Gambar 3.2 Terlihat bahwa plot nilai similarities dan jarak tidak memenuhi sifat
monoton sempurna. Dari kiri ke kanan, garis tidak selalu menurun. Untuk mengatasi hal ini, dibuat jarak penyesuaian baru yang dilambangkan dengan
ij
d
.
Jarak baru ini diambil dari rata-rata jarak yang tidak memenuhi aturan monotonitas sempurna. Untuk kasus di atas jarak baru untuk
12
d
dan
34
d
adalah. 2
34 12
34 12
d d
d d
Setelah ditentukan jarak penyesuaian yang
baru, prinsip monotonitas terpenuhi di mana
34 24
13 34
12 23
d d
d d
d d
maka diagram Sheppard setelah dihitung jarak penyesuaian adalah:
Gambar 3.3
B. Penyusunan Penskalaan Multi Dimensi
Untuk menyusun suatu penskalaan multi dimensi dilakukan langkah- PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
langkah seperti yang akan diuraikan dibawah ini. .
1. Pemasukan Data
Data yang dimasukkan untuk diolah oleh MDS berupa nilai proximities yang berupa nilai-nilai kemiripan similarity atau ketidakmiripan dissimilarity
antara semua atau hampir semua pasangan antara setiap anggota himpunan obyek. Menurut cara memperolehnya, data dibedakan menjadi:
a. Similaritas langsung
Data similaritas langsung diperoleh dengan meminta subyek untuk memberikan penilaian mengenai kemiripaan antara pasangan-pasangan stimuli.
Subyek disodori sepasang stimuli dan diminta menaksir kemiripan dua stimuli itu. Proses diulangi sampai semua pasangan yang ada telah dinilai.
Ada banyak metode untuk mengumpulan data similaritas langsung. Tiga metode yang paling
sering dipakai adalah:
1. Penandaan Garis Line Marking. Subyek diberi sejumlah kertas sebanyak
jumlah pasangan yang ada. Penilaian dicatat dengan membuat tanda pada sebuah garis yang pada kedua ujungnya telah diberi label. Biasanya ujung kiri ditandai
label ‘Persis Sama’ dan ujung sebelah kanan diberi label ‘Sangat berbeda’. Semakin tanda diletakkan ke kanan semakin rendah nilai kemiripan pasangan.
Penilaian juga bisa dikodekan, misalnya dari angka 0 sampai 100, dengan skala disesuaikan dengan panjang garis.
2. Penyortiran. Subyek dihadapkan pada semua anggota himpunan stimulus dan
diminta untuk menyortir stimulus menjadi kelompok-kelompok. Banyaknya PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
kelompok dapat ditentukan oleh peneliti atau dapat juga dibiarkan bebas ditentukan oleh subyek. Setelah penyortiran, peneliti mencatat banyaknya
stimulus untuk tiap-tiap subyek. Kemudian disusun sebuah matriks bujursangkar untuk setiap subyek. Entri-entri matriks dikode 0 untuk pasangan yang disortir
menjadi satu kelompok dan dikode 1 jika pasangan berada pada kelompok yang berbeda. Nilai kemiripan diperoleh dengan menjumlah matriks dari semua subyek.
3. Pemeringkatan terkondisi Conditional Rank Orders. Pada metode ini,
masing-masing stimulus secara bergiliran dijadikan standar perbandingan. Subyek diminta memperingkatkan stimulus-stimulus lain berdasarkan kemiripannya
dengan standar perbandingan tersebut. Kemudian, disusun suatu matriks di mana masing-masing baris dari matriks tersebut menunjukkan nilai kemiripan atau
ketidakmiripan stimulus terhadap standar perbandingan. Metode Pemeringkatan lainnya adalah dengan meminta subyek untuk mengurutkan semua kemungkinan
pasangan obyek dari yang paling mirip sampai yang paling tidak mirip. Data ditampilkan dalam bentuk tabel atau matriks. Di bawah ini
ditampilkan tampilan data hasil dari beberapa metode dalam bentuk tabel.:
Contoh 3
Metode line marking. Semakin kecil nilai data, menunjukkan semakin kecilnya nilai proximity antar obyek.
Stimulus A
B C
D E
Tabel 3.1
Contoh 4
Metode penyortiran. Nilai 0 menunjukkan bahwa obyek berada dalam satu kelompok. Nilai 1 menunjukkan bahwa obyek berbeda kelompok. Data yang
diolah adalah penjumlahan matriks untuk semua subyek. Contoh tampilan untuk satu subyek.
Stimulus A
B C
D E
A -
1 1
B -
1 1
C -
1 1
D 1
1 1
- E
1 1
1 -
Tabel 3. 2
Contoh 5
Metode pemeringkatan, semakin kecil nilai data menunjukkan semakin besar nilai
A -
20 50
80 100
B 20
- 50
30 40
C 50
50 -
70 50
D 80
30 70
- 20
E 100
40 50
20 -
