Dalam dunia bisnis, beberapa pertanyaan yang kemungkinan akan muncul ketika suatu strategi bisnis diusulkan adalah,
- Apakah strategi bisnis itu memiliki impact terhadap perusahaan?
- Variabel apakah yang menyebabkan peningkatan impact itu?
- Bagaimana cara yang valid untuk bisa mengambil kesimpulan tersebut?
Berkaitan dengan pertanyaan-pertanyaan itu, ada yang namanya causal analysis; ia melakukan komparasi hasil antara dua kelompok seperti pada A/B Testing, serta mencari tahu faktor-faktor apa saja yang kemungkinan bisa memengaruhi hasil dari hubungan sebab-akibat itu.
Causal analysis bertujuan menemukan akar penyebab dari suatu permasalahan.
Ia juga membantu mengungkapkan fakta yang mengarah pada situasi permasalahan tertentu.
Jika Anda tertarik untuk mendalami pemahaman dan penerapan Causal Analysis, berikut ini merupakan daftar rekomendasi buku yang bisa Anda jadikan sebagai referensi bacaan.
1. Causal Inference for The Brave and True
Handbook yang bersifat open-source ini berisi materi tentang causal inference dan statistik sains.
Buku ini menyajikan pendekatan ringan dalam menjelaskan bagaimana konsep utama dari estimasi impact dan analisis sensitivitas.
Buku ini juga menyajikan lampiran code penerapan dari kausalitas menggunakan bahasa Python.
Terdiri dari dua bagian, bagian pertama (The Yang) buku ini berisi konsep inti dari model causal inference.
Anda bisa mempelajari bagaimana cara untuk merepresentasikan pertanyaan kausal, grafik kausal dan konsep bias.
Bagian pertama ini bisa menjadi landasan solid untuk mempelajari kausalitas di tingkat yang lebih lanjut.
Bagian kedua (The Yin) berisi pengembangan dan penerapan dari causal inference pada dunia industri.
Sebagian besar dari apa yang tertulis di buku ini didasarkan pada pengalaman eksperimental dari penulis.
Penulis: Matheus Facure
Penerbit: Open Source
Harga: Open Source
Rating: –
Akses Handbook: matheusfacure.github.io
2. The Effect: An Introduction to Research Design and Causality
Buku ini berisi konsep desain penelitian yang menggunakan data observasional untuk menghasilkan sebuah causal inference dan ditulis dengan cara intuitif, serta tidak terlalu bersifat teknis.
Terbagi menjadi dua bagian, masing-masing bagian memiliki pendekatan berbeda.
Bagian pertama dari buku ini membahas konsep-konsep umum dari desain penelitian dan kausalitas dengan memanfaatkan diagram kausal untuk membantu proses identifikasi.
Bagian kedua dari buku ini membahas implementasi dan desain penelitian secara umum yaitu proses regression with controls dan regression discontinuity.
Beberapa poin pembahasan yang dibahas dalam buku ini diantaranya adalah:
- Cara untuk mendesain penelitian
- Cara menyusun research question
- Penjelasan terkait dengan variabel, hubungan (relationships), diagram kausal, treatment effects
- Kausalitas jika menggunakan proses less modelling, regresi, simulasi, matching, fixed effects, event studies, difference-in-differences, variabel instrumental dan diskontinuitas regresi
Pada buku ini juga terdapat contoh kode ekstensif menggunakan bahasa pemrograman R, Stata, dan Python.
Penulis: Nick Huntington-Klein (Seorang Professor Ekonomi di Seattle University)
Penerbit: CRC Press
Harga: $99,95 (hardcover) di Amazon
Rating: 4,7 dari 5 (62 ratings di Amazon) dan 4,33 dari 5 (12 ratings di Goodreads)
Akses Handbook: theeffectbook.net
3. Causal Inference: What If
Buku ini berisi tentang pengantar metode causal inference beserta contoh praktis penerapannya.
Buku ini berfokus pada uji coba random terkontrol dan intervensi yang terdefinisi dengan baik, sebagai dasar dari proses causal inference.
Kepraktisan buku ini tecermin oleh potongan contoh kode dalam berbagai bahasa pemrograman.
Penulis dari buku ini merupakan para epidemiologis, yang memang sering berhadapan dengan keterbatasan ukuran sampel data dan fisibilitas dari eksperimen yang dilakukan.
Poin pembahasan yang terdapat dalam buku ini terbagi menjadi tiga bagian.
Bagian pertama membahas tentang konsep causal inference tanpa menggunakan model, sementara bagian kedua menjelaskan tentang causal inference menggunakan model.
Lalu bagian ketiga menjelaskan tentang causal inference berdasarkan data longitudinal yang kompleks.
