Mengulas Rapfish dan

Multidimensional Scaling
di Aplikasi R
Posted on May 10, 2017 by agung
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.

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:
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.

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:

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
Kemudian kita ubah directory di file change dir
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
Lalu pilih rapfish_execution.r
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:
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
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.