Dulu saya pernah membaca sebuah artikel yang cukup unik. Isinya adalah orang-orang yang beristirahat siang memiliki potensi kanker yang lebih tinggi dibandingkan orang yang melanjutkan pekerjaannya. Apakah benar bahwa orang-orang yang beristirahat siang dalam pekerjaannya berpotensi lebih tinggi terkena kanker? Kenapa harus yang beristirahat siang yang terkena serangan kanker. Bukankah yang melanjutkan pekerjaannya berpotensi mengalami stress yang lebih tinggi dibandingkan yang beristirahat. Apakah benar bahwa peningkatan kanker dipengaruhi oleh istirahat saat siang hari? Apakah benar bahwa peningkatan faktor tertentu dipengaruhi oleh hal-hal tertentu?
Analisis regresi
Sekarang saya ingin mengajarkan anda sedikit tentang analisis regresi. Saya mengajak anda untuk membayangkan diri anda sebagai sebuah manager penjualan disebuah perusahaan yang berfokus menjual prodak turunan dari kopi. Seperti yang kita semua tahu bahwa ada sangat banyak variable yang mempengaruhi penjualan sebuah prodak. Misalnya cuaca, kemudahan distribusi, efektivitas program diskon, iklan, pemilihan partner untuk kerjasama, penempatan posisi brand dibanding kompetitor, kemampuan penyerapan pasar terhadap sebuah prodak dan tentunya masih banyak lagi jika disebutkan satu persatu. Kita boleh saja berkata bahwa saat musim hujan prodak kita akan terjual dengan baik, dan boom! setelah musim hujan prodak tidak mengalami peningkatan penjualan.
Analisa regresi merupakan sebuah cara matematika untuk memisahkan variabel mana saja kah yang paling berpengaruh terhadap variabel lainnya. Dengan regresi kita dapat menjawab, faktor apa saja yang mempengaruhi? Faktor apa saja yang bisa kita acuhkan? dan yang paling penting kita harus bagaimana dengan semua faktor ini.
Dalam analisa regresi ada dua jenis variable yang dianalisa, yaitu variabel dependen dan variabel independen.Kita dapat memisahkan satu variable yang ingin kita prediksi misalnya seperti penjualan perbulan sebagai variabel terikat “dependent variables” dan variabel lainnya yang kita duga mempengrauhi tinggat penjualan adalah variable bebas “independent variable.”.
Cara kerja analisis regresi
Untuk bisa menggunakan analisis regresi anda tidak perlu melakukannya sendiri, anda bisa meminta rekan anda yang merupakan seorang data analis atau anda bisa meminta seorang freelance data scientisit untuk membantu anda. Pertama-tama yang perlu dilakukan adalah mengambil data yang anda miliki, misalnya data penjualan selama beberapa tahun yang lalu data penjualan bertindak sebagai variable kontrol. Tambahkan variable yang berperan sebagai variable bebas, variable bebas yang ditambahkan merupakan faktor yang menarik perhatian anda yang anda kira merupakan penyebab dari menurun atau naiknya prodak yang anda jual, misalnya adalah curah hujan. Jika anda mau, anda bisa melihat contoh coding yang saya upload di GitHub
Pada sumbu y menunjukkan banyaknya prodak kopi yang terjual dengan satuan kilogram (kg), sedangkan pada sumbu x menunjukkan curah hujan dengan satuan milimeter (mm). Pada setiap titik merepresentasikan hasil penjualan selama 2 minggu. Bagaimana curah hujan dan jumlah penjualan selama 2 minggu dapat anda lihat berdasarkan grafik diatas.
Seperti yang anda bisa lihat, dengan mudah anda akan melihat bahwa ketika curah hujan mengalami kenaikan maka penjualan kopi mengalami peningkatan. Yang menarik adalah, seberapa banyak kopi yang terjual jika kondisi curah hujan menunjukan nilai tertentu? bagaimana jika hujan mengalami kenaikan 2mm berapakah kenaikan penjualan kopi yang akan terjadi?
Garis regresi
Pada masa SMA kita pernah mempelajari persamaan linear, saat itu saya tidak mengetahui fungsi dari persamaan linear dan guru saya saat itu juga tidak bisa menjelaskan fungsinya dikehidupan sehari-hari. Sekaranglah saat yang tepat menggunakan persamaan linear untuk membantu kita dalam memprediksi penjualan kopi yang kita jual.
Garis merah ini merupakan garis regresi, anda bisa membuatnya menggunakan program statistik seperti Excel, SPSS, Tableau dan banyak lagi tetapi pada kesempatan kali ini saya menggunakan Python untuk memvisualisasikannya. Garis regresi merupakan cara termudah untuk mengetahui bagaimana hubungan antara variable. Untuk catatan ada tiga jenis garis regresi yaitu positif, negatif dan tidak berhubungan sama sekali.
