Isi
Penskalaan multidimensi adalah metode pengungkapan informasi secara visual. Alih-alih menunjukkan bilangan mentah, bagan skala multidimensi akan menunjukkan hubungan antar variabel; hal-hal yang serupa akan tampak berdekatan satu sama lain sementara hal-hal yang berbeda akan tampak jauh satu sama lain.
Pemodelan Hubungan
Timbangan multidimensi menunjukkan bagaimana sesuatu saling berhubungan satu sama lain. Misalnya, jika Anda membuat skala jarak kota skala multidimensi 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 nilai-nilai yang berbeda. Kerugiannya adalah 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 angka sebenarnya sangat berbeda. .
Tabel Penyederhanaan
Skala multidimensi paling baik digunakan dalam situasi di mana ada sejumlah besar data yang disusun dalam bentuk tabel. Dengan mengonversinya ke skala multidimensi, Anda dapat segera menilai hubungan, yang pada dasarnya tidak mungkin dalam tabel dengan 10.000 atau lebih angka yang berbeda - jumlah yang sepenuhnya layak.
Kerugiannya adalah formula rumit diperlukan untuk mengubah angka mentah menjadi skala multidimensi. Oleh karena itu, walaupun mudah untuk melihat hubungan antara angka-angka, dibutuhkan banyak upaya untuk membuat tabel. 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, menggambarkan respons subjek terhadap berbagai rangsangan. Metode ini digunakan karena peneliti dapat menunjukkan hubungan yang penting - yaitu, seberapa penting ditempatkan pada variabel yang berbeda. Ini bisa sangat berguna, karena data psikologis cenderung bervolume tinggi dan memiliki banyak aspek berbeda.
Kelemahan dari hal ini adalah ia menambahkan lapisan subjektivitas lain pada data psikologis, karena memodelkan data yang dimasukkan dalam skala multidimensi memerlukan beberapa pengambilan keputusan. Data mana yang akan dimasukkan ke dalam skala? Pengganda mana yang akan digunakan untuk membuat angka hubungan? Ini memiliki efek pada akurasi skala multidimensi.