Read, Write, and Do Something

No Teaching without learning

Menulislah agar abadi

---

Listen, free economic make better

Showing posts with label Tutorial. Show all posts
Showing posts with label Tutorial. Show all posts

21/11/2023

Digital Storytelling untuk Marketing


Digital storytelling merupakan salah satu bentuk komunikasi termediasi yang menggunakan seperangkat teknologi informasi dan komunikasi dengan tujuan untuk melakukan pertukaran informasi, yang dikemas ke dalam beberapa topik dengan gaya penyajian yang menarik (Thurlow, Lengel, dan Tomic 2004; Maddin 2011).

“Digital Storytelling is the modern expression of the ancient art of storytelling. Throughout history, storytelling has been used to share knowledge, wisdom, and values. Stories have taken many different forms. Stories have been adapted to each successive medium that has emerged, from the circle of the campfire to the silver screen, and now the computer screen.” – The Digital Storytelling Association


1. Sejarah Storytelling. 








2. Proses Digital Storytelling


 

























The 8 steps Morra describes in her article are: 
  1. Start with an Idea
  2. Research/Explore/Learn
  3. Write/Script
  4. Storyboard/Plan
  5. Gather and Create Images, Audio and Video
  6. Put It All Together
  7. Share
  8. Reflection and Feedback
Visual cara membuat Sript
































Berikut salah konten Digital Storytelling

Contoh Stotyboard

A storyboard is a written or graphical representation of the all of the elements that will be included in a digital story. The storyboard is usually created before actual work on creating the digital story begins and a written description and graphical depiction of the elements of the story, such as images, text, narration, music, transitions, etc. are added to the storyboard. The elements of the story are arranged in the storyboard in the chronological order in which they will appear in the story and this allows the developer to organize and re-arrange the content for maximum effect.

Storyboards may be created in a variety of ways, both digitally and manually on paper or artists' board. If storyboards are developed on a computer, a variety of software programs may be used, such as Microsoft Word, Excel and PowerPoint.



Contoh Digital Storytelling Perkenalan Program Studi




Tindak lanjut, silakan setiap orang membuat storyboard sebagai salah satu tahapan daro Digital Storytelling.


26/09/2023

REGRESI BERGANDA DAN MACHINE LEARNING

 REGRESI BERGANDA DAN MACHINE LEARNING

Analisis regresi bertujuan untuk memprediksi nilai variable tak bebas, jika variabel bebas diketahui datanya. Persamaan regresi yang memenuhi kriteria BLUE (Best, Linier, Unbiased, Estimated) dapat dijadikan alat prediksi yang baik. Dari laman www.statisticssolutions.com mengemukakan, Three major uses for regression analysis are 

  1. Determining the strength of predictors, 
  2. Forecasting an effect, and 
  3. Trend forecasting 

Persamaan regresi merupakan suatu persamaan yang menerangkan atau menjelaskan hubungan antara variabel bebas dan variabel tak bebas. Persamaan regresi dapat digunakan untuk memprediksi atau mengestimasi nilai dari variabel tak bebas berdasarkan informasi dari variabel bebas. Persamaan regresi linear merupakan suatu persamaan yang berupa garis lurus, sedangkan persamaan regresi nonlinear bukan merupakan persamaan garis lurus.

Model Persamaan Regresi Berganda  :


Visualisasi Regresi berganda


Contoh aplikasi dari regresi linear berganda

  • Membuat persamaan untuk memprediksi atau mengestimasi nilai indeks prestasi mahasiswa berdasarkan jumlah jam belajar dalam sehari dan intelligence quotient (IQ). Di samping itu dapat diketahui faktor-faktor yang memberikan kontribusi paling besar dalam hal pengaruhnya terhadap indeks prestasi mahasiswa.
  • Membuat model untuk memprediksi atau mengestimasi laba perusahaan berdasarkan umur perusahaan, tingkat penjualan, dan besarnya perusahaan. Di samping itu, dapat diketahui seberapa besar kontribusi yang diberikan dari faktor umur perusahaan terhadap naik/turunnya laba perusahaan, dengan mengontrol pengaruh tingkat penjualan dan besarnya perusahaan. Dapat juga diketahui seberapa besar kontribusi yang diberikan dari faktor tingkat penjualan perusahaan terhadap naik/turunnya laba perusahaan, dengan mengontrol pengaruh umur perusahaan dan besarnya perusahaan.
  • Membuat persamaan untuk memprediksi atau mengestimasi harga saham suatu perusahaan berdasarkan laba per-lembar saham dan jumlah kas dividen yang diberikan. Di samping itu, dapat diketahui seberapa besar kontribusi yang diberikan dari faktor laba per-lembar saham terhadap naik/turunnya harga saham, dengan mengontrol pengaruh jumlah kas dividen yang diberikan.
  • Pada kasus makro ekonomi, kita dapat megestimasi pertumbuhan ekonomi dengan melihat kontribusi variabel bebas seperti inflasi, pendapatan, suku bunga. dll.

Regresi dan Mechine Learning

Ada berbagai jenis algoritma Machine Learning yang digunakan dalam berbagai aplikasi, seperti algoritma regresi, klasifikasi, clustering, dan deep learning.

