Dalam dunia analisis data, memahami data sebelum mengambil keputusan adalah fundamental. Di sinilah Exploratory Data Analysis (EDA) berperan — proses menyelidiki, merangkum, dan memvisualisasikan data untuk menemukan pola, mendeteksi anomali, dan membentuk hipotesis. Namun tanpa struktur yang jelas, EDA mudah berubah menjadi aktivitas tanpa arah. Artikel ini akan membedah kerangka berpikir sistematis dalam EDA yang tersusun atas tiga level: univariate, bivariate, dan multivariate analysis.

🎯 Apa Itu Exploratory Data Analysis (EDA)?

Exploratory Data Analysis adalah proses investigasi awal terhadap dataset dengan tujuan memahami karakteristiknya sebelum analisis formal atau pemodelan dimulai. Konsep ini dipopulerkan oleh John Tukey pada tahun 1977 melalui bukunya Exploratory Data Analysis, jauh sebelum era big data.

Ibarat membangun rumah, EDA adalah pemeriksaan tanah sebelum pondasi diletakkan. Tanpa tahap ini, kita berisiko membangun model machine learning di atas data yang penuh bias, missing values, atau asumsi keliru.

Masalahnya, banyak pemula melakukan EDA secara acak: membuka dataset, membuat plot apa saja yang terlihat menarik, lalu berharap menemukan insight. Kerangka univariate–bivariate–multivariate menawarkan urutan yang logis dan sistematis — ibarat membaca sebuah kota: pelajari dulu tiap gedung (univariate), lalu bagaimana gedung-gedung terhubung oleh jalan (bivariate), hingga memahami dinamika seluruh kota sebagai sistem (multivariate).

🔍 Level 1: Univariate Analysis

Univariate analysis menganalisis satu variabel pada satu waktu, tanpa mempedulikan penyebab atau hubungan antar variabel. Tujuannya sederhana tapi krusial: memahami karakteristik setiap kolom dalam dataset sebelum melangkah lebih jauh.

Teknik Umum Univariate Analysis

• Variabel numerik: histogram, boxplot, density plot, dan ringkasan statistik (mean, median, standar deviasi, kuartil).
• Variabel kategorikal: bar chart dan frequency table untuk melihat proporsi tiap kategori.

Dari tahap ini kita bisa langsung menjawab pertanyaan dasar seperti: apakah usia pelanggan tersebar normal atau condong ke kanan? Apakah ada transaksi dengan nominal ekstrem? Seberapa seimbang proporsi tiap kategori?

🔗 Level 2: Bivariate Analysis

Setelah mengenal karakter tiap variabel, langkah berikutnya adalah melihat bagaimana dua variabel saling berhubungan. Bivariate analysis menjawab pertanyaan seperti: “apakah usia memengaruhi peluang membeli produk?” atau “apakah penghasilan berbeda antar tingkat pendidikan?”

Kombinasi Tipe Variabel dan Tekniknya

🌐 Level 3: Multivariate Analysis

Multivariate analysis menganalisis tiga variabel atau lebih secara simultan. Level ini paling sering mengungkap pola yang tidak terlihat pada analisis parsial. Contoh klasik: hubungan usia dan harga tiket mungkin terlihat lemah secara keseluruhan, tetapi ternyata kuat jika kita kontrol berdasarkan kelas penumpang.

Teknik Populer Multivariate Analysis

• Pairplot: scatter plot matrix yang menampilkan semua pasangan variabel numerik sekaligus.
• Correlation heatmap: visualisasi matriks korelasi seluruh fitur dalam satu pandangan.
• Hue/facet encoding: menambahkan dimensi kategori ke dalam plot untuk melihat interaksi.
• Dimensionality reduction (PCA): memproyeksikan data berdimensi tinggi ke 2D/3D agar pola terstruktur terlihat.
• Clustering eksploratif (K-Means): menemukan kelompok alami yang tersembunyi dalam data.

🧭 Perbedaan Utama Univariate vs Bivariate vs Multivariate

⚙️ Alur Workflow Praktik dalam Proyek Nyata

Dalam pekerjaan nyata, ketiga level ini bukan pilihan melainkan urutan. Berikut alur kerja yang bisa langsung Anda terapkan:

1. Data quality check: periksa ukuran data, tipe data, duplicate rows, dan missing values.
2. Univariate pass: telusuri semua kolom satu per satu, catat anomali pada distribusinya.
3. Bivariate pass: uji hubungan setiap fitur terhadap target variable.
4. Multivariate pass: gunakan pairplot, heatmap, dan facet plot untuk menemukan interaksi.
5. Dokumentasi insight: tuliskan temuan dan hipotesis — ini yang akan menentukan feature engineering dan pilihan model.

🎯 Kesimpulan

Exploratory Data Analysis bukan sekadar membuat grafik — ia adalah proses berpikir sistematis untuk benar-benar memahami data sebelum mengambil keputusan apa pun. Dengan kerangka univariate → bivariate → multivariate, Anda memiliki peta yang jelas: kenali dulu setiap variabel, telusuri hubungannya dua-dua, lalu lihat interaksi kompleks di antara semuanya.

Hasil EDA yang baik akan menentukan kualitas feature engineering, pilihan model, bahkan validitas kesimpulan bisnis Anda. Mulai dari proyek berikutnya, biasakan bertanya: “sudah sampai level mana analisis saya?”

❓ FAQ: Univariate, Bivariate, Multivariate

Apa bedanya univariate dan bivariate analysis?

Univariate analysis menganalisis satu variabel untuk memahami distribusi dan karakteristiknya, sedangkan bivariate analysis menelusuri hubungan antara dua variabel — misalnya apakah keduanya berkorelasi atau saling memengaruhi.

Apakah multivariate analysis selalu lebih baik dari univariate?

Tidak selalu. Multivariate analysis memang lebih kaya informasi, tetapi juga lebih kompleks dan rentan salah interpretasi jika karakteristik dasar tiap variabel belum dipahami. Ketiganya saling melengkapi, bukan saling menggantikan — urutannya tetap dimulai dari univariate.

Apakah EDA harus menggunakan Python atau R?

Tidak harus. Konsep univariate, bivariate, dan multivariate adalah kerangka berpikir yang bisa diterapkan dengan tools apa pun: Excel, Google Sheets, BI tools seperti Tableau atau Power BI, hingga library Python (pandas, seaborn) dan R (tidyverse). Yang penting adalah disiplin mengikuti alurnya.

Berapa lama waktu ideal untuk tahap EDA?

Praktik umum di industri mengalokasikan sekitar 60–80% waktu proyek data untuk persiapan dan eksplorasi data, termasuk EDA. Durasi pastinya bergantung pada ukuran dan kondisi data, tetapi jangan heran jika tahap ini terasa lebih lama daripada pemodelannya sendiri.

Apa bedanya EDA dengan data preprocessing?

EDA bertujuan memahami dan mengeksplorasi data (menemukan pola, anomali, dan hipotesis), sedangkan preprocessing bertujuan membersihkan dan mentransformasi data agar siap dipakai (menangani missing values, scaling, encoding). Keduanya sering dilakukan bergantian dalam praktiknya: hasil EDA menentukan langkah preprocessing yang dibutuhkan.

Dibuat oleh:

Eduardus Defino Ananda Hutama