Garis regresi yang dihasilkan memliki peramaan linear yang bisa anda lihat di program statistika yang anda miliki. Untuk garis diatas memiliki persamaan.
Penjualan kopi = 17.87 + 1.81*(curah hujan) + error
Persamaan linear untuk garis regresi sperti diatas. Dan kita bisa mengabaikan error, variabel error ditambahkan karena persamaan regresi tidak bisa memiliki akurasi 100%, cukup fokus pada persamaan yang ada.
Penjualan kopi = 17.87 + 1.81*(curah hujan)
Dengan persamaan ini kita bisa mengetahui jika pada 2 minggu tidak terjadi hujan maka rata rata kopi yang terjual adalah 17.87 kg. Begitu juga dengan peningkatan jumlah hujan, kita bisa memprediksi penjualan kopi jika peningkatan intensitas hujan sebesar 70mm maka rata-rata penjualan kopi diprediksi sebesar 144.57 kg Dengan demikian bisa disimpulkan bahwa dengan peningkatan curah hujan sebesar 1 mm maka kenaikan penjualan kopi meningkat sebesar 1.81 kg.
Regresi multivariat
Analisis regresi biasa disebut juga mutivariate regression analysis ketika variable yang dianalisa lebih dari satu. Saya akan menambahkan variable lainnya, misalnya biaya iklan.Setelah dimasukkan didapatkan persamaan dibawah. Didapatkan bahwa pengaruh iklan tidak lebih besar dibandingkan dengan curah hujan.
Penjualan kopi = 17.87 + 1.81*(curah hujan) + 0.9*(biaya iklan)
Kembali lagi pada variabel error, variabel error penting pada analisis regresi dikarenakan pada perhitungannya tidak mungkin menghasilkan persamaan yang benar-benar akurat. Regresi hanya memberikan rata-rata pada setiap titik, bukanlah berupa hasil pasti. Semakin kecil error variable yang dimiliki artinya hasil dari analisis regresi semakin bisa dipercaya.
Pada contoh diatas hanyalah contoh dari beberapa variable saja yaitu hubungan antara curah hujan dengan penjualan kopi dan iklan. Pada umumnya kita memiliki dugaan variabel apa saja yang berpengaruh pada penjualan prodak kita. Bisa saja kemudahan distribusi berpengaruh besar pada penjualan prodak, bisa saja pasar yang kita penetrasi memang sudah jenuh dengan prodak turunan kita, kita bisa memasukkan banyak variable pada analisis regresi untuk menghasilkan nilai error yang lebih kecil. Dengan regresi kita bisa mengetahui variable mana saja yang memiliki pengaruh kuat pada penjualan kita.
Bagaimana perusahaan mengunakan regresi?
Perusahaan yang sudah berdiri bertahun-tahun biasanya memiliki sebuah database yang lengkap. Perusahaan yang baik menggunakan data tersebut sebagai pijakan untuk mengambil kebijakan selanjutnya. Misalnya HRD bisa merekrut orang terbaik yang benar benar dibutuhkan oleh perusahaan. Manager pemasaran bisa menjawab pertanyaan faktor faktor apa saja yang mempengaruhi penjualan prodak.
Perusahaan juga bisa menggunakan regresi untuk memprediksi penjualan kedepannya, misalnya jika biaya iklan yang dikeluarkan ditingkatkan maka penjualannya akan meningkat sekian persen, dengan adanya prediski ini maka pada bagian produksi bisa mempersiapkan produk sesuai dengan prediksi
Satu lagi yang perlu diingat adalah “correlation is not causation”. Pada buku the naked statistics, Charles Wheelan. Wheelan mengingatkan bahwa hanya karena suatu variable berhubungan bukan berarti variable tersebut menjadi penyebabnya. Kembali ke penjualan kopi, kita bisa mengatakan bahwa seiring meningkatnya intensitas hujan maka penjualan kopi akan meningkat. Tetapi apakah penyebab peningkatan penjualan kopi adalah kenaikan intensitas hujan? hal ini merupakan permasalahan yang berbeda. Kecuali anda menjual jas hujan.
Sebenarnya topik regresi banyak yang bisa dieksplorasi, tetapi saya rasa artikel ini cukup menjelaskan secara garis besar bagaimana regresi bekerja. Untuk kedepannya saya akan membahas bagaimana jika data yang dianalisa kecil apakah bisa menggunakan analisis regresi?
Baca juga: Cara Statistik ‘Bermain Aman’ Kenapa Survei Terdapat Margin Error?