Algoritma machine learning adalah sekumpulan aturan yang digunakan oleh sistem machine learning untuk mengambil keputusan atau membuat prediksi. Algoritma dalam machine learning dapat dibagi menjadi tiga kategori yaitu supervised learning, unsupervised learning, Reinforce Learning. 

Supervised learning adalah algoritma yang digunakan untuk membuat prediksi berdasarkan data latihan yang sudah ditandai dengan label atau target yang diinginkan. Sedangkan unsupervised learning adalah algoritma yang digunakan untuk menemukan struktur atau pola dalam data yang tidak dikenal sebelumnya. Ada berbagai jenis algoritma machine learning yang digunakan dalam berbagai aplikasi, seperti algoritma regresi, klasifikasi, clustering, dan deep learning.

Jenis-Jenis Algoritma yang Digunakan dalam Machine Learning
Ada beberapa jenis algoritma yang digunakan dalam machine learning, diantaranya:

  1. Algoritma Regresi: Algoritma ini digunakan untuk memprediksi nilai numerik seperti harga saham, harga properti, atau jumlah penjualan. Algoritma ini digunakan untuk membuat model prediksi yang dapat digunakan untuk membuat keputusan bisnis.
  2. Algoritma Klasifikasi: Algoritma ini digunakan untuk memprediksi kelas suatu objek seperti mengklasifikasikan email sebagai spam atau tidak spam, atau mengklasifikasikan pasien sebagai menderita penyakit tertentu atau tidak. Algoritma ini digunakan untuk mengambil keputusan yang berkaitan dengan klasifikasi.
  3. Algoritma Clustering: Algoritma ini digunakan untuk mengelompokkan objek yang serupa seperti mengelompokkan pelanggan berdasarkan preferensi pembelian, atau mengelompokkan sampel data berdasarkan karakteristik. Algoritma ini digunakan untuk mengidentifikasi pola dan menemukan struktur dalam data.
  4. Deep Learning: Algoritma ini digunakan untuk menyelesaikan masalah yang sangat kompleks seperti pengenalan wajah, pengenalan suara, atau pengolahan bahasa alami. Algoritma ini digunakan untuk membuat sistem yang dapat belajar secara otomatis dan meningkatkan performanya dengan waktu.
  5. Algoritma Decision Tree: Algoritma ini digunakan untuk membuat suatu diagram pohon yang menyajikan keputusan berdasarkan kondisi-kondisi yang diberikan. Algoritma ini digunakan untuk mengambil keputusan yang berkaitan dengan klasifikasi atau regresi
  6. Algoritma Gradient Boosting: Algoritma ini digunakan untuk membuat sekumpulan model yang dapat digabungkan untuk memprediksi hasil. Algoritma ini digunakan untuk membuat model yang lebih kompleks dan akurat dibandingkan dengan menggunakan model tunggal.
  7. Algoritma Random Forest: Algoritma ini digunakan untuk membuat sekumpulan decision tree yang dapat digabungkan untuk memprediksi hasil. Algoritma ini digunakan untuk membuat model yang lebih kompleks dan akurat dibandingkan dengan menggunakan model tunggal.
  8. Algoritma Neural Network : Algoritma ini digunakan untuk menyelesaikan  masalah yang kompleks seperti pengenalan wajah, pengenalan suara, atau pengolahan bahasa alami. Algoritma ini digunakan untuk membuat sistem yang dapat belajar secara otomatis dan meningkatkan performanya dengan waktu. Neural network dapat digunakan untuk pemrosesan gambar, teks, suara dan video. Neural network juga dapat digunakan untuk tugas-tugas yang memerlukan pembelajaran dari data yang tidak terstruktur.
Berikut Tipe Machine Learning, Variabel target dan Algoritma yang digunakan.

Regresi yang Baik untuk Prediksi

Secara visual regresi yang baik memenuhi asumsi Statistik dan Asumsi Klasik sebagaimana dirangkum pada gambar berikut:


Hal terpenting yang perlu diperhatikan sebelum memilih model analisa regresi adalah memperhatikan tipe data atau tipe variabel target (Tipe Dependen Variabel) yang digunakan. Secara visual dapat dilihat pada gambar berikut:
Referensi:
https://www.alamyin.com/2023/05/analisa-tren-dengan-algoritma-regresi.html
https://devopedia.org/types-of-regression
https://www.analyticsvidhya.com/blog/2022/01/different-types-of-regression-models/
https://medium.com/@codekalimi/list-of-machine-learning-models-61b51ad492f1
https://www.researchgate.net/publication/336160040_Feature_selection_with_the_R_package_MXM/figures?lo=1

27/08/2023

Pemrograman Data Sains (1)

Pemrograman Data Sains (1)

ADA banyak bahasa pemrograman untuk data sians. Dinataranya Python, R Matlab, Javasript, dll. Python menjadi salah satu bahasa pemrograman yang paling populer karena tak hanya dibutuhkan untuk bidang data science, tapi juga berguna untuk pengembangan web dan software. Bahasa pemrograman ini termasuk object-oriented programming. Dalam data science, Python umumnya digunakan untuk pemrosesan data dan penerapan algoritma analisis data. Python juga sangat mudah dipelajari oleh data scientist atau programmer pemula karena menggunakan sintaks yang sederhana.

