Alamyin.com

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

Berikut Beberapa bahan Ajar dan Latihan Regresi:

1. Regresi Bergdanda SPSS Lengkap dengan Penejalsan Statistik dan Uji Asumsi Klasik
2. Regresi Data Panel dengan Eviews
3. Regersi dengan Excel dan SPSS
4. Regresi dengan Python

BISNIS MODEL CANVAS

 BISNIS MODEL CANVAS

Business Model Canvas adalah sebuah strategi dalam manajemen berupa visual chart yang terdiri dari 9 elemen. Model ini pertama kali diperkenalkan oleh Alexander Osterwalder dalam bukunya yang berjudul Business Model Generation. Dalam buku tersebut, Alexander mencoba menjelaskan sebuah framework sederhana untuk mempresentasikan elemen-elemen penting yang terdapat dalam sebuah model bisnis. 

BMC juga diartikan sebagai suatu kerangka kerja yang membahas model bisnis yang disajikan dalam bentuk visual berupa kanvas lukisan, agar dapat dimengerti dan dipahami dengan mudah. Model ini digunakan untuk menjelaskan, memvisualisasikan, menilai, dan mengubah suatu model bisnis, agar mampu menghasilkan kinerja yang lebih optimal.

Fungsi Bisnis Model Canvas 

9 Elemen yang Harus Ada Dalam Bisnis Model Canvas

1. Value Proposition

Nilai apa  yang  ditawarkan  kepada  costumer.  Pada kolom ini juga menjelaskan keunggulan dan poin-poin menarik apa yang dapat menarik minat dari customer.

Customer Profile

• Gains : menjelaskan manfaat yang diharapkan, atau yang menjadi keinginan dari konsumen.
• Pains : Pengalaman negatif atau resiko yang pernah dialami oleh pelanggan dalam proses menyelesaikan pekerjaan atau suatu hal.
• Customer Jobs : merupakan tugas fungsional, sosial dan emosional yang dilakukan oleh pelanggan, masalah yang pelanggan coba untuk meneyelesaikan dan kebutuhan yang ingin mereka penuhi.

Value Proposition

• Product & Services : menjelaskan produk dan jasa yang kita tawarkan, yang mana dapat membantu pelanggan menyelesaikan tugas fungsional, sosial dan emosional (Customer Job).
• Gain Creators : menjelaskan bagaimana produk dan jasa dapat membuat pelanggan merasakan manfaat atau diuntungkan. Gain Creators harus dapat menyelesaikan Gains pada Customer Profile.
• Pain Relievers : menjelaskan bagaimana produk atau jasa bisa menyelesaikan pengalaman negatif atau resiko yang pernah dialami oleh pelanggan, sehingga Pain Relievers harus dapat mengurangi bahkan menghilangkan Pains pada Customer Profile.

2. Customer Segments

Customer segments adalah  penggolongan orang-orang yang  mungkin tertarik dengan value  proposition bisnis kita. 

• Mass Market : segmen pasar luas dengan jenis kebutuhan dan  masalah yang sama.
• Niche Market : segmen pasar yang spesifik.
• Segmented: segmen pasar yang memiliki kebutuhan berbeda  tetapi dalam satu kategori.
• Diversified : segmen pasar yang memiliki kebutuhan atau  masalah yang sangat berbeda.
• Multi-sided Platform : melayani 2 atau lebih pasar segmen  pasar yang saling tergantung

# prioritas

3. Costumer Relationship

Customer relationship adalah  cara-cara yang bisa Anda  gunakan untuk berkomunikasi  dengan customer segments. Customer relationship soal  hubungan, kalau channel soal  cara Anda menjangkau customer  segments.

• Transactional: beli putus saat itu juga.
• Long-term: hubungan jangka panjang antara Anda dengan  pelanggan.
• Personal Assistance: Ada sales-rep yang melayani pelanggan  Anda.
• Self Service: Pelanggan melayani dirinya sendiri, biasanya di  bisnis retail.
• Automated Service: Pelanggan bahkan tidak perlu ke toko Anda,  biasanya di bisnis SaaS.
• Community: Anda menciptakan komunitas untuk pelanggan.
• Co-Creation: Anda mengajak pelanggan menciptakan sesuatu  untuk bisnis Anda.

4. Channels

Cara menjangkau/  bersentuhan dengan  Costumers

Kategori Channel

• Direct : sales force, web sales, own stores.
• Indirect : partner stores, wholesaler.
• Awareness : tahap awal menginformasikan ke customer.  Evaluation : cara membantu customer mengevaluasi value  proposition yang ditawarkan.
• Purchase : cara-cara customer melakukan pembelian.  Delivery : cara menyampaikan value proposition (produk/  jasa) kepada customer.
• After Sales : customer support setelah terjadi transaksi.

5. Key activities

Key activities kegiatan wajib/utama yang dilakukan oleh  perusahaan untuk menghasilkan value proposition yang  ditawarkan.

• Production : aktivitas merancang,  membuat, mengirimkan produk.
• Problem Solving : aktivitas  operasi yang biasanya muncul pada  perusahaan konsultan, rumah sakit,  organisasi penyedia jasa.
• Platform Network : wadah  bertemunya dua atau lebih segmen  pasar untuk saling berinteraksi/  transaksi /membangun network.

6. Key resources

Key resources adalah hal-hal paling penting yang  harus Anda punyai agar key activities bisa  dijalankan dan value proposition bisa diberikan pada  customer.

