"In Multidimensional scaling, the objective is to transform the consumer judgments of similarity or preferency (e.,g preference of story or brand) into distance represented in multidimensional space. If object A dan B in such a way that distance between them in multidimensional space is similar that distance any other two pairsof object. The resultating perceptual map show the relative positioning of all object, but additional analysis is needed to asses which atrributes predict the position of each object,"(Hair,Anderson,Tatham, Black,1995).
"Tujuan multidimensional Scaling adalah untuk mentransformasi penilaian konsumen tentang kemiripan atau preferensi (misal,preferensi tentang toko atau merk) kedalam beberapa distance yang akan ditampilkan dalam bentuk multidimensional space. Jika objek A dan B akan dinilai oleh responden adalah yang paling mirip dibandingkan dengan kemungkinan pasangan lain, MDS akan memposisikan objek A dan B sedemikian sehingga jarak multidimensional antara kedua objek sama atau mirip dibandingkan dengan jarak pasangan lainnya. Hasil pemetaan menunjukan hubungan posisi dari semua objek, tetapi analisis tambahan tetap diperlukan untuk menilai atribut mana yang memprediksi jarak masing-masing objek,"(Hair, Anderson, Tatham, Black,1995).
Sumber : Yamin dan Heri, 2009
Dalam analisis multivariate untuk variabel yang bersifat interdependensi selain analisis faktor dan analisis cluster, ada juga analisis Multidimensional Scaling (MDS) dan analisis Corespondency Analisis (CA).
Analisis faktor berhubungan dengan reduksi atau meringkas beberapa variabel menjadi faktor-faktor yang dominan. Peringkasan ini merujuk pada isi kolom pada tiap variabel. sedangkan analisis cluster berhubungan dengan pengelompokan (peringkasan) isi baris yang menunjukan responden atau indivdu. Walaupun pada analisis cluster dijumpai pengelompokan variabel (isi kolom), namun hal tersebut sebagai penggambaran isi atau ciri cluster yang terbentuk dan bukan tujuan utama analisis. Sampai di sini agak bingung ya.....! lebih jelasnya mengenai analisis faktor dan cluster bisa dipelajari pada bagian tersebut.
Kita kembali ke topik analisis MDS. Analisis MDS dan CA berhubungan dengan objek dari penelitian. Khususnya MDS akan memproses isi baris dan kolom sekaligus. Ada beberapa perbedaan antara MDS dan CA menurut jenis datanya, MDS menganalisis data nonmetrik (nominal dan ordinal) dan metrik (interval dan rasio) sedangkan CA hanya bisa menganalisis data nonmetrik (nominal dan ordinal). analisis CA akan dibahas pada bagian tersendiri.
Untuk memperjelas analisis MDS, saya akan memberikan sebuah ilustrasi :
Sebuah rumah sebagai objek akan kita bandingkan , misal rumah A, rumah B dan rumah C. Apa yang akan dibandingkan? tentunya atribut pada rumah tersebut. Atribut rumah dapat berupa interior, keindahan taman, atau fasilitas. Jika ketiga rumah tersebut akan dibandingkan interiornya, apakah ketiganya mempunyai kemiripan atau berbeda satu dengan yang lain. Hasilnya bisa rumah A mirip dengan rumah B atau rumah C atau ketiganya berbeda atau tidak mempunyai kemiripan.
Aplikasi MDS dalam bidang pemasaran biasanya digunakan untuk membandingkan dengan beberapa pesaingnya.
Hal tersebut di atas tidak dapat dianalisis menggunakan analisis faktor maupun cluster, karena kedua analisis ini hanya dapat dilakukan pada 1 objek saja.
Dalam MDS, hasil perbandingan dalam bentuk peta (2 dimensi atau 3 dimensi) menurut kedekatan atau kemiripan (similarity) tiap objek.
1. Langkah Analisis MDS dengan SPSS
2. Model Regresi dengan Moderasi
3. Model Moderator Regression Analysis (MRA)
Referensi :
Cox,T.F and Cox,A.A. (2001).Multidimensional Scaling 2 Edition.Washington: Chapman & Hall/CRC
Hair,J.F,.Black,W.C.,Babin,B.J.,and Anderson,R.E. (2009).Multivariate Data Analysis 7th Edition.Prentice Hall
Ingwer Borg,I and Groenen,P.J.F. (2005). Modern Multidimensional Scaling 2 editions: Teory and Applications.New York: Springer Science
Yamin,S dan Kurniawan,H. (2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS.Jakarta : Salemba Infotek