Berikut adalah Tahapan Data Sains:

Data science adalah ilmu yang menggabungkan matematika, statisika dengan ilmu komputer dengan tujuan analisa data (data analysis) dari suatu himpunan data baik skala kecil (sampel) maupun besar (populasi) dengan mengaplikasikan algoritma tertentu untuk tujuan menggali data (data mining) dan mendapatkan pola data serta dapat melakukan prediksi data (prediction) dengan cukup akurat yang dapat membantu dalam pengambilan keputusan dan dapat digunakan untuk membuat sistem yang cerdas (AI) yang dapat terus belajar dengan sendirinya (machine learning). 

Berikut adalah materi Pengantar Pemrograman Data Sains

  • Pengertian Data Sains 
  • Tujuan data science 
  • Jenis pembelajaran data science 
  • Tahapan data sains 
    • Pertama, tahap pendefinisian masalah. 
    • Kedua, tahap pengumpulan data. 
    • Ketiga, tahap eksplorasi dan penyiapan data. 
    • Keempat, tahap analisis data. 
    • Kelima, storytelling. 
  • Keahlian dan skill data scientist 
  • Perbedaan data sains (machine learning) dengan pemrograman tradisional ? 
  • Mengapa python?

SIlakan dibaca materi lengkapnya Pengantar Data Sains Namun sebaiknya membaca juga materi Statistik dan data sains dan pengantar algoritma pemrograman 

Dalam Mata Kuliah ini materi dna praktik yang akan dipelajari

TOPIK PEMROGRAMAN DATA SAINS WITH PYTHON 

  1. Pengantar Paket dan Library Python untuk data sains 
  2. Numpy 
  3. Pandas 
  4. Matplotlib, Seaborn 
  5. Visualisasi Data 
  6. Machine Learning (Intro)
  7. Projek
















Selamat Belajar, Enjoy dan Merdekalah.

22/05/2023

ANALISA TREN DENGAN ALGORITMA REGRESI

 ANALISA TREN

Dalam metode statistik ini, ada tiga jenis data yang bisa digunakan dalam analisis, yaitu data cross section, data time series, dan data panel (gabungan cross section dan time series).

Data time series adalah jenis data berdasarkan waktu yang memiliki banyak titik waktu. Banyak titik waktu di sini berarti waktunya lebih dari satu periode waktu. Berbeda dengan data cross section/silang waktu yang periode waktunya hanya 1 titik waktu. Periode waktu bisa 1 detik, 1 meni, 1 jam, 1 hari, 1 minggu, 1 bulan, 1 dekade, 1 tahun, 1 abad, dan seteresunya. Misalnya, dalam kurun waktu 1 tahun (data cross section), terdiri 12 bulan (data time series).

Tren adalah pergerakan jangka panjang dalam suatu kurun waktu yang kadang-kadang dapat digambarkan dengan garis lurus atau kurva mulus. Analisis trend digunakan untuk membangun model umum kecenderungan data berkala (time series) untuk keperluan peramalan (proyeksi tren). Analisis trend dipakai untuk data dengan horison waktu yang lama (sebaiknya lebih dari 10 tahun) dan tidak mengandung komponen musiman.

Beberapa model analisis yang umum dipakai :

  • Linier dan non linier (2-4)
  • Kuadratik 
  • Eksponensial
  • Kurva-S

Perhatikan Ilustrasi Berikut
















Gambar1 : Pola Time Series

Dalam analisa tren ada beberapa istilah:
  • Tren jangka panjang adalah suatu garis (trend) yang menunjukkan arah perkembangan secara umum.
  • Variasi musim adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali dalam jangka waktu tidak lebih dari 1 tahun.
  • Variasi siklis adalah suatu gerakan yang naik turun secara teratur yang cenderung untuk terulang kembali setelah jangka waktu lebih dari 1 tahun.
  • Variasi random adalah suatu gerakan yang naik turun secara tiba-tiba atau mempunyai sifat yang sporadis sehingga biasanya sulit untuk diperkirakan sebelumnya

Mengapa Analisa Tren Penting?

Analisis tren memiliki beberapa kepentingan yang menjadikannya penting dalam berbagai bidang. Berikut adalah beberapa alasan mengapa analisis tren penting:
  1. Mengidentifikasi Pola dan Perubahan: Analisis tren membantu mengidentifikasi pola perubahan dalam data seiring waktu. Ini dapat membantu dalam memahami arah dan kecenderungan data serta mengidentifikasi apakah ada perubahan signifikan atau pola yang konsisten.
  2. Prediksi dan Perencanaan: Dengan memahami tren masa lalu, analisis tren dapat digunakan untuk membuat prediksi tentang masa depan. Informasi tren yang dihasilkan dapat membantu dalam perencanaan strategis, pengambilan keputusan, dan peramalan, sehingga membantu mengurangi ketidakpastian dan meningkatkan efisiensi.
  3. Evaluasi Kinerja: Analisis tren dapat digunakan untuk mengevaluasi kinerja suatu variabel atau fenomena seiring waktu. Misalnya, dalam bisnis, analisis tren dapat membantu dalam melihat pertumbuhan penjualan, laba, atau pengeluaran dan membandingkannya dengan target atau periode sebelumnya.
  4. Deteksi Anomali: Dengan memahami tren yang normal, analisis tren dapat membantu dalam mendeteksi anomali atau perubahan yang tidak biasa dalam data. Hal ini dapat membantu dalam mengidentifikasi masalah atau kesalahan yang mungkin terjadi dan mengambil tindakan yang sesuai.
  5. Pengambilan Keputusan: Analisis tren memberikan wawasan yang berharga dalam tren jangka panjang dan memungkinkan pengambilan keputusan yang lebih informasi. Informasi tren dapat membantu dalam mengidentifikasi peluang, mengelola risiko, dan mengoptimalkan strategi bisnis atau kebijakan publik.