Buku ini bisa membantu para scientist untuk menganalisis data dengan memanfaatkan metode causal inference.
Penulis: Miguel A. Hernan (Professor of Biostatistics and Epidemiology Harvard T.H. Chan School of Public Health), James M. Robins (Professor of Epidemiology and Biostatistics Harvard School of Public Health)
Penerbit: CRC Press
Harga: $158,05 (hardcover) di Amazon
Rating: 4,56 dari 5 (25 ratings di Goodreads)
Akses Handbook: remlapmot.github.io
4. Causal Inference: The Mixtape
Buku ini membahas tentang metode yang bisa menjelaskan hubungan sebab-akibat di dalam ilmu-ilmu sosial.
Selain itu, buku ini berisi penjelasan penggunaan tools yang memungkinkan para ilmuwan sosial untuk mengetahui hal apa yang menjadi penyebab sesuatu bisa terjadi.
Penulis buku ini memperkenalkan metode praktis yang diperlukan untuk mendapatkan suatu jawaban yang penuh arti atas pertanyaan sebab-akibat menggunakan berbagai teknik pemodelan dan pengkodean menggunakan bahasa pemrograman R dan Stata.
Poin pembahasan detail yang dibahas pada buku ini di antaranya:
- Pengenalan causal inference
- Overview tentang probabilitas dan regresi
- Grafik directed acrylic
- Hasil potensial dari causal model, matching dan subclassification
- Diskontinuitas regresi, variabel instrumental, data panel, difference-in-difference dan synthetic control
Penulis: Scott Cunningham (Profesor Ekonomi di Baylor University)
Penerbit: Yale University Press
Harga: $31,99 di Amazon
Rating: 4,6 dari 5 (222 ratings di Amazon) dan 4,35 dari 5 (84 ratings di Goodreads).
Akses Handbook: mixtape.scunning.com
5. Elements of Causal Inference: Foundations and Learning Algorithms
Buku ini berisi materi tentang pengantar metode causal inference dan cara untuk mengaplikasikannya menggunakan data yang tersedia.
Selain penjelasan tentang pentingnya model kausal dan penjelasan beberapa prinsip yang mendasari causal inference, buku ini juga mengajarkan kepada pembaca cara untuk menggunakan model kausal.
Misalnya, cara menghitung distribusi intervensi, cara menyimpulkan model kausal dari data observasional dan intervensi serta cara agar ide kausal bisa dieksploitasi untuk menyelesaikan masalah klasik machine learning.
Topik ini dibahas dalam terminologi dua variabel dan kemudian juga diterapkan dalam kasus multivariat yang lebih umum.
Buku ini dapat diakses oleh pembaca yang memiliki latar belakang machine learning ataupun statistik, dan dapat juga digunakan oleh para mahasiswa dan peneliti.
Buku ini juga menyajikan potongan code dan ringkasan konsep teknis yang penting.
Penulis: Jonas Peters, Dominik Janzing, Bernhard Scholkopf
Penerbit: The MIT Press
Harga: $41,91 (hardcover) di Amazon
Rating: 4,6 dari 5 (36 ratings di Amazon) dan 3,62 dari 5 (34 ratings di Goodreads).
Akses Handbook: library.oapen.org
Lima rekomendasi buku tentang causality di atas dapat Anda pertimbangkan sebagai referensi untuk memperdalam pemahaman dan penerapan tentang causal analysis.
Baca juga rekomendasi buku matematika dan bisnis untuk data scientist di artikel ini.
Upgrade Skill Data Science di Sekolah Data Pacmann
Pacmann menyediakan berbagai program di bawah Sekolah Data Pacmann, yaitu:
- Analytics and Data Science Program
- Statistics
- Artificial Intelligence and Machine Learning Engineering
Melalui program-program ini, Anda akan mendapatkan pengalaman belajar data science, yang diadaptasi dengan kurikulum terpadu dan berkualitas.
Jika Anda tertarik untuk memperdalam pemahaman tentang causal analysis serta metode analisis data lainnya, Anda bisa bergabung di Sekolah Data Pacmann.
Artikel Popular
Data Engineer dan ML Engineer: Perbedaan Tanggung Jawab, Skill, dan Gaji
July 23, 2023
Mengenal Data Preprocessing: Langkah Awal dalam Data Mining
July 21, 2023
Apa yang Dimaksud dengan Machine Learning?
July 21, 2023
Ini Dia Alasan Mengapa Data Scientist Digaji Besar!
July 20, 2023
Pentingnya Business Intelligence (BI) Dashboard untuk Pengambilan Keputusan Bisnis
July 19, 2023