PENINGKATAN DAYA SAING UMKM TANGSEL MELALUI BRAND REFRESH UNTUK MENINGKATKAN KINERJA BISNIS
Bibliographic record
Abstract
Program pengabdian masyarakat yang dijalankan oleh Universitas Swiss German bertujuan untuk meningkatkan daya saing bisnis Usaha Mikro, Kecil, dan Menengah (UMKM) di wilayah Tangerang Selatan melalui pelatihan "Brand Refresh". Program ini bertujuan untuk memberikan wawasan dan keterampilan kepada pemilik dan pelaku UMKM dalam memahami pentingnya identitas merek yang kuat terhadap produk yang mereka kelola serta strategi pemasaran yang efektif untuk meningkatkan penjualan dan performa bisnis. Metode yang digunakan dalam program ini Participatory Action Research yang juga terdiri dari serangkaian pelatihan interaktif, workshop dan konsultasi yang disesuaikan dengan kebutuhan dan karakteristik UMKM di Tangerang Selatan. Selain itu dilakukan juga FGD untuk memperkuat analisa kebutuhan pelatihan. Sebanyak 20 (dua puluh) peserta UMKM diberikan pemahaman mendalam tentang konsep "Brand Refresh" melalui penjelasan teoritis, contoh kasus, dan praktek langsung dalam merancang strategi merek yang relevan dengan target pasar. Hasil dari program pengabdian ini diukur melalui evaluasi partisipan sebelum dan setelah pelatihan, serta dengan mengumpulkan data tentang peningkatan penjualan, perubahan dalam strategi pemasaran, dan perubahan dalam persepsi pelanggan terhadap merek UMKM yang terlibat. Outcome program ini adalah tercapainya dampak signifikan pada penjualan dan performa bisnis UMKM di Tangerang Selatan, serta memperkuat posisi mereka di pasar yang semakin kompetitif. Dengan meningkatnya daya saing UMKM melalui strategi "Brand Refresh" yang efektif, diharapkan pula dapat berdampak positif pada pertumbuhan ekonomi lokal, menciptakan lapangan kerja baru, dan berkontribusi pada pembangunan berkelanjutan di wilayah Tangerang Selatan. Program pengabdian ini mencerminkan komitmen Universitas Swiss German dalam mendukung perkembangan UMKM sebagai pilar penting dalam perekonomian lokal.
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 | 0.002 | 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 | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.156 | 0.030 |
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".