Perhatikan tren IHSG berikut















Gambar 2: Ilustrasi tren IHSG


Berikut perbedaan tren linier dan non linier

1. Analisis Tren Linier:
Analisis tren linier melibatkan penggunaan garis lurus untuk menggambarkan tren atau pola dalam data seiring waktu. Metode yang umum digunakan dalam analisis tren linier adalah regresi linier, di mana garis lurus terbaik ditempatkan di antara titik-titik data untuk memperkirakan hubungan linier antara variabel dependen (y) dan variabel independen (x). Jika garis tersebut memiliki kemiringan positif, itu menunjukkan tren naik, sedangkan kemiringan negatif menunjukkan tren menurun. 

2. Analisis Tren Nonlinier:
Analisis tren nonlinier mencoba untuk menggambarkan pola yang tidak dapat dijelaskan oleh garis lurus atau hubungan linier. Dalam analisis tren nonlinier, berbagai jenis fungsi matematika dan model statistik digunakan untuk memodelkan dan menggambarkan tren yang lebih kompleks. Beberapa metode analisis tren nonlinier yang umum meliputi regresi nonlinier, smoothing spline, regresi polinomial, dan model eksponensial. 


Gambar 3 : Ilustrasi Forecasting (peramalan)

Salah satu tujuan utama analisa tren adalah untuk melakukan peramalan/forecasting.
Peramalan (forecasting) merupakan suatu proses perkiraan keadaan pada masa yang akan datang dengan menggunakan data di masa lalu (Adam dan Ebert, 1982)











Gambar 4 : Ilustrasi Error

Analisis Tren Linier dengan Algoritma Regresi Linier

Regresi adalah metode statistika yang digunakan untuk memodelkan dan menganalisis hubungan antara satu atau lebih variabel independen (prediktor) dengan satu variabel dependen (yang ingin diprediksi). Tujuan utama dari regresi adalah untuk mengidentifikasi dan mengukur pengaruh variabel independen terhadap variabel dependen.

Secara umum, regresi dapat dibedakan menjadi dua jenis utama: regresi linier dan regresi non-linier. Regresi linier melibatkan hubungan linier antara variabel independen dan dependen, sementara regresi non-linier melibatkan hubungan yang lebih kompleks dan non-linier antara variabel tersebut.
Regresi linier sering digunakan dan merupakan salah satu bentuk yang paling umum dari analisis regresi. Dalam regresi linier, hubungan antara variabel independen dan variabel dependen dapat dijelaskan dengan persamaan garis lurus. Regresi linier memodelkan hubungan ini dengan mengestimasi koefisien regresi yang menggambarkan sejauh mana perubahan dalam variabel independen akan mempengaruhi perubahan dalam variabel dependen.


Penggunaan algoritma regresi Linier maupun non linier paling banyak digunakan dan kerap keliru diterapkan pada saat melakukan interpretasi model regresi.















Gambar 5: Ilustrasi Membuat dan menguji Model Regresi


Penjelasan Lengkap di Modul Cikal Akal. Analisa Tren dan Machine Learning.


Memaknai model Regresi dengan Bijak


Misalnya kita mempunyai dua model persamaan Linier antara 2 entitas. 
X adalah variabel bebas, Pendapatan
Y adalah variabel terikan, Konsumsi

Model 1. Y =  3X +3
Model 2. Y =  9x + 3

Perhatikan Ilustrasi Berikut















Gambar 6: perbandingan dua model Linier

Dalam penerapan statistik dan matematika dalam ekonomi, ada 3 model penjelasan untuk menjelasakan dan menafsirkan model.

Bagaimana Anda menafsirkan model regresi ini dengan bijak dan bermakna?

Model 1. Y =  3X +3
Model 2. Y =  9x + 3
Silakan dijelaskan dengan:
  1. Narasi
  2. Tabel
  3. Gambar / Kurva
Sesuai selera Anda, dan bisa Anda pahami dengan baik.

Contoh Kasus Regresi Berganda. 1 variabel dependen, dan dua variabel bebas.
X1: Pengeluaran Makanan (Rp10.000) 
X2: Pengeluaran Transportasi (Rp.10.000)
X3: Berat Badan (kg) (Y)

No.  X1.  X2.    Y
1 50 20 60
2 40 25 55
3 60 30 65
4 55 35 70
5 45 40 62
6 65 50 75
7 70 55 80
8 75 60 85
9 80 65 90
10 90 70 95

Untuk memperoleh model regresi dari data di atas dapat dilakukan dengan 3 cara
  1. Cara Manual Eliminasi dan subtitusi persamaan
  2. Menggunakan aplikasi pengolah data seperti excel, evies, SPSS, STATA, dll
  3. Menggunakan bahasa pemrograman (koding)
Berdasarkan data di atas, peneliti ingin membangun model regresi untuk memprediksi berat badan (Y) berdasarkan pengeluaran makanan (X1) dan pengeluaran transportasi (X2).

