ANALISIS KORELASI UNTUK MEMBANTU DALAM PENGAMBILAN KEPUTUSAN BISNIS SEHARI-HARI #SERIES ANALITIK (1)
  • by chaakra
  • 10 December 2020

Saya bisa membayangkan sebagian dari kamu mengernyitkan dahi saat membaca judul artikel ini. Ya dirimu tidak salah membaca. Artikel ini akan sedikit membahas tentang analisis korelasi, serta melihat bagaimana hal ini bisa berperan dalam pengambilan keputusan pada bisnis/pekerjaan sehari-hari kita.

Harus kami akui, topik yang akan disampaikan kali ini cukup teknis. Namun kami akan mencoba membawakannya dengan cara yang (semoga) lebih mudah dicerna. Didalam artikel ini kami berjanji, tidak akan melibatkan rumus atau perhitungan seperti ini:           

Apa yang ingin ditunjukkan dalam artikel series pertama ini adalah potensi dari analisis korelasi dalam pekerjaan kamu sehari-hari. Contoh sederhananya adalah:

  • Apakah jumlah artikel memengaruhi page view? atau…
  • Apa hubungan kecepatan situs web dengan revenue?

Diharapkan di akhir series nanti kamu akan mampu mempraktekkan sendiri manfaat dari analisis korelasi. Have Fun Guys

Baca Juga: 4 Hal yang Perlu Dipertimbangkan Sebelum Menerapkan Big Data pada Perusahaan Anda

Korelasi, Sebuah Hubungan yang Tak Kamu Sadari

Kita mulai dari sebuah fakta, bahwa Di tahun 2018, Google menganalisis lebih dari 11 juta landing page di 213 negara. Mereka menemukan hubungan antara kecepatan loading page dengan bounce rate (ketika orang keluar dari suatu situs web). 

Jika suatu situs web butuh waktu 5 detik untuk bisa termuat, maka probabilitas bounce meningkat 90 persen. Jika waktu yang dibutuhkan meningkat jadi 10 detik, maka kemungkinan bounce juga naik jadi 123 persen.

Singkatnya, ada korelasi antara kecepatan situs web dengan bounce rate. Pengunjung yang bounce tidak bisa melakukan pembelian, membaca artikel, atau melakukan pendaftaran newsletter. Ini juga berarti kecepatan situs web memiliki hubungan dengan pendapatan.

Baca Juga: Keamanan Data di Internet

Ambil Mobify sebagai contoh. Pengurangan waktu memuat situs web sebanyak 100 milidetik membuat tingkat konversinya naik 1,11 persen. Bila peningkatan ini ditarik selama satu tahun, berarti pendapatannya meningkat hingga Rp5,5 miliar.

Ada lagi dari kasus Facebook Aha Moment backbone analytic dari Facebook. Ia menemukan bahwa orang-orang yang menghubungi 7 teman dalam 10 hari cenderung akan terus menggunakan Facebook dibandingkan mereka yang tidak. Facebook kemudian memfokuskan diri untuk membantu para pengguna baru untuk terhubung dengan setidaknya tujuh teman mereka. 

Masih ada banyak contoh lain selain dua studi kasus tadi, seperti Bain & Company yang menemukan bahwa NPS (Net Promoter Score) punya hubungan positif terhadap pertumbuhan organik perusahaan.

Apa yang coba kami sampaikan adalah, ada hubungan antara suatu faktor dengan faktor lain yang bisa membantu kamu mengambil keputusan bisnis/pekerjaan lebih baik. Analisis korelasi bisa membantumu menemukan hubungan ini dengan cara relatif mudah.

Namun, sebelum kalian melakukan analisis korelasi. Ada satu mantra wajib yang harus kalian ingat. Hubungan korelasi (correlation) yang kuat bukan berararti menyebabkan sebuah sebab-akibat (causation).

Baca Juga: Membangun Kebiasaan Kerja Anda untuk Mendongkrak Karir Anda

Korelasi yang Kuat Bukan Berarti Sebuah Hubungan Sebab Akibat

Apa artinya? Kami berikan contoh : Kecepatan situs web punya hubungan dengan pendapatan secara positif. Tapi ini tidak berarti mempercepat situs web bakal menyebabkan pendapatan jadi lebih tinggi. Yang bisa kita katakan adalah, kita mengamati hubungan yang erat antara kecepatan situs dan pendapatan.

Mungkin kecepatan situs web memang meningkatkan revenue, namun butuh riset yang berbeda untuk menarik kesimpulan itu. Dengan melakukan analisis korelasi, kita bisa mengamati hubungannya, meski tidak bisa mengatakan bahwa A adalah penyebab dari B (atau sebaliknya). Kalian bisa lihat contoh grafik dibawah ini :

Data di atas menggambarkan hubungan yang sangat erat (korelasi = 0,9011) antara menurunnya konsumsi margarin dengan jumlah perceraian yang terjadi di Amerika Serikat. Tentu saja, jika kamu ingin mengaitkannya dengan teori konspirasi, mistis, dan lain-lain, maka data ini bisa jadi pendukung. Namun dengan akal sehat, kita tahu bahwa korelasi ini hanyalah sebuah kebetulan saja.

Jumlah konsumsi margarin tentu saja tidak ada pengaruhnya terhadap orang-orang yang bercerai (dan juga sebaliknya). Sekali lagi, kita bisa bilang hubungannya erat. Namun kita tidak bisa bilang bahwa karena orang Amerika Serikat mengurangi jumlah konsumsi margarin disebabkan oleh semakin sedikitnya kasus perceraian di sana.

Baca Juga: 4 Hal yang Perlu Dipertimbangkan Sebelum Menerapkan Big Data pada Perusahaan Anda

Oke itu merupakan pengantar dari kami tentang bagaimana korelasi dapat membantu untuk menganalisis bisnis/pekerjaanmu. Pada artikel selanjutnya, kita akan belajar bagaimana melakukan analis korelasi.

Stay focus and see you next article guys


Ditulis oleh Gigih Prihantono, Senior Consultant dalam Chaakra Consulting

Leave a comment