriteria K ≥ 20 % 10 % - 20 % 5 % - 10 % Kurang Cukup Baik 5 % 10 % 2.5 % - 5 % < 2.5 % Sangat baik sempurnaContoh kasus 1 :
Contoh kasus 1 :
ANALISIS KEDEKATAN /
KEMIRIPAN KOTA-KOTA BESAR
DI INDONESIA BERDASARKAN
DI INDONESIA BERDASARKAN
KEADAAN GEOGRAFISNYA
D
ENGAN METODEA
NALISISL
ATARB
ELAKANG:
| Indonesia adalah negara kepulauan, sehingga g p , gg
mempunyai keadaan geografis yang beraneka ragam antar daerah atau kota.
S lit lih t b d d k d i d t
| Sulit melihat perbedaan dan kesamaan dari data
mentah dengan variabel-variabel yang menyertainya.
T
UJUAN:
| Untuk mengetahui posisi atau kedekatan antara g p
kota-kota besar di Indonesia, dimana nantinya akan nampak bagaimana kemiripan kota-kota tersebut dilihat dari faktor faktor geografisnya tersebut dilihat dari faktor-faktor geografisnya (kondisi alam).
S
UMBERD
ATA:
diperoleh dari buku terbitan BPS (Badan Pusat p ( Statistik) berjudul “Statistik Indonesia 2003” yang terbit pada tahun 2003.
b i i t t k d fi k t k t b di berisi tentang keadaan geografis kota-kota besar di Indonesia, semua data bersumber pada Badan
Data kondisi geografis :
Kota Ketinggian Suhu Minimum Kecepatan Angin Kelembapan
Udara Curah Hujan
aceh 21 24,9 11,8 69,7 5,5 medan 25 25 8 9 8 70 3 80 3 medan 25 25,8 9,8 70,3 80,3 padang 3 25,8 11,8 68,9 178,5 jambi 25 26,7 ,3 69,5 147,1 bengkulug 166 26,86,8 12,6,6 66,866,8 400,600,6 jakarta 2 25,3 15,3 77,3 404,5 bandung 740 27,1 18,5 73,6 168 semarang 3 25,3 14,2 73,8 301,5 yogyakarta 107 25,7 7,9 73,6 364,4 surabaya 3 28,4 17,6 69,7 216,8 denpasar 1 25,6 11,1 74,2 294,2 kupang 108 25,5 7,3 75,2 136,3 samarinda 230 20,3 5,2 76,3 145,8 manado 80 25,7 8,9 74,8 158 ambon 12 25 9 7 1 72 2 60 4 ambon 12 25,9 7,1 72,2 60,4 jayapura 99 27 11,8 74,6 115,8
1. M
ASUKAN DATA DENGAN OBYEK PENELITIAN SEBAGAI KOLOM DAN2. U
NTUK ANALISISM
ULTIDIMENSIONALS
CALING PILIH MENUA
NALYZE- S
CALES
CALING,
PILIH MENUA
NALYZE- S
CALE3. M
ASUKKAN SEMUA OBYEKPENELITIAN KE KOTAK
V
ARIABLESHitung jarak Euclidean dari data Hitung jarak Euclidean dari data
4. D
ARI GAMBAR3
KLIKM
ODEL,
KEMUDIAN CENTANG RATIO(
KARENA DATANYACENTANG RATIO
(
KARENA DATANYA BERSKALA RASIO) –
KLIKC
ONTINUEKLIK
O
PTION,
KEMUDIAN PADA KOTAK DISPLAY CENTANG SEMUA PILIHAN DISPLAY CENTANG SEMUA PILIHAN–
KLIK
C
ONTINUEApabila semua pilihan pada kotak Display dicentang hasil output SPSS Apabila semua pilihan pada kotak Display dicentang, hasil output SPSS terpotong, maka disarankan dipilih satu-persatu.
ANALISIS DATA DAN
ANALISIS DATA DAN
PEMBAHASAN
P
P
ETA KONFIGURASI DUA DIMENSI:
A
A
NALISIS BERDASARKAN KUADRANPada peta konfigurasi kota diatas dapat dilihat
p
g
p
pola kedekatan antar kota sebagai berikut :
|
Kelompok I : Jakarta, Bengkulu,
Y
k
S
D
S
b
Yogyakarta, Semarang, Denpasar, Surabaya.
|
Kelompok II : Bandung.
K l
k III S
i d K
|
Kelompok III: Samarinda, Kupang,
Jayapura.
|
Kelompok IV : Padang Manado Jambi
|Kelompok IV : Padang, Manado, Jambi,
Medan, Ambon, Aceh
Pengelompokan kota-kota pada peta konfigurasi diatas Pengelompokan kota kota pada peta konfigurasi diatas didasarkan pada kelima variabel kondisi geografisnya.
B
(
)
B
ERDASARKAN JARAK(
RELATIF)
jika tanpa melihat kuadran, misal surabaya dan
j p , y
padang mempunyai jarak yang dekat pada peta konfigurasi, ini menujukkan adanya kemiripan / kedekatan antar keduanya
C
ONTOHKASUS 2
‘Analisis Positioning & Segmentasi Pemirsa
Analisis Positioning & Segmentasi Pemirsa
Televisi Swasta Nasional Berdasarkan
Preferensinya Terhadap Program Acara’
Tujuan : untuk mengetahui kemiripan stasiun televisi swasta nasional berdasarkan program acaranya.
