Melola Discovery

← Melola Discovery

Journal

Penskalaan Dimensi Ganda (Multidimensional Scaling) Data Non Metrik

Jurnal Matematika, Statistika dan Komputasi · Vol. 13 No. 2 (2018) · pp. 128–135

DOI
10.20956/jmsk.v13i2.3498
ISSN
2614-8811, 1858-1382
Published
2018-03-17
Publisher
Department of Mathematics, Hasanuddin University
Language
en

Abstract

Penskalaan Dimensi Ganda (PDG) adalah suatu teknik statistika yang digunakan untuk menganalisis kemiripan dan ketakmiripan antar objek dalam suatu gugus pengamatan. Dalam penelitian ini, PDG digunakan untuk mengubah data non metrik menjadi data metrik dengan menggunakan suatu pendekatan terhadap penskalaan optimal dengan Transformasi Kuadrat Terkecil Kruskal (Monotonic Least Square Kruskal). Penerapan transformasi ini digunakan untuk menganalisis kemiripan dan ketakmiripan dari beberapa merek mobil keluarga yang digemari di Kota Makassar. Penelitian ini diambil dari 300 responden pemilik/pengguna berbagai merek kendaraan keluarga, dimana disimpulkan bahwa mobil keluarga yang paling digemari yang disusun berdasarkan urutan kemiripannya adalah Kijang Innova, Kijang LGX, Kijang Super, Toyota Avanza, Mitsubishi Kuda dan Isuzu Panther pada satu kelompok, dan Honda Jazz, Kia Visto, Daihatsu Feroza dan Suzuki Katana pada kelompok yang lain.

Collaboration network of the authors

40 authors · 108 co-authorship links · 9 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Islam Negeri Raden Fatah Palembang
  • Sultan Ageng Tirtayasa University
  • STKIP Taman Siswa Bima
  • Universitas Muhammadiyah Parepare
  • Universitas Halu Oleo
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Anna IslamiyatiAffiliation unknown8
Andi Kresna JayaAffiliation unknown5
Nirwan IlyasAffiliation unknown5
A.Muthiah Nur AngrianyAffiliation unknown4
Nasrah SirajangAffiliation unknown3
Saleh AFAffiliation unknown3
Siswanto SiswantoAffiliation unknown3
Tajuddin TajuddinUniversitas Muhammadiyah Parepare2
Erna Tri HerdianiAffiliation unknown2
Imam ShofwanAffiliation unknown2
Sitti SahrimanAffiliation unknown2
Georgina Maria TinungkiAffiliation unknown2
Wahyudin WahyudinSTKIP Taman Siswa Bima1
Ita FitriatiSTKIP Taman Siswa Bima1
Deby NovianiUniversitas Islam Negeri Raden Fatah Palembang1
Winda Rahayu FitrianiUniversitas Islam Negeri Raden Fatah Palembang1
Cinta MellindaUniversitas Islam Negeri Raden Fatah Palembang1
Feni JuniatiUniversitas Islam Negeri Raden Fatah Palembang1
Muhammad Win AfganiUniversitas Islam Negeri Raden Fatah Palembang1
Heni PujiastutiSultan Ageng Tirtayasa University1
Hepsi NindiasariSultan Ageng Tirtayasa University1
Alce Syahfrida PratiwiAffiliation unknown1
Nur Asizah AsizahAffiliation unknown1
Manat RahimAffiliation unknown1
Astuti Yeni AcehAffiliation unknown1
Arifuddin ArifuddinUniversitas Halu Oleo1
Muh. SyarifAffiliation unknown1
Muh. NatsirAffiliation unknown1
Nur Asizah Nur AsizahAffiliation unknown1
Widya Nauli Amalia PuteriAffiliation unknown1
Zhazha Alifkhamulki RamdhaniAffiliation unknown1
Samsul ArifinAffiliation unknown1
Bunga ApriliaAffiliation unknown1
Andi Sitti Fahmi Riyanti HufainiAffiliation unknown1
Dwicahyo Ramadhan PriyatnaAffiliation unknown1
La Podje TalangkoAffiliation unknown1
Vieri KoerniawanAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, first harvested 5 Nov 2026, last seen 5 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Penskalaan Dimensi Ganda (Multidimensional Scaling) Data Non Metrik</dc:title>
	<dc:creator xml:lang="en">Anisa, Anisa</dc:creator>
	<dc:creator xml:lang="en">Raupong, Raupong</dc:creator>
	<dc:creator xml:lang="en">Ilyas, Ilyas</dc:creator>
	<dc:description xml:lang="en">Penskalaan Dimensi Ganda (PDG) adalah suatu teknik statistika yang digunakan untuk menganalisis kemiripan dan ketakmiripan antar objek dalam suatu gugus pengamatan. Dalam penelitian ini, PDG digunakan untuk mengubah data non metrik menjadi data metrik dengan menggunakan suatu pendekatan terhadap penskalaan optimal dengan Transformasi Kuadrat Terkecil Kruskal (Monotonic Least Square Kruskal). Penerapan transformasi ini digunakan untuk menganalisis kemiripan dan ketakmiripan dari beberapa merek mobil keluarga yang digemari di Kota Makassar. Penelitian ini diambil dari 300 responden pemilik/pengguna berbagai merek kendaraan keluarga, dimana disimpulkan bahwa mobil keluarga yang paling digemari yang disusun berdasarkan urutan kemiripannya adalah Kijang Innova, Kijang LGX, Kijang Super, Toyota Avanza, Mitsubishi Kuda dan Isuzu Panther pada satu kelompok, dan Honda Jazz, Kia Visto, Daihatsu Feroza dan Suzuki Katana pada kelompok yang lain.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2018-03-17</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/3498</dc:identifier>
	<dc:identifier>10.20956/jmsk.v13i2.3498</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 13 No. 2 (2017): January 2017; 128-135</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/3498/2022</dc:relation>
	<dc:relation>10.20956/j.v13i2.3498.g2022</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Anisa Anisa, Raupong Raupong, Ilyas Ilyas</dc:rights>
</oai_dc:dc>