Ciri Analisis Data Matriks [PDF]

Citation preview

5. Analisis Data Matriks Analisis Data Matriks Matrix Data Analysis Chart (atau MDAC) adalah teknik analisis multivariant yang disebut ‘Principal Component Analysis’. Teknik ini mengkuantifikasi dan menyusun data yang disajikan dalam Diagram Matrix, untuk menemukan lebih banyak indikator umum yang akan membedakan dan memberi kejelasan jumlah besar kompleks informasi saling terkait. Ini akan membantu kita untuk memvisualisasikan dengan baik dan mendapatkan wawasan tentang situasi.



Ciri Analisis Data Matriks Ciri utama Analisis Data Matriks antara lain 



Keterkaitan antar faktor dalam diagram matriks dihitung secara statistik sehingga didapatkan tingkat keterkaitan secara kuantitatif







Hampir sama dengan diagram matrik, bagaimana keterkaitan itu didorong dengan menggunakan alat-alat statistik.



Penggunaan Analisis Data Matriks Analisis Data Matriks terutama digunakan untuk: 



menyelidiki faktor-faktor yang mempengaruhi sejumlah item yang berbeda, untuk menentukan hubungan umum.







menentukan apakah atau tidak item logis yang sama juga memiliki efek faktor yang sama.







menemukan kelompok-kelompok barang secara logis berbeda yang memiliki efek faktor yang sama.



Bentuk Analisis Data Matriks Dalam situasi yang komplek dimana terdapat banyak set item yang harus dibandingkan, maka hal yang akan menjadi kesulitan tersendiri adalah menentukan bagaimana hubungan antara satu faktor dengan faktor lain yang berbeda. Secara khusus, Analisis Data Matriks dapat berguna untuk menemukan kelompok-kelompok barang yang memiliki perilaku serupa. Misalnya, sabun cuci mungkin memiliki efisiensi yang berbeda untuk mencapai 'kelembutan' dan 'penghapusan noda' dalam pakaian yang terbuat dari akrilik, wol poliester, dan campuran



berbagai serat. Jika pengaruh yang sama ditemukan dalam kelompok serat, kemudian dilakukan perubahan bahan dengan bahan bubuk maka dapat mempengaruhi seluruh kelompok dengan cara yang sama. Bagan Analisis Data Matriks membantu mengklasifikasikan item dengan mengidentifikasi dua karakteristik utama secara umum untuk semua item dan kemudian merencanakan setiap item sebagai titik pada grafik xy standar. Hal ini akan memudahkan untuk melihat bagaimana setiap item berhubungan baik dengan karakteristik tertentu maupun hubungan satu sama lain.



Mengidentifikasi karakteristik terbaik untuk mengukur adalah tugas penting, sebagai set yang berbeda dari pengukuran dapat memberikan grafik yang sangat berbeda. Ini akan berguna untuk dapat membandingkan banyak karakteristik bersama, seperti kepadatan, warna, tekstur, kekuatan, dll dari campuran semen, tapi kami dibatasi oleh dua dimensi yang tersedia di atas kertas. Ada beberapa metode matematika untuk menggabungkan beberapa faktor tersebut yang akan dibahas pada kesempatan lain. Sebuah titik kunci interpretasi tentang Analisis Data Matriks adalah mempertimbangkan bagaimana titik pada suatu kelompoksecara bersama-sama diplotkan kedalam grafik cluster (ini mungkin kontras dengan diagram pencar, yang terlihat untuk tren linier). Penafsiran ini dibantu oleh kelompok-kelompok yang secara signifikan menyoroti poin dengan link linier, seperti contoh plotting analisis data matriks berikut:



Contoh Analisis Data Matriks Sebuah toko mainan yang bertujuan untuk meningkatkan penjualan sekaligus meningkatkan kepuasan pelanggan dengan mainan yang dijual. Sebagai bagian dari ini,



digunakan sebuah perusahaan riset pasar untuk mengukur baik banding awal (yang terkait dengan pembelian aktual) dan kepuasan jangka panjang (yang terkait dengan citra perusahaan) dari berbagai mainan untuk anak laki-laki berusia 5 sampai 10, baik yang mencetak gol pada skala satu-ke-sepuluh. Sektor ini dipilih terbatas untuk mencegah kompleksitas yang berlebihan dan kebingungan dalam analisis. Ini diplot pada matriks untuk mengidentifikasi mainan terbaik untuk mempromosikan dan untuk menemukan cara yang mungkin untuk memperbaiki mainan lainnya. Sumbu disilangkan di pertengahan-poin untuk membentuk kuadran nilai, seperti yang digambarkan di bawah ini. Akibatnya, kemasan dan promosi ditingkatkan dicari untuk mainan konstruksi yang lebih baik, dalam rangka untuk meningkatkan daya tarik awal, beberapa mainan ujung bawah itu dijatuhkan, dan hasil survei tersebut diterbitkan dalam bentuk yang pelanggan dengan mudah dapat memahami. Hasilnya adalah peningkatan reputasi toko seperti menempatkan kepentingan pelanggan pertama, sebagaimana dibuktikan oleh peningkatan dalam huruf gratis.



contoh lain 



Sebuah kebun anggur, yang bertujuan untuk meningkatkan konsistensi kualitas anggur yang mengukur 'penilaian kualitas' bersama dengan berbagai faktor lain yang berbeda, seperti anggur, aditif, penyimpanan, dll kemudian menggunakan MDACs untuk mengisolasi kelompok faktor yang berkontribusi terhadap anggur terbaiknya.







Sebuah menggabungkan farmasi memeriksa rasa sakit-membunuh obat anak perusahaan dalam hal biaya untuk produk dan khasiat umum. Produk yang biaya tinggi tetapi tidak kemanjuran tertinggi yang turun. Biaya rendah kemanjuran obat wajar dipromosikan, dan biaya tinggi obat memiliki proyek yang dimulai untuk mengurangi biaya produksi.







Sebuah unit produksi, mencari bahan alternatif untuk membangun casing gigi lebih tahan lama, membandingkan atribut kunci bahan yang tersedia menggunakan biaya



dan daya tahan. (Hendra Poerwanto G)