a. MDS berskala metrik
Multidimensional scaling (MDS) metrik mengasumsikan bahwa data
adalah kuantitatif (interval dan ratio). Dalam prosedur MDS metrik tidak
dipermasalahkan apakah data input ini merupakan jarak yang sebenarnya atau
tidak, prosedur ini hanya menyusun bentuk geometri dari titik-titik objek yang
diupayakan sedekat mungkin dengan input jarak yang diberikan. Sehingga pada
dasarnya adalah mengubah input jarak atau metrik kedalam bentuk geometrik
sebagai outputnya.
b. MDS bersakala nonmetrik
Multidimesional scaling nonmetrik mengasumsikan bahwa datanya adalah
kualitatif (nominal dan ordinal). Pada kasus ini perhitungan kriteria adalah untuk
menghubungkan nilai ketidaksamaan suatu jarak ke nilai ketidaksamaan yang
terdekat. Program MDS nonmetrik menggunakan transformasi monoton (sama) ke
data yang sebenarnya sehingga dapat dilakukan operasi aritmatika terhadap nilai
ketidaksamaannya, untuk menyesuaikan jarak dengan nilai urutan
ketidaksamaanya. Transformasi monoton akan memelihara urutan nilai
ketidaksamaannya sehingga jarak antara objek yang tidak sesuai dengan urutan
nilai ketidaksamaan dirubah sedemikian rupa sehingga akan tetap memenuhi
urutan nilai ketidaksamaan tersebut dan mendekati jarak awalnya. Hasil
perubahan ini disebut disparities. Disparities ini digunakan untuk mengukur
tingkat ketidaktepatan konfigurasi objek-objek dalam peta berdimensi tertentu
dengan input data ketidaksamaannya. Pendekatan yang sering digunakan saat ini
untuk mencapai hasil yang optimal dari skala non metrik digunakan „Kruskal’s
Least-Square Monotomic Transformation” dimana disparities merupakan nilai
rata-rata dari jarak-jarak yang tidak sesuai dengan urutan ketidaksamaanya.
Informasi ordinal kemudian dapat diolah dengan MDS nonmetrik sehingga
menghasilkan konfigurasi dari objek-objek yang yang terdapat pada dimensi
tertentu dan kemudian agar jarak antara objek sedekat mungkin dengan input nilai
ketidaksamaan atau kesamaannya. Koordinat awal dari setiap subjek dapat
diperoleh melalui cara yang sama seperti metoda MDS metrik dengan asumsi
bahwa meskipun data bukan jarak informasi yang sebenarnya tapi nilai urutan
tersebut dipandang sebagai variabel interval.
Tidak ada komentar:
Posting Komentar