Tugas Kita adalah melakukan analisis regresi dengan menggunakan data di atas untuk menentukan persamaan regresi (model ramalan) dan koefisien regresi yang sesuai.

Untuk menghasilkan persamaan regresi dan koefisien regresi menggunakan Excel, Kita dapat mengikuti langkah-langkah berikut:

  1. Masukkan data yang diberikan ke dalam spreadsheet Excel. Misalnya, Kita dapat menempatkan data pada kolom A hingga D, dengan kolom A untuk nomor partisipan, kolom B untuk pengeluaran makanan (X1), kolom C untuk pengeluaran transportasi (X2), dan kolom D untuk berat badan (Y).
  2. Selanjutnya, pada sel E2, masukkan rumus regresi menggunakan fungsi "LINEST". Misalnya, rumusnya dapat dituliskan >>>>. =LINEST(D2:D11, B2:C11) Pastikan untuk menyesuaikan rentang sel dengan data yang tepat.
  3. Tekan kombinasi tombol Ctrl + Shift + Enter untuk mengkonfirmasi rumus sebagai rumus matriks. Dalam beberapa versi Excel, Kita mungkin perlu menekan Enter setelah memasukkan rumus.
  4. Setelah itu, Excel akan menghasilkan output matriks dalam rentang sel E2:F3. Sel E2 akan berisi koefisien regresi (intersep dan koefisien X1), sedangkan sel F2 akan berisi koefisien X2.
  5. Untuk menampilkan persamaan regresi berdasarkan koefisien yang dihasilkan, Kita dapat memasukkan rumus berikut di sel G2="Y = "&E2&" + "&F2&" * X1 + "&G2&" * X2"
Ini akan menghasilkan persamaan regresi dengan koefisien yang sesuai.

Kode Python

Kode Python untuk menganalisis data regresi dengan 2 variabel bebas dan 1 variabel terikat menggunakan paket statsmodels:

#Import Library
import numpy as np
import pKitas as pd
import statsmodels.api as sm

# Membuat DataFrame dari data yang diberikan
data = {
    'Partisipan': np.arange(1, 11),
    'Peng Makanan': [50, 40, 60, 55, 45, 65, 70, 75, 80, 90],
    'Peng Transportasi': [20, 25, 30, 35, 40, 50, 55, 60, 65, 70],
    'Berat Badan': [60, 55, 65, 70, 62, 75, 80, 85, 90, 95]}

df = pd.DataFrame(data)

# Memisahkan variabel independen dan dependen
X = df[['Pengeluaran Makanan', 'Pengeluaran Transportasi']]
y = df['Berat Badan']

# Menambahkan kolom konstanta untuk intercept
X = sm.add_constant(X)

# Membangun model regresi
model = sm.OLS(y, X)
results = model.fit()

# Menampilkan hasil
print(results.summary())

Silakan Tampilkan Outputnya dan Lakukan uji Model sesabgaimana Gambaran pada Gambar 5 di atas.

Diskusi dan pendalaman di kelas offline / online.

Salam Hangat, MATH IS GREAT :D

06/04/2023

Algoritma dan Pemrograman Dasar Bisnis Digital UNM

Algoritma dan Pemrograman Dasar Bisnis Digital UNM

Mata kuliah  Algoritma dan Pemrograman Dasar Python di Bisnis Digital FEB UNM merupakan mata kuliah wajib mendasar yang harus dikuasai mahasiswa Bisnis Digital sebagai fondasi dasar Machine Learning.

Belajar pemrograman membiasakan diri dan pikiran bekerja secara sistematis, sabar, dan problem solver. Bagaimana membuat koding sederhana sampai yang kompleks. Sabar memperbaiki kode program yang error, disiplin mengikuti rule koding, telaten mengetik huruf, angka menjadi koding program sampai menjadi aplikasi (inshaaallah, amin)

Berikut adalah Link Materi Kuliah sampai pertengahan Semester. Dengan model pembelajaran diskusi,  studi kasus, Praktikum dan projek.

Editor yang disarankan digunakan dalam Praktikum ini adlah Anaconda Jupiter. Editor lain yang kompatibel dapat juga digunakan seperti VScode, Notepad++, Googlecolab, dll. Intinya dapan belajar dan mengalami langsung indahnya koding :D. Berikut Tampilan Anaconda Jupter


Berikut Link Materi Belajar dan Modul Praktik.

1. AY_Dasar_Var_Type data : Membahas variabel dan data

2.2-3. AY_Dasar_list,tuple,dictionary : Jenis Data di Python

3. AY_Loop, While, If else : Pengulangan dan Percabangan

4. ay_suplemen Modul dan Paket : Manajemen Modul dan Paket di Python 

Jika ada waktu senggang sempatkan membaca profil dan sejarah penemu bahasa pemrograman Python


Sejarah Python.

Guido van Rossum seorang pria berkebangsaan Belanda yang lahir pada tanggal 31 Januari 1956 merupakan  otak dibalik bahasa pemrograman Python, Guido mulai mengembangkan bahasa pemrograman Python tersebut sejak tahun 1989 di Centrum Wiskunde & Informatica (CWI) dan akhirnya bahasa pemrograman Python secara resmi dirilis kepada publik pada tahun 1991.

Salam Sangat, Keep on Moving. 

sAlam: saya Alamyin

10/03/2023

Bagaimana Caranya Agar Channel/Group di Telegram Rapi dan Menarik?

