Hayoooo ngaku siapa yang udah gajian dan langsung foya-foya di weekend iniii?
Yaaa, gapapa sih kalau dipake untuk refreshing, asal jangan lupa buat di rem yaaa!
Anywayy, kalian pernah denger payday effect ga siiih?
Buat kalian yang masih asing sama payday effect, nih mimin yang baik hati jelasin apa sih payday effect itu. Jadi, payday effect itu adalah kecenderungan meningkatnya pengeluaran / spending seseorang saat dan beberapa hari pasca gajian.
Nah, kira kira gimana, kalian kena payday effect gak nihh? Mimin sih jujur lagi ngalamin hehehehe
Di suasana gajian ini, mimin kebetulan nemu paper yang menarik banget nih. Paper ini ngebahas tentang gimana sih behaviour / perilaku pemakai prepaid credit card di US menjelang dan pasca gajian, dan apakah mereka mengalami payday effect atau engga
Prepaid kredit card ini sebenernya mirip sama debit gitu sih. Jadi penggunanya harus setor uang dulu ke kartu itu dan baru bisa gunaiin kartunya, beda sama kartu kredit biasa dimana penggunanya itu ‘minjem uang’ gituu.
Tapi tunggu dulu deh, kalian ada yang kepikiran ga sih kenapa yang diteliti itu para pemakai prepaid credit card. Kenapa gak semua orang aja, mau yg make atau gamake prepaid credit card, kan biar hasil penelitiannya lebih general dan bisa lebih relate ke lebih banyak orang?
Awalnya mimin juga mikir gitu guys, kenapa ini penelitian spesifik bgt menargetkan objek penelitiannya pemakai prepaid credit card. Eh tapi setelah dibaca lagi papernya, pemakai prepaid credit card ini memiliki karakteristik yang unikk.
Buat kalian yang belum tau, prepaid credit card itu adalah credit card yang dikhususkan buat orang-orang yang punya sejarah buruk dalam dunia perkreditan atau orang-orang yang cenderung berpendapatan rendah.
Nah, karena mereka ini underbanked, jadi kemungkinan orang-orang ini melakukan transaksi menggunakan akun bank / credit card lain itu kecil banget. Dalam kata lain data transaksi pengguna prepaid credit card ini merepresentasikan hampir seluruh gambaran aktivitas finansial mereka
Oke mari kita lanjutt. Terus indikator buat tau apakah ada payday effect atau engga tuh apa sih?
Jadi penelitian ini secara umum mau menggunakan indikator dari beberapa pertanyaan seperti apakah pengguna prepaid credit card (cc) punya pengeluaran yang lebih besar disekitar waktu gajian?
Lalu penelitian ini juga mencari tau kira kira spending sebelum dan setelah gajian itu dialokasikan untuk apa sih?
Dan terakhir, penelitian ini mau melihat apakah pengeluaran untuk kategori tertentu lebih besar dibandingkan dengan kategori lain (non essential product vs essential products)
Buat menjawab ketiga pertanyaan tadi, para peneliti menggunakan 18.533.520 transaksi yang berasal dari 57.613 prepaid cc. Lalu, dari data transaksi ini, peneliti membaginya jadi 6 kategori pengeluaran yang terdiri dari (1) restoran, (2) belanja otomotif, (3) grocery,
(4) farmasi / alkohol, (5) toko grosir / department store, dan (6) pengeluaran lainnya untuk pengeluaran yang tidak termasuk ke dalam 5 kategori sebelumnya.
Penelitian ini menggunakan metode standard linear regression untuk melihat total pengeluaran pada kategori tertentu. Oh iya, biar penelitian ini ga bias terhadap pengeluaran di hari-hari tertentu, misal kaya weekend, musim liburan, dll,
peneliti menggunakan variabel kontrol fixed effect seperti (1) day of the week, (2) month of the year, (3) year (2013- 2016), (4) holiday, dan (5) individual effect
Teruss peneliti juga menambahkan variabel ‘payday’ ke dalam 15 dimensi di bawah ini untuk melihat gimana sih pengeluaran sebelum gajian dan setelah gajian.
Long short story, penelitian ini membuktikan bahwa para pengguna prepaid cc ini mengalami yang namanya payday effect. Efek ini berlaku untuk semua kategori pengeluaran / spending yang tadi udah mimin sebutin.
Kenaikan pengeluaran akibat payday ini mencapai puncaknya di hari gajian itu sendiri hingga 2 hari setelah gajian dan mulai menurun setelah itu. Yang menariknya adalah, para pengguna prepaid cc ini tuh menunggu sampai mereka gajian dan baru mengalami payday effect
Bukan mengalami payday effect ini beberapa hari sebelum gajian walaupun mereka tau gitu kapan waktu gajian mereka. Hayooo siapa yang gini juga, foya foya nya setelah gajian bukan sebelum gajiann
Terus nihhh walaupun payday effect ini terjadi pada semua kategori pengeluaran, tapi kategori ‘grocery’ dan pengeluaran lainnya’ itu memiliki efek yang lebih kuat dibandingkan dengan kategori lain. Hal ini mungkin terjadi karna ‘pengeluaran lainnya’ itu kan cakupannya luas.
