Eksplorasi dan analisis data GEM

Abstract

Kegiatan wirausaha memegang peranan penting dalam pembangunan suatu negara atau dapat dikatakan bahwa kewirausahaan salah satu penggerak roda ekonomi suatu negara. Karena orang-orang mulai sadar betapa pentingnya kegiatan wirausaha disuatu negara, maka pada bulan September 1997 Global Entrepreneurship Monitor(GEM) didirikan oleh Michael Hay dari London Business School(LBS) dan Bill Bygrave dari Babson College. Global Entrepreneurship Monitor(GEM) merupakan sebuah organisasi non-profit yang berfokus pada kewirausahaan. Setiap tahunnya GEM membuat sebuah laporan terkait kewirausahaan di suatu negara. Laporan tersebut dibuat berdasarkan dua buah survei yang diadakan oleh GEM. Survei tersebut adalah Adult Population Survey(APS) dan National Expert Survey(NES). Data yang dihasilkan dalam survey APS dan NES, dapat dimanfaatkan jika kita dapat mencari informasi berharga di dalam data tersebut. Untuk memperoleh informasi berharga tersebut dapat menggunakan teknik Data Mining. Data Mining merupakan sebuah metode untuk menggali informasi dari sekumpulan data yang jumlahnya besar. Data Mining memiliki beberapa teknik yaitu regresi, klasifikasi, dan clustering yang akan digunakan pada penelitian ini. Sebagai contoh dengan teknik klasifikasi, data GEM untuk tiap negara akan dimanfaatkan untuk memprediksi kelas berdasarkan atribut yang ada pada hasil survei APS dan NES. Kemudian, dengan menggunakan teknik clustering, data GEM untuk tiap negara akan dikelompokkan berdasarkan kemiripan atribut pada hasil survei APS dan NES. Pada penelitian ini dihasilkan perangkat lunak yang mampu mengimplementasikan tahapan Data Mining yaitu membersihkan data, melakukan integrasi data, mencari atribut yang berkorelasi, melakukan transformasi data, dan mampu menggunakan teknik-teknik Data Mining untuk data GEM. Hasil penelitian ini juga dicantumkan di sebuah situs yang dibuat untuk menampilkan hasil eksplorasi dan analisis data GEM. Berdasarkan eksplorasi dan analisis data GEM yang dilakukan, disimpulkan bahwa faktor yang paling memiliki pengaruh pada data APS dalam menentukan seberapa tinggi atau rendah nilai Perceived Capabilities adalah Perceived opportunities, faktor yang paling memiliki pengaruh pada data NES dalam menentukan seberapa tinggi atau rendah nilai Governmental programs adalah Governmental support and policies.