Bagaimana Caranya Agar Channel/Group di Telegram Rapi dan Menarik?

Telegram memiliki fasilitas yang dapat membantu untuk meningkatkan efisiensi dan efektifitas diskusi atau mengelola forum atau manajemen file, diskusi, dan lain-lain. Berikut langkah-langkah Membuat Folder Chanel/Group di Telegram agar channel diskusi atau group rapi dan terorganisir.

Mengapa penting membuat Folder di Telegram? Folder di telegram dapat mempermudah manajemen group atau chanel yang memudahkan juga untuk menerima notifikasi atau memantau aktifitas di group atau channel.  Tanpa membuat Folder maka akan menyulitkan Anda memantau aktifitas di group/channel.

  1. Buka telegram di Smartphone ada seperti biasa.
  2. Klik All > Pilih Channel/ Group yang akan dimasukkan di folder. (misalnya EK)
  3. Klik 3 titik di pojok kanan atas
  4. Pilih ADD TO FOLDER
  5. Silakan pilih FOLDER atau membuat Folder baru
  6. Setelah membuat Folder, Anda dapat mengedit Folder dan susunanya.
Sebagai Ilustrasi perhatikan Gambar Berikut:




nb: Apabila telegram Anda belum bisa memunculkan ADD TO FOLDER, mungkin apliaksinya perlu diupdate. :)

Jika Anda ingin memanfaatkan Chanel Telegram sebagai media LMS alternatif boleh juga :D. Channel telegram dapat menjadi alternatif diskusi kuliah, kuis, atau portofolio tugas mahasiswa. Jika Anda belum membuat Channel dapat mengikuti panduan berikut.




Sekian dan Terima Kasih semoga bermanfaat.




16/09/2021

PROPOSAL PENELITIAN

CONTOH PROPOSAL PENELITIAN

Postingan ini merupakan kombinasi dari dua tulisan sebelumnya yaitu  CONTOH (Kerangka) PROPOSAL PENELITIAN EKONOMI (1) dan CONTOH (Kerangka) PROPOSAL PENELITIAN EKONOMI (2)

Keberhasilan membuat rencana penelitian yang baik dalam dokumen "Proposal Penelitian" merupakan setengah dari keberhasilan penelitian itu sendiri.
Oleh karena itu penting memahami langkah-langkah membuat proposal penelitian dengan baik, secara sederhana dan sistematis.

Tulisan ini akan memberikan cara membuat proposal penelitian secara umum dan sistematikanya.kenapa secara umum ? karena setiap institusi mempunyai pola sistematika sendiri, namun pada umumnya sama saja.

Oleh karena itu, tulisan ini fokus pada penjelasan kerangka proposal khususnya untuk Skripsi dan Tesis. Pada tulisan ini fokus mengambil contoh pada bidang Ekonmi dan Bisnis.




Cakupan proposal penelitian :
I. JUDUL PENELITIAN
II. PENDAHULUAN
III. TINJAUAN PUSTAKA
IV. METODE PENELITIAN
V. DAFTAR PUSTAKA

1. JUDUL PENELITIAN

 Singkat dan spesifik, tetapi cukup jelas menggambarkan penelitian yang diusulkan.
ciri-cirinya :

  •  Menarik, khas, dan orisinal
  •  Menggambarkan ruang lingkup penelitian
  •  Memuat variabel-variabel yang akan diteliti
  •  Dinyatakan dalam kalimat pernyataan
  •  6 – 20 kata (bukan harga mati)

Note: Dalam merumuskan judul penelitian, yang paling tepat untuk ditonjolkan adalah inti permasalahan penelitian.

2.  PENDAHULUAN

Merupakan bagian penting penelitian yg sebaiknya mampu menarik perhatian para pembaca dan membuat mereka curious tdk puas kalau tdk membaca seluruh proposal. Hmmm ibarat minuman, nikmat sampai tetesan terakhir :)

Cakupan dalam pendahuluan :

  • Latar Belakang Penelitian
  • Masalah Penelitian
  • Tujuan Penelitian
  • Manfaat penelitian

Nah, bagian ini kerap menjadi momok bagi kebanyakan mahasiswa, kesulitan merangkai kata dan mengerucutkan permasalahan menjadi kesulitan tersendiri.
Oleh karena itu, akan di uraikan satu persatu, bagaimana membuat pendahuluan yang baik.

  • Latar Belakang Penelitian
Latar belakang merupakan faktor penting dalam riset, bagian ini juga termasuk hal yang dianggap sulit bagi peneliti, terutama mahasiswa yang tidak terbiasa dengan format penullisan karya ilmiah.

beberapa panduan yang bisa dijadikan rujukan untuk menyusun latar belakang adalah...

1.  Kondisi umum atau perspektif makro penelitian
2.  Jelaskan pentingnya penelitian
3.  Kemukakan jika penelitian:
  • Penelitian relatif baru, merupakan sanggahan atau pengembangan dari penelitian sebelumnya.
  • Mulai dengan pernyataan yg provokatif, kontroversial sehingga ada ketertarikan untuk membaca.
  • Sajikan secara menarik tentang kronologis judul yang dapat berupa evaluasi judul hingga statusnya sekarang.
  • Tampilkan data sekunder tentang profil obyek penelitian,  yang dapat diperoleh dari buku-buku, jurnal, majalah, lapooran penelitian,  dll.
  • Akhiri dengan pernyataan : Berdasarkan uraian yang dikemukakan di atas, maka peneliti memilih judul penelitian: ....……………………….

