4. Sebuah konfigurasi ruang m-dimensi stimulus koordinat atas n objek
diperoleh dari koordinat matriks =
Λ , dimana
adalah matriks dari m eigenvector dan
Λ adalah matriks diagonal dari masing-masing m
eigenvalue matriks B.
2.1.4 RSQ R Square
R = √+ adalah koefisien korelasi berganda yang digunakan untuk mengukur
kuatnya hubungan beberapa variabel bebas X dan Y. + yaitu koefisien
determinasi berganda. Koefisien determinasi
+ merupakan ukuran yang paling sederhana yang digunakan untuk mengetahui sejauh mana kecocokan antara data dengan garis
estimasi regresi. Apabila data hasil pengamatan terletak dalam garis regresi maka kita akan memperoleh kecocokan yang sempurna. Namun hal itu jarang terjadi.
Umumnya hasil-hasil pengamatan itu menyebar di seputar garis estimasi regresi sehingga menghasilkan
u
-
. positif jika pengamatan-pengamatan di atas garis estimasi regresi, atau sebaliknya
u
-
. negatif jika pengamatan-pengamatan di bawah garis estimasi regresi. Total penyimpangan terdiri dari dua komponen
yaitu: jumlah kuadrat yang dapat dijelaskan oleh model regresi explained sum of square, ESS dan jumlah kuadrat penyimpangan residual residual sumof square,
RSS, sehingga: 00 = 00 + +00
1 = 00
00 + +00
00 1 =
∑3
4
5 − 36 ∑3 − 36 +
∑ u
-
. ∑3 − 36
7 89:ℎ ∶ + = ∑3
4
5 − 36 ∑3 − 36 =
00 00
Semakin besar nilai + , semakin dekat antara estimasi garis regresi dengan
data sampelnya. Dua sifat yang terdapat dalam koefisien determinasi adalah Sarwoko, 2007:
Universitas Sumatera Utara
1. Nilainya tidak pernah negatif non negative quantity
2. Memiliki nilai limit 0
+ 1. Apabila + = 1 berarti kecocokan yang sempurna, sehingga
3
4
5 = 3, di lain pihak apabila + = 0 berarti tidak ada hubungan antara regressand dengan regressor.
Koefisien determinasi mengukur proporsi atau persen total variasi variabel Y yang dapat dijelaskan oleh model regresi. Dalam multidimensional
scaling¸koefisien determinasi dikenal dengan RSQ R Square atau R kuadrat ialah kuadrat dari koefisien korelasi yang menunjukkan proporsi varian dari the
optimally scaled
data, yang
diasumsikan oleh
prosedur penskalaan
multidimensional yang merupakan ukuran kecocokanketepatan goodness of fit measure.
Dalam multidimensional scaling MDS, RSQ mengindikasikan proporsi ragam input data yang dapat dijelaskan oleh model MDS. Semakin tinggi RSQ,
semakin baik model MDS. Menurut Malhotra 2005, model RSQ dapat diterima bila RSQ 0,6.
2.1.5 STRESS
