PELATIHAN BISNIS ONLINE GUNA MEMBANGUN JIWA WIRAUSAHA GENERASI MUDA
Bibliographic record
Abstract
AbstrakSalah satu karakter yang harus digalakkan pada generasi muda adalah jiwa eunterpreneurship. Semangat kewirausahaan perlu dibangun sejak dini sebagai fondasi di masa depan agar lapangan kerja semakin terbuka lebar dengan iklim bisnis yang penuh dengan inovasi. Trend yang sedang mengemuka di Indonesia adalah bisnis online. Berbagai macam barang bisa kita dapatkan secara online, hanya dengan melakukan sekali ‘klik’ saja. Bisnis Online mudah dijalankan dan murah, karena banyak mengeluarkan modal yang sangat besar. Cukup dengan foto produk yang dijual serta posting foto tersebut di media sosial. Hampir semua orang saat ini mengenal dan familiar dengan kata online shop. Online shop adalah toko online yang mempermudah masyarakat untuk mendapatkan barang-barang yang mereka inginkan. Merupakan sebuah media yang memungkinkan customer membeli barang atau jasa secara langsung dari seller dengan media internet dengan menggunakan web browser. Hanya dengan membuka internet atau handphone saja kita bisa belanja tanpa harus keluar rumah.Pendekatan yang ditawarkan untuk menyelesaikan permasalahan yang dihadapi adalah dengan: 1)Menumbuhkan Jiwa Wirausaha, 2)Memberi pemahaman menjadi wirausaha yang sukses, 3)Memberikan pemahaman bisnis online, 4)Memberikan pemahaman keuntungan bisnis online, 5)Memberikan pelatihan bisnis online, 6)Mendampingi generasi muda dalam bisnis online. Setelah mengikuti pelatihan beberapa peserta tertarik untuk melakukan bisnis online.Kata kunci: kewirausahaan, bisnis online
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.195 | 0.062 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".