Latar belakang dapat diilustrasikan dengan3 pola seperti berikut:


  1. Piramida, diawali dengan target penelitian (misal inflasi), kasus-kasus khusus yang menarik (provokatif/kontroverisal) 
  2. Piramida terbalik, diawali dengan ide-ide umum, bisa juga teori
  3. Gabungan piramida terbalik dengan piramida.
bisa juga mengikuti panduan berikut:

  • Paragraf pembuka: Tuliskan tentang fenomena atau persoalan ekonomi yang menjadi fokus riset.
  • Paragraf isi I: Tuliskan bagaimana keterkaitan teori dengan fenomena tersebut
  • Paragraf isi II: Tuliskan bagaimana hasil penelitian terdahulu yang terkait
  • Paragraf isi III: Tuliskan argument tentang pentingnya penelitian (skripsi) ini untuk dilakukan dan kebaruan (novelty) dari penelitian
  • Paragraf penutup IV: Tuliskan atau pertegas kembali tentang apa yang akan menjadi topic dalam penelitian ini atau apa yang akan dibahas dalam penelitian ini.

Dalam deskripsi latarbelakang yang kerap menjadi momok adalah mendeskripsikan tabel, gambar, atau grafik.





























Gambar di atas menunjukkan volume dan harga Bitcoin yang meningkat agresif. Peningkatan volume Bitcoin fluktuatif cenderung meningkat. Peningkatan volume Bitcoin sebesar 1689 % sepanjang periode maret 2018 sampai dengan maret 2021 atau meningkat setara 791,9 triliun. Perubahan volume terbesar Bitcoin sebesar 112% pada bulan Juli 2018, penurunan tertinggi pada juni 2020 sebesar -45%. Harga Bitcoin meningkat sebesar 526% atau setara 653,8 juta per koinnya. Volume transaksi Bitcoin tertinggi pada Jan 2021 dengan volume sebesar 918 triliun. Peningkatan harga bitcoin meningkat signifikan dibanding periode sebelumnya terjadi pada periode november 2021 yang meningkat 35% dibanding bulan sebelumnya. Sedangkan harga Bitcoin meningkat tertinggi sebesar 58% pada januari 2021, terendah pada desember 2018.

Kenaikan mata uang digital ‘Bitcoin’ yang akseleratif karena semakin banyak perusahaan yang mengguakan mata uang tersebut untuk bertransaksi. Pada periode februari 2021 sebanyak 162 perusahaan menggunakan bitcoin untuk transaksi perdagangan, diantaranya terdapat 19 perusahaan besar (paybis.com). Diantara perusahaan raksasa yang menggunakan Bitcoin adalah, Microsoft, AT&T, BMW, NordPVN, Rakuten, dll. Terdiri dari berbagai perusahaan koas, taknologi, travel, dll.

Setidaknya ada 3 kunci dalam deskripsi Tabel atau Gambar.
  1. Perhatikan tren dari titik awal sampai titik akhir, apakah naik, turun, fluktuatif
  2. Perubahan titik awal ke titik akhir
  3. Jika fluktuatif, perhatikan titik atau perubahan ekstrim.
  4. Bisa Anda tambahkan...
........
  • Masalah Penelitian
Masalah penelitian adalah setiap kesulitan yang menggerakkan manusia untuk memecahkannya atau menyelesaikannya. Masalah penelitian harus dapat dirasakan sebagai suatu rintangan yang mesti dilalui oleh peneliti
(dengan jalan mengatasinya, bukan lari dari masalah) bila kita akan mencari penyelesaiaan atau jawabannya serta dapat mengatasinya.

Dalam pengertian umum, masalah diartikan sebagai penyimpangan atau beda antara fakta/kenyataan dengan standar-standar tertentu. Standard tertentu tersebut dapat merupakan teori, aturan, logika, kebiasaan atau keharus-an.

Dalam pengertian ini, maka masalah penelitian baru merupakan masalah objek. Bagi suatu penelitian, masalah adalah pertanyaan bagi peneliti yang ingin dicari jawabannya atau penyelesaiannya. Disini berarti bahwa masalah
dalam penelitian dapat dimulai oleh penyimpangan fakta.

Masalah penelitian dapat berupa gejala sosial yang menarik perhatian peneliti atau seseorang.

Tahapannya bisa mengikuti langkah berikut:

  Identifikasi, pilih dan rumuskan masalah-masalah penelitian.
  •    Apakah terdapat hubungan yang erat antara ... dengan…..?
  •    Bagaimana pengaruh ……….terhadap …………...?
  • Tujuan Penelitian
 Kemukakan yang akan dicapai oleh penelitian: Untuk mengetahui, menganalisis atau membandingkan.
-- Untuk mengetahui pengaruh … terhadap …
-- Untuk mengetahui hubungan antara ……dengan …..…
-- Untuk menganalisis …..…….
  • Manfaat penelitian
Kemukakan siapa yg diharapkan memperoleh manfaat penelitian: Pengembangan ilmu pengetahun, Lemabaga, dan atau penelitian lain.
  • Penelitian ini diharapkan memberi manfaat dalam………
  • Penelitian ini diharapkan menjadi salah satu bahan pertimbangan dalam...
Jadi penelitian kita hanya salah satu bahan, kadang kita sedikit angkuh mengatakan sebagai referensi. :).