Variabel pengamatan ada 11 Variabel pengamatan ada 11
V
ARIABELP
ENGAMATAN D1 :Tayangan informasi – informasi aktual termasuk news,
dokumenter, dsb
D2 :Tayangan olah raga, baik tayangan langsung maupun tidak
langsung
termasuk informasi tentang atlit dan olahraganya termasuk informasi tentang atlit dan olahraganya
D3 :Tayangan tentang musik pop, rock, jazz, dsb juga informasi
perkembangannya dan pemutaran lagu
D4 :Tayangan musik dangdut serta informasi perkembangannya D5 :Tayangan berbagai gosip; penayangan sisi kehidupan selebritis D5 :Tayangan berbagai gosip; penayangan sisi kehidupan selebritis
dan
rumornya
D6 :Talk Show; acara – acara diskusi / dialog yang menghadirkan
tokoh/pakar yang membahas suatu topik tokoh/pakar yang membahas suatu topik
D7 :Variety Show; berbagai macam hiburan yang disajikan sekaligus
seperti
bintang tamu, kuis interaksi dengan pemirsa dsb
D8 :Tayangan film produksi negara Asia (Mandarin, India, Indonesia) y g p g ( , , ) D9 :Tayangan film barat; merupakan produksi luar negara – negara
Asia
D10 :Tayangan berbagai macam sinetron dan telenovela
D11 :Reality Show; biasanya bersifat sosial, misteri, maupun kehidupan
sehari sehari –
R
ATA-
RATAA
TRIBUTP
OSITIONINGT
IAP-
TIAPS
TASIUNT
ELEVISI D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 RCTI 3,4 7 3,66 3,34 2,11 3,8 3,61 3,6 3,66 4,14 3,33 4,04 SCTV 3,8 2 3,4 3,19 2,35 3,72 3,74 3,46 3,66 4 3,57 3,6 TPI 2,7 1 2,52 2,75 3,46 2,97 2,82 3,02 3,15 2,97 2,72 3,42 ANTV 2,6 6 3,14 2,87 2,36 2,79 2,9 2,95 2,84 2,87 2,59 3,05 INDOSIA 3 2 INDOSIA R 3,2 8 2,71 3,4 2,68 3,71 3,45 3,69 3,8 4,05 3,52 3,7 TRANS 3,4 8 2,84 3,46 2,44 3,83 3,82 4,01 3,74 4,15 3,13 3,61 2,6 GLOBAL 2,6 9 2,75 4,35 2,45 2,92 2,91 3,09 2,96 3,5 2,68 2,94 METRO 4,0 4 2,91 2,82 1,98 2,59 3,56 2,91 2,73 2,95 2,27 2,69 2,8 TV7 6 3,44 2,74 2,09 3,1 2,84 2,99 3,06 3,34 2,8 2,87 LATIVI 2,5 5 2,6 2,56 2,08 2,79 2,75 2,72 2,91 3,06 2,56 2,84METODOLOGI
Analyze > Scale > Multidimensional scaling (ALSCAL)
Analyze Analyze
S l
Multidimensional Scaling (ALSCAL) Scale
METODOLOGI
Objek yang diamati
Data belum berupa Data Jarak
METODOLOGI
Skala data Skala data Yg digunakan Model Jarak Jarak EuclidMETODOLOGI
Pilihan t t option output optionANALISA PEMBAHASAN
Stress
Stress
Stress values For matrix Stress = .16502 RSQ = .90932 Di il i i i d l h 0 16502 16 502%Dimana nilai stress ini adalah 0. 16502 atau 16.502%
berdasarkan garis pedoman kriteria masuk ke dalam
ANALISA PEMBAHASAN
Dilihat dari plot secara keseluruhan terdapat tiga k l k i l i i iliki k i i
kelompok stasiun televisi yang memiliki kemiripan antar anggotanya tetapi berbeda dengan anggota kelompok lainnya.p y
Ketiga kelompok itu adalah:
9 RCTI, SCTV, INDOSIAR dan TRANSTV 9 TPI dan GLOBALTV
9 METROTV, LATIVI, TV7 dan ANTV
P l k i i did k d
Pengelompokan ini didasarkan pada program acara yang ditayangkan.
ANALISA PEMBAHASAN
K i i i l i i j d dilih d i
Kemiripan antara stasiun televisi juga dapat dilihat dari jarak (distance) antara dua stasiun televisi yang
dibandingkan.g
Semakin KECIL jarak maka semakin MIRIP dua stasiun televisi yang dibandingkan.
Dari semua pasangan stasiun televisi yang mungkin ada dalam plot, terdapat dua pasang stasiun televisi yang mempunyai jarak yang kecil. Pasangan tersebut p y j y g g
adalah TPI-GlobalTV dan RCTI-SCTV
Tetapi jika dilihat lebih jelas lagi, jarak antara RCTI-SCTV l bih k il d i d j k TPI Gl b lTV i i SCTV lebih kecil daripada jarak TPI-GlobalTV, ini berarti, dari sekian banyak pasangan stasiun televisi yang dibandingkan, stasiun televisi SCTV paling mirip dengan stasiun televisi RCTI.
ANALISA PEMBAHASAN
o
Dari semua stasiun televisi yang diamati,
RCTI dan SCTV merupakan dua stasiun
RCTI dan SCTV merupakan dua stasiun
televisi yang paling mirip jika dilihat dari
jarak (distance) antar keduanya.
jarak (distance) antar keduanya.
o