STATISTIKA BISNIS (ANALITIK)

Statistik Bisnis (Analitik)

Capaian Pembelajaran Mata Kuliah

• Mahasiswa mampu memahami Konsep Dasar Statistika dan software pengolahan Data untuk kasus bisnis 
• Mahasiswa mampu memahami teori dan terampil menerapkan Analisis Perbandingan metode parametrik dan non-parametrik dalam kasus bisnis 
• Mahasiswa mampu memahami teori dan terampil menerapkan Analisis Korelasi metode parametrik dan non-parametrik dalam kasus bisnis 
• Mahasiswa mampu memahami teori dan terampil menerapkan Analisis Regresi dalam kasus bisnis 
• Mahasiswa mampu memahami teori dan terampil menerapkan Pengantar Machine Learning dalam kasus bisnis 
• Mahasiswa mampu memahami teori dan terampil menerapkan Analisis Multivariat Dasar dalam kasus bisnis

Sebagai bahan diskusi dan reviu materi silakan disimak postingan sebelumnya: ANALISIS TREN DENGAN ALGORITMA REGRESI. 

Thomas Redman Penulis Buku Data Driven memberikan beberapa saran apabila instansi/perusahaan mengambil keputusan berdasarkan analisis regresi.

Redman memberikan contoh skenario berikut ini: 

Misalkan Anda adalah seorang manajer penjualan yang mencoba memprediksi angka penjualan bulan depan. Anda tahu bahwa lusinan, bahkan mungkin ratusan faktor - mulai dari cuaca, promosi pesaing, hingga rumor tentang model yang baru dan lebih baik - dapat memengaruhi angka-angka tersebut. Mungkin orang-orang di organisasi Anda bahkan memiliki teori tentang apa yang akan memberikan dampak terbesar pada penjualan. "Percayalah. Semakin banyak hujan, semakin banyak yang kita jual.

Analisis regresi adalah cara untuk mengetahui secara matematis variabel mana yang  memiliki pengaruh. Analisis ini menjawab pertanyaan-pertanyaan:

• Variabel mana yang paling penting?
• Variabel mana yang bisa kita abaikan?
• Bagaimana Variabel-Variabel tersebut berinteraksi satu sama lain?
• Dan, mungkin yang paling penting, seberapa yakinkah kita dengan semua Variabel/faktor tersebut?

Beberapa hal yang perlu diperhatikan dalam analisis regresi:

“Correlation is not causation” "korelasi bukanlah sebab-akibat

Kapan pun Anda bekerja dengan analisis regresi atau analisis lain yang mencoba menjelaskan dampak satu faktor terhadap faktor lainnya, Anda perlu mengingat pepatah penting: Korelasi bukanlah sebab-akibat. Ini sangat penting. Inilah alasannya: Sangat mudah untuk mengatakan bahwa ada korelasi antara hujan dan penjualan bulanan. Regresi menunjukkan bahwa keduanya memang berhubungan. 

Namun, adalah hal yang sama sekali berbeda untuk mengatakan bahwa hujan menyebabkan penjualan. Kecuali jika Anda menjual payung, mungkin akan sulit untuk membuktikan adanya sebab dan akibat.

Terkadang faktor-faktor yang  jelas tidak berhubungan dengan sebab dan akibat ternyata berkorelasi, tetapi lebih sering dalam bisnis, hal ini tidak begitu jelas. Ketika Anda melihat korelasi dari analisis regresi, Anda tidak bisa membuat asumsi, kata Redman. Sebaliknya, "Anda harus keluar dan melihat apa yang terjadi di dunia nyata. Apa mekanisme fisik yang menyebabkan hubungan tersebut?" Amati konsumen yang membeli produk Anda di tengah hujan, bicaralah dengan mereka, dan cari tahu apa yang sebenarnya menyebabkan mereka melakukan pembelian. "Banyak orang melewatkan langkah ini, karena mereka malas. Tujuannya bukan untuk mencari tahu apa yang terjadi di dalam data, tetapi untuk mencari tahu apa yang terjadi di dunia nyata.