• Physical asset : fasilitas pabrik,  gedung-gedung, kendaraan,  mesin-mesin.
• Intellectual : brand, hak paten,  copyright, database customer dan  database partnership, informasi  rahasia perusahaan
• Human Capital: tenaga kerja  Financial : sumber daya  keuangan perusahaan cash, credit,
• obligasi, saham

7. Key partners

Key partners adalah pihak-pihak  yang bisa Anda ajak kerjasama  dengan tujuan:

• Optimization and Economy
• Reduction of Risk and  Uncertainty
• Acquisition of particular  resources and activities

• Strategic Alliance between non-competitors:  kerjasama dengan perusahaan yg tidak sejenis.
• Coopetition: kerjasama dengan perusahaan  kompetitor.
• Joint ventures to develop new business: kerjasama  untuk membentuk usaha baru.
• Buyer supplier relationship: hubungan hanya  sebagai pembeli dan penjual biasanya terjadi pada  motif optimization and economies of scale.

8. Cost Structure

Cost structure adalah rincian biaya-biaya  terbesar yang harus Anda keluarkan untuk  melakukan key activities dan menghasilkan  value proposition.

• Cost-driven: sensitif terhadap  harga bahan baku.
• Value-driven: perusahaan tidak  terlalu memikirkan harga produksi/  bahan baku karena yang dijual  adalah nilai/seni/status/gaya hidup.
• Fixed cost: biaya-biaya tetap yang  muncul yang tidak tergantung pada  jumlah produksi
• Variable cost: biaya-biaya yang  muncul bervariasi sesuai jumlah  yang diproduksi
• Economies of scale: biaya per  unit
• Economies of Scope

Berapa biaya untuk mencapai key activities bisnis?

Berapa yang dianggarkan untuk key resources dan partnerships?

Berapa biaya untuk mencapai value proposition dan apakah ada biaya tambahan lainnya untuk menjalankan bisnis.

Cost-driven: biaya keluar  tergantung dari harga bahan  baku.

Fixed cost: Gaji 1 orang  designer.

Variable cost: Biaya jahit  tergantung berapa baju yang  akan diproduksi.

9. Revenue Stream

Revenue stream dalam BMC akan kita isi dengan  berbagai cara untuk menghasilkan keuntungan dari  value proposition kita.

• Asset Sale: penjualan produk secara fisik.  Usage Fee: customer membayar sesuai  lamanya menggunakan produk/jasa.
• Subscription Fees: biaya berlangganan.
• Lending/renting/leasing: biaya  peminjaman/pemakaian/penggunaan  sementara.
• Licensing: biaya ijin pakai jasa / produk.

MENGAPA KEWIRAUSAHAAN PENTING?

Kewirausahaan (1)

MENGAPA KEWIRAUSAHAAN PENTING?

Misi Kewirausahaan menjadi Misi Univeritas Negeri Makassar yang berarti semangat kewirausahaan sebaiknya mewarnai setiap aktifitas di kampus. 

• Benarkah demikian? 
• Mengapa kewirausahaan penting?
• Apa dan bagaimana agar dapat menyerap energi semangat berwirausaha?

Demikian pula halnya dalam kewirausahaan. Ilmu adalah menyatunya prkatik dan teori, sehingga apabila hanya memiliki salah staunya belum sempurna keilmuannya.

DATA DAN KONSEP

Berdasarkan sensus ekonomi Badan Pusat Statistik (BPS), baseline 2019 jumlah rasio wirausaha mencapai 3,3 persen setara 8,2 juta. Artinya, dengan target 3,95 persen di 2024, maka diperlukan 1,5 juta penduduk yang usahanya menetap hingga 2024. Penumbuhan 1,5 juta wirausaha baru, tentunya efektif dalam kurun waktu tiga tahun atau mulai dari 2022 hingga 2024, sehingga rata-rata target per tahunnya 500 ribu wirausaha baru.

Pada Senin, 23 Mei 2022. Rasio kewirausahaan di Indonesia saat ini masih sangat rendah, yaitu 3,47% dari total penduduk Indonesia.

Agar wirausaha dapat tumbuh pemahaman tentang kewirausahaan penting dimassifkan.

Berikut beberapa Pengertian Kewirausahaan

• Entrepreuner (Bahasa Perancis) yang diterjemahkan ke dalam bahasa Inggris dengan arti "between taker atau go between" atau perantara, dikenal dengan istilah wirausaha di Indonesia Wirausaha (entrepreneur) terdiri dari kata Wira dan Usaha. 
• Dalam Kamus Bahasa Indonesia (KBI, 2008), wira berarti utama, gagah, luhur, berani, teladan, pejuang, sedangkan usaha diartikan sebagai kegiatan yang bersifat komersial maupun non komersial
• PETER Drucker (1996) Entrepreuner adalah “kemampuan untuk menciptakan sesuatu yang baru dan berbeda”. 
• Zimmerer dan Scarborough (1996), kewirausahaan adalah penerapan kreativitas dan inovasi untuk memecahkan permasalahan dan upaya memanfaatkan peluang-peluang yang dihadapi orang setiap hari.
• dan lain-lain

SIMULASI (IDENTIFIKASI)

TOPIK KEWIRAUSAHAAN

Topik 3 Kreativitas dan Inovasi

Topik 4 Riset Pasar

Topik 5 Rencana dan Pengembangan Bisnis

Topik 6 Standarisasi dan Legalitas Usaha