Besides, kalau menurut mimin, grocery shopping setelah gajian is a must!
Oke kita balik lagi ke topikk. Buat kategori ‘restoran’ dan ‘alkohol’ sendiri, efeknya baru berasa di hari setelah gajian dibandingkan dengan di hari h gajian itu sendiri.
Nah, singkatnya gitu guys pengaruh payday terhadap pengeluaran pengguna prepaid cc. Gimana, apakah penelitian ini relate sama keadaan kaliann?
Anyway, mumpung masih dalam suasana gajian, mimin mau ngingetin aja sihhh kalau Pacmann.AI lagi ada promo payday sampe 2 Maret lohhh! Asik banget gak tuhhh!
Daripada dipake buat foya-foya, mending dipake buat belajar jadi Business Intelligence atau Data Scientist aja bareng Pacmann! Ada potongan sebesar 500k loh buat BI dan 700k untuk DS. Langsung aja pake kode PAYDAYFEB dan daftarin diri kamu di bit.ly/PendaftaranNon…
Yuk, langsung aja disikat, kan kalau kata Warren Buffet, the best investment you can make is an investment in yourself. The more you learn, the more you earn😉
Pasti pernah kan kalian mendapatkan rekomendasi dari sistem? Misalnya seperti rekomendasi video di YouTube, rekomendasi lagu di Spotify dll. Nah itu salah satu bentuk recommender system
Singkatnya, wide & deep learning ini terdiri 2 blok yang berbeda yaitu wide learning dan deep learning
Untuk wide learning, proses yang dilakukan adalah memorization / mengingat. Jadi misalnya saat kita melakukan perjalanan dari rumah ke sekolah selama 20 menit -c-
Halo semua! Balik lagi nih sama mimin! Di masa pandemi ini siapa nih yang kangen hangout ke luar bareng teman maupun pacar?
Pastinya kalau mau hangout, kita pilih tempat yang strategis dan mudah dituju kan? Dan yang terlebih penting, jalan kesananya enggak macet! Supaya sampai tempat tujuannya bisa tepat waktu kan?
Halo haloo, mimin mau tanya nihhh, diantara followers Pacmann, berapa banyak sih yang perempuan dan bekerja atau kuliah di bidang Science, Technology, Engineering, and Mathematics (STEM)?
Kali ini, mimin pengen bahas nih tentang perempuan dan STEM nihh. Mungkin kalian udah pernah denger juga kali yaa kalau perempuan itu under-represented di bidang STEM.
Perjalanan perempuan untuk sampai berkarir di bidang STEM itu bisa diibaratkan kaya leaky pipeline atau pipa berlobang yang ngalirin air. Karna banyak lobang, hasil akhir air yang didapat juga dikit. Biar kebayang, nih liat gambar di bawah ini
Mari kita mulai pembahasan dengan restate kasus kita:
Toko Selular Nusantara menjual telepon selular bekas di e-commerce lokal. Toko ini merasa penentuan harganya terkadang terlalu murah, terkadang terlalu mahal. Toko tersebut memiliki data: 1) jenis hape, 2) harga, 3) terjual atau tidak, 4) kondisi hape.
Hallo semuanya selamat siang! Gimana nih hari kedua long weekend pertama kalian di 2021 ini?! Seru gaaak?
Yuk kita manfaatkan long weekend ini sebagai kesempatan buat recharge diri dari segala tekanan pekerjaan biar ga kena workplace stress. Apalagi di tengah pandemi kaya gini dan terutama yang wfh jadi lebih mudah stress karena tekanan pekerjaan, ya gak sih?
Sebenarnya memang wajar sih kalau lebih mudah stress saat wfh. Penelitian juga membuktikan kok kalau penggunaan handphone maupun komputer membuat kita terkoneksi dengan pekerjaan lebih dari sebelumnya, akibatnya kita lebih mudah mengalami tekanan pekerjaan dan berujung ke stress.
Menurut gue kebanyakan Data Scientist terlalu mikirin curve fitting dan optimisasi metrics berlebihan tanpa mikirin modeling. Makannya sering kurang berguna di perusahaan.
Gue berikan contoh kasus ya.
Kebanyakan hanya memikirkan: 1. Modelnya supervised atau unsup (meh..) 2. Metrics nya apa (meh...)
Lalu dilakukan development dalam 6 bulan, kemudian modelnya tidak bisa menjawab pertanyaan bisnis.
IMO curve fitting itu hal termudah yang dilakukan oleh DS dan biasanya hanya 5% dari pekerjaan. Pekerjaan utamanya adalah membuat modeling.
Bedakan modeling dengan fitting-fitting pakai sklearn/keras/pytorch.