Definisi Analisis Multidimensional Scaling (skripsi dan tesis)

 Ada beberapa definisi penskalaan dimensi ganda (multidimensional scaling) yang diungkapkan oleh beberapa ahli antara lain, penskalaan multidimensional (PMD) atau multidimensional scaling (MDS) merupakan suatu teknik yang bisa membantu peneliti untuk mengenali (mengidentifikasi) dimensi kunci yang mendasari evaluasi objek dari responden atau pelanggan.16 Analisis multidimensional scaling (MDS) merupakan salah satu teknik peubah ganda yang dapat digunakan untuk menentukan posisi suatu objek lainnya berdasarkan penilaian kemiripannya. MDS berhubungan dengan pembuatan map untuk menggambarkan posisi sebuah objek dengan objek lainnya berdasarkan kemiripan objek-objek tersebut. Dari definisi tersebut, kegunaan multidimensional scaling adalah untuk menyajikan objek-objek secara visual berdasarkan kemiripan yang dimiliki. Selain itu kegunaan lain dari teknik ini adalah mengelompokkanobjek-objek yang memiliki kemiripan dilihat dari beberapa peubah atau atribut yang dianggap mampu menggelompokkan objek-objek tersebut. 

Sehingga dapat disimpulkan bahwa, multidimensional scaling adalah: a. Kumpulan teknik-teknik statistika untuk menganalisis kemiripan dan ketakmiripan antar objek. b. Memberikan hasil yang berupa plot titik-titik sehingga jarak antar titik menggambarkan tingkat kemiripan atau ketakmiripan. c. Memberikan petunjuk untuk mengidentifikasi atribut tak diketahui atau faktor yang mempengaruhi munculnya kemiripan atau ketakmiripan. Statistik dan beberapa istilah (terminologi) yang penting dalam analisis MDS, antara lain sebagai berikut: a. Analisis agregat (aggregate analysis), sebuah pendekatan dalam MDS, dimana perceptual map dibuat untuk evaluasi sekelompok responden terhadap objek-objek. Perceptual map dapat dibuat dengan komputer maupun peneliti sendiri. b. Penilaian kesamaan (similarity judgement), merupakan perangkat seluruh pasangan merek yang mungkin atau stimuli lain berdasarkan kesamaan yang dinyatakan melalui skala pengukuran (measurement scale) berskala nonmetrik atau semacamnya.

Peringkat preferensi (preference rankings), adalah ranking berupa urutan merek-merek mulai dari yang paling diinginkan sampai paling tidak diinginkan konsumen atau responden. d. Stress, adalah skor yang menyatakan ketidaktepatan pengukuran (lack offit measurement). Semakin tinggi stress , semakin tinggi ketidaktepatan. e. R kuadrat (R square), adalah indeks korelasi pangkat dua yang menyatakan proporsi varians data asli yang dapat dijelaskan MDS. f. Peta spasial (disebut juga perceptual map) , adalah suatu peta geometris yang menyatakan hubungan atau perbandingan antarmerek atau stimuli lain berdasarkan dimensi-dimensi yang diukur. g. Koordinat (coordinates), menyatakan posisi suatu merak atau stimulus lain dalam peta spasial. h. Unfolding, representasi merek dan responden sebagai pola dalam ruang yang sama.20 Konsep dasar dari multidimensional scaling adalah jarak yang dihasilkan dalam ruang harus sesuai dengan proximities yang sebenarnya. Sehingga yang dilakukan oleh multidimensional scaling adalah mencari posisi dalam ruang dan koordinat untuk setiap stimuli. Diharapkan jarak yang dihasilkan akan mendekati nilai proximities. Proximity dibagi atas dua yaitu pertama similarity (kemiripan) yaitu jika semakin kecil nilai jaraknya

menunjukkan bahwa objeknya lebih mirip. Kedua, dissimilarity (ketakmiripan) yaitu jika semakin besar nilai jaraknya, menunjukkan bahwa objeknya semakin tak mirip. Keberhasilan dari proses ini ditentukan oleh seberapa baik jarak yang dihasilkan (𝑑̂ 𝑖𝑗) dalam ruang sesuai dengan proximities yang sebenarnya (𝛿𝑖𝑗)