Penskalaan multidimensi adalah metode untuk mengekspresikan informasi secara visual. Daripada menunjukkan angka mentah, bagan skala multidimensi akan menunjukkan hubungan antar variabel; hal-hal yang serupa akan tampak berdekatan sementara hal-hal yang berbeda akan tampak jauh satu sama lain.
Pemodelan Hubungan
Skala multidimensi menunjukkan bagaimana hal-hal berdiri dalam hubungan satu sama lain. Misalnya, jika Anda membuat skala multidimensi jarak kota di Amerika Serikat, Chicago akan lebih dekat ke Detroit daripada ke Phoenix.
Keuntungan dari metode ini adalah Anda dapat melihat skala multidimensi dan segera menilai seberapa dekat hubungan nilai yang berbeda. Kerugiannya, bagaimanapun, adalah bahwa teknik ini tidak berurusan dengan bilangan real – skala multidimensi Boston, New York dan Los Angeles akan terlihat mirip dengan skala multidimensi London, Dublin dan Buenos Aires, meskipun sebenarnya angka sangat berbeda.
Menyederhanakan Tabel
Skala multidimensi paling baik digunakan dalam situasi di mana terdapat sejumlah besar data yang diatur dalam bentuk tabel. Dengan mengonversinya menjadi skala multidimensi, Anda dapat langsung menilai hubungan, yang pada dasarnya tidak mungkin dilakukan dalam tabel dengan 10.000 angka berbeda atau lebih — jumlah yang sepenuhnya dapat dilakukan.
Kerugian dari ini adalah bahwa formula kompleks diperlukan untuk mengubah angka mentah menjadi skala multidimensi. Oleh karena itu, meskipun mudah untuk melihat hubungan antar gambar, dibutuhkan banyak usaha untuk membuat tabelnya. Ini berarti bahwa jika Anda akan menggunakan skala multidimensi, Anda harus yakin bahwa ada permintaan aktual untuk informasi yang disajikannya. Jika tidak, Anda menggunakan waktu Anda sekarang tanpa alasan selain untuk menghemat waktu orang lain di masa depan.
Aplikasi
Penskalaan multidimensi umumnya digunakan dalam psikologi, membuat grafik respons subjek terhadap berbagai rangsangan. Metode ini digunakan karena peneliti dapat menunjukkan hubungan kepentingan — yaitu seberapa besar kepentingan ditempatkan pada variabel yang berbeda. Ini bisa sangat berguna, karena data psikologis cenderung bervolume tinggi dan memiliki banyak aspek berbeda.
Kerugiannya adalah menambahkan lapisan subjektivitas lain ke data psikologis, karena memodelkan data yang ditabelkan ke dalam skala multidimensi membutuhkan beberapa pengambilan keputusan. Data mana yang akan masuk ke skala? Pengganda mana yang akan digunakan untuk membuat angka hubungan? Ini berpengaruh pada akurasi skala multidimensi.
NicoElNino/iStock/GettyImages
