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.
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.
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.
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.
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.
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.