ANALISIS SKALA MULTIDIMENSIONAL

Untuk mengetahui persepsi seseorang terhadap suatu jarak atau kesamaan di

antara sejumlah objek menjadi bentuk geometri dalam suatu peta berdimensi tertentu
digunakan teknik skala multidimensional. Tujuan utama teknik adalah memetakan
sejumlah objek dalam suatu ruang multidimensional sedemikian rupa sehingga hubungan
relatif atau jarak antara posisi objek-objek itu menunjukkan persepsi tingkat perbedaan
(kesamaan) objek-objek tersebut.
Skala multidimensional itu sendiri terdiri dari dua yaitu skala multidimensional
metrik dan skala multidimensional non-metrik. Dalam penelitian ini akan digunakan
skala multidimensional non-metrik karena subjek memberikan penilaian berupa urutan
tingkat perbedaan (kesamaan) antara pasangan objek, dari pasangan yang sangat sama
sampai yang paling berbeda. Data input dari skala multidimensional non-metrik ini
berupa variabel nominal atau ordinal, yaitu berupa urutan (ranking) atau pendapat
ketidaksamaan atau kesamaan (dissimilarity/similarity judgement) yang diberikan subjek
berdasarkan persepsinya terhadap pasangan-pasangan objek. Informasi ordinal ini akan
diolah dengan metode multidimensional non-metrik sehingga menghasilkan konfigurasi
dari objek-objek yang ada dalam ruang berdimensi tertentu dan diupayakan agar jarak
antara objek akan sedekat mungkin dengan input ketidaksamaan atau kesamaannya.
Input skala non-metrik dapat diperoleh dengan dua cara yaitu, dari pendapat
ketidaksamaan atau kesamaan terhadap pasangan-pasangan objek yang diberikan pada
subjek (dissimilarity/similarity judgement) dan dari urutan (ranking) yang diberikan oleh
subjek terhadap ketidaksamaan atau kesamaan antra pasangan objek. Pada cara
dissimilarity judgement, penilaian disusun dengan skala menurut ketidaksamaannya
sehingga pasangan yang dianggap paling sama diberi nilai 1 dan yang apling tidak sama
diberi nilai 4. Sebaliknya, pada similarity judgement, penilaian dengan skala menurut
tingkat kesamaannya sehinga pasangan yang paling tidak sama diberi nilai 1 dan
pasangan yang paling sama diberi nilai 4. Skala penilaian ini menggunakan skala likert.
Dalam penelitian ini digunakan cara dissimilarity judgemen

Penskalaan dimensi ganda (multidimensional scaling) merupakan teknik penyajian data

melalui suatu gambar yang menunjukkan hubungan antar sejumlah objek berdasarkan peubah
yang diukur dan data yang dinyatakan dalam skala interval atau rasional.
MDS akan menghasilkan suatu peta yang digunakan untuk menunjukkan pengelompokan
sejumlah objek yang diamati. Menurut Hair, et al (1998), penskalaan dimensi ganda dikenal
sebagai peta persepsi (Perceptual Mapping), yaitu metode yang menggambarkan atau
memetakan kesan relatif yang dirasakan terhadap sejumlah obyek (perusahaan, produk atau
lainnya yang berhubungan dengan persepsi). Tujuan dari penskalaan dimensi ganda adalah
mentransformasikan menjadi sebuah jarak yang disajikan pada ruang dimensi rendah. Secara
umum tujuan penskalaan dimensi ganda adalah untuk menyajikan Gambaran kedekatan antar
obyek juga dapat digunakan untuk pengelompokan obyek yang kemudian menelusuri sifat –
sifat pengelompokan tersebut (Suharjo dalam Habibi, 2005).

Manly (1986) menjelaskan bahwa hubungan antar sejumlah objek dapat ditunjukkan dengan
menyusun peta. Peta dapat berada dalam satu dimensi (jika nilai objek terletak pada garis),
dalam dua dimensi (jika nilai obyek terletak pada bidang), dalam tiga dimensi (jika nilai
objek dapat disajikan dengan titik dalam ruang) atau dalam dimensi yang lebih tinggi. Dasar
penskalaan yang digunakan adalah jarak antar objek – objek tersebut. Pembentukan
konfigurasi dapat dinyatakan dalam dimensi yang lebih rendah, biasanya pada dimensi dua
atau dimensi tiga. Konfigurasi merupakan pasangan nilai – nilai koordinat.

Chadfield dan Collins (1980) membagi penskalaan dimensi ganda dalam dua tipe, yaitu
classified scaling atau metric multidimensional scalling dan ordinal scalling atau nonmetric
multidimensional scalling.

1. Classical scalling diterapkan pada ukuran kedekatan jarak Ecluidis dimana data
merupakan nilai numerik yang sebenarnya (bukan merupakan rank order atau peringkat).
Metode ini dikembangkan oleh Torgeson (1952,1958) dalam bidang psikologi yang dikenal
dengan nama metric scalling. Kemudian dipopulerkan oleh Gower (1966) dengan nama
principal coordinate analysis.

2. Ordinal scaling diterapkan pada data yang merupakan peringkat.metode ini dikembangkan
oleh Kruskal (1964) dengan nama non metric multidimensional scalling, tetapi selanjutnya
dikenal dengan ordinal scalling. Pada perkembangan berikutnya menurut Digby (1987)
principal coordinate analysis disebut classical scaling, hal ini dilakukan untuk menghindari
kekeliruan dengan principal component analysis karena pengucapan kedua metode tersebut
hampir sama.
Metode penskalaan data yang lain adalah penskalaan dimensi ganda non metrik (nonmetric
multidimensional scalling), pada metode ini skala pengukuran yang digunakan adalah skala
nominal dan ordinal. Prosedur penskalaan dimensi ganda nonmetrik (nonmetric
multidimensional scalling) menghasilkan penyelesaian sehingga jarak hanya berada dalam
dimensi yang dihasilkan (peta) dalam peringkat yang sama dengan ukuran ketidaksamaannya.

Perbedaan mendasar antar penskalaan dimensi ganda metrik dan penskalaan dimensi ganda
nonmetrik mengacu pada skala pengukuran data. Penskalaan dimensi ganda mengasumsikan
bahwa data bersifat kuantitatif, yaitu interval dan rasio, sedangkan penskalaan ganda
nonmetrik mengasumsikan bahwa data bersifat kualitatif, yaitu nominal dan ordinal (Dillon
dan Goldstein, 1984).