WELCOME CERMI WEEK 12

Alhamdulillah, Today. Senin, 17 Novembert 2025 terdapat perkuliahan melalui Luring dan Daring yaitu, BD309 -Matematika Bisnis dari pukul 08.50 s/d selesai. dihadiri dengan total 97 Mahasiswa, diantaranya 60 Mahasiswa hadir langsung, dan 37 mahasiswa zoom 🙏🏻🙏🏻

✨ Activities BD309 – Matematika Bisniss✨
1. Absen HadirkuGo https://hadirkugo.raharja.ac.id/
2. Enroll Class iDu FE112, kode >> BD309_2025
3. Sharing materi perkuliahan Week 12
4. Diskusi Bersama & Tanya Jawab
5. Perkenalan dan pembuatan Akun IDU
6. Tebar SC kepada mahasiswa aktif bertanya dan sharing
7. Form Pengumpulan Tugas Akhir Semester : bysl.pw/Pengumpulan_Tugas_Akhir_Matlab2025

Pada pertemuan hari ini dengan berjalan sangat lancar 🤗🚀

Kesimpulan Materi tentang Analisis Data untuk Pengambilan Keputusan adalah sebagai berikut:

Mata kuliah ini membahas bagaimana konsep matematika diterapkan untuk mengolah data, memodelkan situasi bisnis, serta menghasilkan keputusan yang lebih objektif dan terukur. Fokus utamanya bukan pada rumus semata, melainkan pada bagaimana struktur matematika membantu perusahaan mengurangi ketidakpastian dan menghindari bias kognitif dalam pengambilan keputusan.

1. Peran Matematika dalam Analisis Data Bisnis

Inti dari pembahasan ini adalah bahwa data hanya bernilai ketika diproses secara sistematis. Matematika menyediakan kerangka kuantitatif untuk:

Mengidentifikasi pola,
Mengukur hubungan antar-variabel,
Mengestimasi risiko,
Mensimulasikan skenario keputusan.

Asumsi yang sering salah: “Data yang lebih banyak berarti keputusan lebih baik.” Nyatanya, tanpa model matematis yang tepat, banyak data justru memperbesar noise dan meningkatkan potensi kesalahan.

2. Statistik Deskriptif untuk Memahami Data

Mahasiswa belajar teknik merangkum data menggunakan:

Mean, median, modus,
Varians dan standar deviasi,
Distribusi frekuensi dan histogram.

Kelemahan umum yang perlu diwaspadai: rata-rata sering disalahartikan sebagai “nilai representatif”, padahal dalam data yang bias atau menceng (skewed), median jauh lebih relevan.

3. Probabilitas dan Ketidakpastian

Probabilitas membantu mengukur peluang terjadinya suatu peristiwa bisnis seperti risiko gagal bayar, permintaan pasar, atau fluktuasi produksi.

Asumsi yang harus diuji: banyak keputusan manajerial masih menggunakan intuisi, padahal probabilitas menunjukkan kenyataan bahwa intuisi sering bias—misalnya availability bias atau anchoring.

4. Analisis Regresi untuk Prediksi

Regresi linear dan non-linear digunakan untuk:

Memprediksi penjualan dari variabel harga atau promosi,
Menganalisis hubungan sebab-akibat (causal inference yang sederhana),
Membuat model forecasting dasar.

Catatan kritis: korelasi tidak otomatis berarti kausalitas. Banyak keputusan bisnis gagal karena salah membaca hubungan regresi sebagai sebab-akibat.

5. Optimasi untuk Keputusan dengan Sumber Daya Terbatas

Konsep optimasi mencakup:

Linear programming (maksimasi laba, minimasi biaya),
Kendala (resources, waktu, kapasitas),
Solusi optimal menggunakan metode Simplex.

Asumsi yang sering salah: bahwa solusi optimal selalu berarti solusi terbaik di dunia nyata. Padahal model hanya sebagus input dan asumsi yang digunakan. Ketidakakuratan data membuat solusi optimal secara matematis tidak optimal secara praktis.

6. Analisis Break-even dan Perencanaan Keuangan

Materi ini menekankan hubungan antara:

Biaya tetap dan variabel,
Harga jual,
Margin kontribusi,
Titik impas (BEP).

Kritik penting: banyak bisnis salah menghitung BEP karena menganggap biaya variabel konstan, padahal kenyataan sering menunjukkan biaya variabel berubah pada skala tertentu (economies atau diseconomies of scale).