Kesalahan yang Sering Dilakukan Ketika Menggunakan Analisis Regresi?

Pertama, jangan menyuruh analis data Anda untuk mencari tahu apa yang mempengaruhi penjualan. "Kebanyakan analisis menjadi kacau karena manajer tidak mempersempit fokus pada apa yang dicari. Tugas Anda adalah mengidentifikasi faktor-faktor yang Anda curigai berdampak dan meminta analis Anda untuk menyelidikinya. "Jika Anda menyuruh seorang ilmuwan data untuk melakukan ekspedisi memancing, atau memberi tahu Anda sesuatu yang tidak Anda ketahui, maka akan mendapatkan hasil analisis yang buruk,". Dengan kata lain, jangan meminta analis Anda untuk melihat semua variabel yang mungkin bisa mereka dapatkan sekaligus. Jika Anda melakukannya, Anda mungkin akan menemukan hubungan yang sebenarnya tidak ada. Prinsipnya sama seperti melempar koin: Lakukan cukup sering dan pada akhirnya Anda akan melihat sesuatu yang menarik, seperti sekumpulan kepala yang berjejer.

Kedua, "analisis sangat sensitif terhadap data yang buruk," jadi berhati-hatilah dengan data yang Anda kumpulkan dan bagaimana Anda mengumpulkannya, dan ketahui apakah Anda dapat mempercayainya. "Semua data tidak harus benar atau sempurna, namun pertimbangkan apa yang akan Anda lakukan dengan analisis tersebut. Jika keputusan yang akan Anda ambil sebagai hasilnya tidak berdampak besar pada bisnis Anda.

Redman mengatakan bahwa beberapa manajer yang baru memahami analisis regresi membuat kesalahan dengan mengabaikan error term. Hal ini berbahaya karena mereka membuat hubungan antara sesuatu yang lebih pasti daripada yang sebenarnya. "Sering kali hasil yang keluar dari komputer dan manajer berpikir, 'Itu bagus, mari kita gunakan ini untuk ke depannya." Namun perlu diingat bahwa hasilnya selalu tidak pasti. Seperti yang ditunjukkan oleh Redman, "Jika regresi menjelaskan 90% hubungan, itu bagus. Namun jika hanya menjelaskan 10%, dan Anda bertindak seolah-olah 90%, itu tidak bagus." Inti dari analisis ini adalah untuk mengukur kepastian bahwa sesuatu akan terjadi. "Analisis ini tidak memberi tahu Anda bagaimana hujan akan memengaruhi penjualan Anda, tetapi memberi tahu Anda probabilitas bahwa hujan dapat memengaruhi penjualan Anda."

Kesalahan terakhir yang diperingatkan oleh Redman adalah membiarkan data menggantikan intuisi Anda.

"Anda harus selalu meletakkan intuisi Anda di atas data," jelasnya. Tanyakan pada diri Anda sendiri apakah hasilnya sesuai dengan pemahaman Anda tentang situasi tersebut. Dan jika Anda melihat sesuatu yang tidak masuk akal, tanyakan apakah datanya benar atau apakah memang ada kesalahan yang besar. Redman menyarankan untuk bertanya kepada manajer yang lebih berpengalaman atau analisis lain jika Anda mendapatkan sesuatu yang tidak masuk akal. Dan, jangan pernah lupa untuk melihat lebih dari sekadar angka-angka dan apa yang terjadi di luar kantor Anda: "Anda perlu memasangkan analisis apa pun dengan studi dunia nyata. Ilmuwan terbaik - dan manajer - melihat keduanya.

 

 WARNING INTERPRETASI PERSAMAAN REGRESI 

CONTOH LEMBAR KERJA ANALISIS REGRESI BERGANDA