Bisnis hari ini tidak bisa terlepas begitu saja dengan riset dan pengembangan. Salah satu bentuk riset yang sering dipergunakan adalah analisa multivariate data. Periset menggunakan teknis statistic yang secara stimultan untuk menganalisa data yang beragam untuk kepentingan pengembangan perusahaan. Untuk memahami kejelasannya, SBM ITB mengajak ahlinya untuk menjadi dosen tamu kuliah virtual, Dinda Thalia Andariesta, Jumat (22/4/2022).
Dinda yang juga merupakan part-time Researcher at School of Business and Management menceritakan bahwa pada dasrnya dalam riset bisnis itu ada baiknya apabila kita mengaitkan satu akibat dengan lebih dari satu sebab. Dengan demikian, kita bisa memahami sebuah fenomena secara menyeluruh. Terutama di era data yang kompleks, memproses data yang kompleks menjadi pengetahuan adalah tren yang diipergunakan hari ini. Variable yang dilibatkan bisa lebih satu-dua komponen.
“Secara mendasar, kita mempergunakan teknik statistic yang secara stimultan menganalisa dan mengukur individual atau objek ang sedang diinvestigasi. Dimana hasil akhirnya adalah equation yang bisa mewakili concern atau hal yang ingin kita ketahui lewat kombinasi kompleks antar variable,” tutur mantan Master Teacher at Ruangguru itu.
Secara umum tipe teknik dalam multivariate analisis itu ada dua, dependen dan interdependence. Dalam analisa terkait teknik dependen, periset dituntut untuk mencari relasi antara variable pokok dengan variable pendukung. Bisa menggunakan multiple regression analysis, multiple discriminant analysis, logistic regression analysis, conjoint analysis, multivariate analysis of variance dan structural equation modelling. Sedangkan interdepdence itu lebih kepada mencari struktur relasi antara beberapa variable atau objek yang belum terlihat hubungan jelasnya. Adapun teknik yang dipergunakan dalam Interdependence adalah factor analysis, cluster analysis multidimensional scalling dan correspondence analysis.
Adapun Langkah Langkah yang dipergunakan dalam mencari multivariate model building adalah
- Mendefinisikan problem, pertanyaan, objektif, teknik maupun spesifikasi riset lainnya.
- Membuat perencanaan analisis dan pengambilan data sampel yang sesuai dengan alat bantu yang tepat
- Memeriksa data dan asumsi yang mucul ataupun mengolah data yang kurang sesuai.
- Membangun multivariate model yang cocok untuk mengidentifikasi dan menghasilkan data yang dapat diterima secara keilmuan maupun dapat dijalankan dalam ilmu terapan
- Membuat intepretasi hasil
- Membuat validasi untuk memastikan hasil yang telah dilakukan.
Pengalaman ahli
Sembari berbagi pengalaman di bidang riset di dunia praktik, Dinda yang juga pernah bekerja sebagai Supply Chain Analyst di PT Acme Indonesia, Failure Analysis Engineer di Infineon Technologies menutup paparan lewat cerita pengalaman.
“Kita sebagai periset tidak bisa memastikan suatu hal. Belum tentu ada polarisasi yang jelas yang dapat kita ukur. Sebagai periset, kita hanya bisa menggunakan instrument untuk mengukur dan memprediksikan fenomena masa depan,” tutur Assistant Coordinator at Faculty of Mathematics and Natural Sciences ITB dan Laboratory Assistant at Department of Physics Department of Physics ITB itu.
Pekerjaan periset itu memberikan kontribusi pada perusahaan. Manfaat paling sering muncul adalah memberikan alternatif sebagai hasil dari riset pada stakeholder untuk dipilih sesuai dengan kebutuhan dan kepentingan dari perusahaan yang bersangkutan. Bisa juga menawarkan produk yang sesuai dengan konsumen yang dituju, pemetaan, pengukuran, menguji hipotesis, mencari penjelasan, membuat prediksi maupun hal lain yang terkait dengan objektif yang ditentukan. Bisa simplifikasi, dimana riset mengisi kekosongan yang ada di literatur atau implikasi praktis berupa pencarian kegunaan dan penerapan di industri terkait.