3. TINJAUAN PUSTAKA

Cakupan:  Penelitian terdahulu,  Landasan teoritis,  Kerangka teoretis (pikir),  Hipotesis penelitian.

  • Kemukakan hasil penelitian2 sebelumnya utk mengakrabkan peneliti dg informasi, data, model/peralatan analisis yang mungkin terkait dengan masalah yang sedang diteliti.
  • Kemukakan dan sintesakan teori-teori yang relevan dengan masalah yang sedang diteliti.
  • Buat dan tuliskan kerangka fikir dari sintesis teori-teori yang relevan, hubungkan variabel-variabel yang terkait .
  • Buat bagan keterkaitan variabel-variabel yang mungkin berhubungan atau mempengaruhi variabel penelitian yang sedang dilakukan.
  • Dari kerangka fikir, turunkan hipotesis penelitian yang merupakan jawaban teoritis sementara atas masalah-masalah  penelitian yang telah dikemukakan yang masih harus dibuktikan  validitasnya. 
  • Jumlah hipotesis seyogyanya berkorespondensi dengan jumlah masalah penelitian.
  • (ini juga kadang menjadi masalah umum, dimana masalah penelitian tidak sama jumlahnya dengan hipotesis).

4.  METODE PENELITIAN
Cakupan:  Lokasi Penelitian,  Populasi dan sampel,  Jenis data (Primer atau sekunder),  Model Analisis,  Definisi operasional konsep/variabel.



5.  DAFTAR PUSTAKA
Memuat daftar semua bacaan yang terkait dg penelitian. Alfabetis, atau  nomor, atau lainnya.

to be continue....

Contoh Proposal Penelitian Ekonomi : Download Here 

Silakan diperiksa data-data, mungkin link berikut bisa bermanfaat bagi bagi yang sulit menemukan masalah penelitian.


Keep share and enjoy !

Contoh Proposal Penelitian Ekonomi : Download Here
Full Download send email to alamyin@gmail.com to get password.

09/10/2017

Panduan Menulis Esai dengan Mudah

Menulis adalah cara untuk mengabadikan diri.
Menulis sebagai puncak kecemerlangan pikiran seseorang.
Menulis adalah aktivitas intelektual tertinggi.

Menulis sebagai upaya membangun peradaban.  Menulis terasa berat karena melibatkan hampir semua potensi manusia. Potensi pertama yaitu kemampuan melihat, mengamati, dan merasakan fakta-fakta empiris (Indera). Kedua, kamampuan menalar untuk menghubungkan sejumlah fakta-fakta dan ide-ide yang dimiliki penulis. Entah ide tersebut berasal dari hasil bacaan atau diskusi dengan orang lain. dan potensi terakhir adalah hati atau bisikan qalbu.

Penulis handal yang mampu mengalirkan tulisannya hingga menggerakkan para pembacanya adalah kombinasi dari ketiga potensi manusia tersebut.

Berikut adalah peta pikiran (mind map) apa dan bagaimana itu esai. Semoga peta pikiran berikut dapat memotivasi para pembaca untuk lebih giat menulis. Menulis sebagai salah satu tradisi Literasi. Karena Literasi adalah salah satu upaya melawan Hoax.


Inilah esai Mind Map.pdf

Mohon maaf ini bukan panduan teknis tahap demi tahap. Kemudahan menulis karena bahan bakarnya ada pada setiap individu yang mempunyai ketiga potensi di atas. Pada setiap esai selalu memuat pengantar, isi, dan kesimpulan. Keterampilan dan kepiawaian merangkai kata akan lahir dengan sendirinya seiring dengan makin banyaknya 'jam terbang'. Intinya menulislah.....

Chart di atas memang terkesan ribet, beberapa istilah diantaranya butuh penjelasan. Peta pikiran di atas adalah presentase di dua kelas di kampus UNM Makassar. Pertama di kelas Literasi BEM UNM, kedua di Kelompok Studi 'Praxis'. Dari hasil diskusi kedua kelompok ini, ada kesamaan pandangan diantara audiens. Mereka mengatakan lebih termotivasi dan lebih mudah memahami tentang esai dengan peta pikiran di atas.

Pada kedua forum diskusi di atas sebagai upaya berbagi cerita dan pengalaman tentang menulis. Salah satu trik sederhana adalah, IKATLAH IDE KAPAN DAN DIMANAPUN IA MUNCUL. Kadang-kadang saat 'EE' atau mengendarai kendaraan, tiba-tiba muncul ide, maka disarankan untuk segera mengikatnya dengan MENULISKANNYA. Karena ketika saat-saat itu dilewati atau menundanya, maka bisa dipastikan ide itu akan berlalu bak dan sekedar melintasi pikiran kita.

Sekali lagi mohon maaf, ini bukan panduan tahap demi tahap sebagaimana membuat mie instan, ini sekadar motivasi untuk diri sendiri, dan jika ada yang berkenan menginternalisasi ke dalam dirinya silakan. Keep It Simple and Sob (KISS).

Sumber bacaan: Inilah esai, Muhiddin M Dahlan. Radioboekoe

#Mind map  #Menulis Esai  #Esai