Measure of Position dalam Statistik

Nama  : Bayu cahyadi

Npm    : 19316085

Kelas   : Tk 19 A

Rangkuman Measure of Position dalam Statistika

Measure of Position dapat didefinisikan sebagai suatu pengukuran nilai yang digunakan untuk menentukan posisi relatif dari suatu entri data (data point) pada dataset.

Quartile adalah nilai yang membagi suatu dataset terurut menjadi empat bagian yang sama. 

Terdapat tiga nilai quartile, yaitu: Q1, Q2, dan Q3.

Interquartile Range (IQR) adalah measure of Variation (pengukuran keberagaman/sebaran data) dengan menselisihkan nilai quartile ketiga dan quartile pertama.

IQR = Q₃ - Q₁

Deteksi Outlier

Entri data (data point) pada suatu dataset bisa dikategorikan sebagai outlier bila:

Lebih kecil dari Q1-1.5(IQR) 

Lebih besar dari Q3+1.5(IQR)

Deteksi Outlier dengan IQR: contoh

Box and Whisker Plot (Box Plot)

Box and Whisker Plot: contoh

Percentile (Persentil)

 

Percentile adalah nilai yang membagi suatu dataset

 

terurut menjadi 100 bagian yang sama.

 

 

Terdapat 99 nilai percentaile, yaitu: P1,

P2, …, P99

 

P25 menunjuk

     posisi yang sama dengan Q1

P50 menunjuk

     posisi yang sama dengan Q2

P75 menunjuk posisi yang sama

     dengan Q3

Standard Score (z-score)

 

Standard Score (z-score) merepresentasikan nilai

simpangan suatu entri data terhadap mean dari dataset yang diukur berdasarkan

standard deviation.

 

Nilai z-score bisa negatif, positif, atau nol.

 

Deteksi Outlier dengan Standard Score (Z-Score)

Standard Score (z-score): contoh

Sekian dan Terimakasih

 

Pertemuan Visualisasi Data dalam Statistika

 Nama  : Bayu cahyadi

 Npm     :19316085

 Kelas:TK 19 A

Stem and Leaf Plot [1/2]

Stem and Leaf Plot [2/2]

Dot Plot

Pie Chart

Bar Plot

Scatter Plot

Time Series Chart

Sekian dan terimakasih

Tugas Pertemuan 2 Statistika Probabilitas

 Nama : Bayu cahyadi

Npm : 19316085

Kelas : Tk 19 A

Matkul : Statistika Probabilitas

Rangkuman Materi Pengumpulan Data

Pengumpulan Data (Data Collection)

Pengumpulan data dilakukan pada tingkat populasi. Alhasil, akan diperoleh informasi yang sifatnya lengkap. Hanya saja ketika ukuran populasinya sangat besar, maka seringkali census menjadi pilihan yang mahal dan sulit untuk dilakukan.

Sampling Pengumpulan data dilakukan pada sub bagian dari populasi. Alhasil, informasi yang diperoleh sifatnya tidak lengkap. Pendekatan semacam ini cukup umum ditemui dalam studi statistik. Di sini sample yang baik adalah sample yang dapat merepresentasikan populasinya. Dibutuhkan teknik sampling yang tepat untuk mendapatkan sample yang representatif terhadap populasinya.

Sampling Error Karena sample merupakan sub bagian dari populasi, maka selisih atau perbedaan nilai antara data sample dan data populasi akan selalu ada. Perbedaan atau selisih nilai ini dikenal dengan istilah sampling error. Bahkan dengan teknik sampling sebaik apapun, sampling error ini tidak dapat dihindarkan.

Sampling: with/without Replacement Sampling with replacement:

Memungkinkan satu anggota populasi untuk terpilih lebih dari satu kali sebagai anggota sample. Sampling without replacement: Menjamin satu anggota populasi hanya dapat terpilih satu kali saja sebagai anggota sample.

Teknik Sampling (Sampling Techniques) Teknik sampling dalam bidang statistika:

● Simple Ramdom Sampling

● Stratified Sampling

● Cluster Sampling

● Systematic Sampling

● Convenience Sampling

Sampling Technique:

Simple Random Sampling Simple random sampling merupakan teknik pengumpulan data yang dilakukan secara acak di mana setiap anggota populasi memiliki peluang yang sama untuk dapat terpilih sebagai anggota sample.

Contoh: Terdapat 400 siswa terdaftar di kelas statistika dan kita diminta untuk melakukan sampling secara acak terhadap 10 orang siswa untuk dilibatkan dalam survey. Salah satu cara yang dapat ditempuh adalah dengan memberikan sebuah nomor pada tiap siswa, mulai dari nomor 1 sampai dengan 400. Lalu gunakan random number generator untuk melakukan pemilihan acak sebanyak 10 kali dengan rentang nilai pengacakan mulai dari 1 sampai dengan 400.

Sampling Technique:

Stratified Sampling

● Stratified sampling merupakan teknik pengumpulan data secara acak yang dilakukan dengan terlebih dahulu membagi anggota populasi ke dalam beberapa kelompok berdasarkan kesamaan karakteristik tertentu (e.g., rentang usia, jenis kelamin, tingkat pendapatan, etc).

● Kelompok yang terbentuk ini biasa dikenal dengan istilah strata.

● Selanjutnya anggota dari tiap strata tersebut akan dipilih secara acak untuk dijadikan anggota sample.

● Perlu diingat agar sampling yang dilakukan di tiap strata haruslah proporsional dengan proporsinya dalam populasi.

Sampling Technique: Stratified Sampling (ilustrasi)

Sampling Technique:

Stratified Sampling (contoh) Dilakukan survey terhadap 100 orang mahasiswa baru terkait preferensi mereka dalam memilih menu makan siang. Dari populasi mahasiswa baru ini, dihasilkan dua buah strata berdasarkan jenis kelamin (pria dan wanita). Mengacu pada data penerimaan mahasiswa, didapati 3500 mahasiswa baru yang terdaftar dengan persentase jumlah mahasiswa pria dan wanita adalah 55%-45%. Oleh karenanya survey ini akan melibatkan 55 mahasiswa pria dan 45 mahasiswa wanita yang dipilih secara acak

Cluster Sampling 

● Clustersampling merupakan teknik pengumpulan data secara acak yang dilakukan dengan membagi anggota populasi ke dalam beberapa kelompok berdasarkan pengelompokkan yang sudah terbentuk (e.g., area geografis, kecamatan, kelurahan, etc).

Cluster Sampling (contoh) Dilakukan pendataan jenis dan jumlah kendaraan bermotor yang dimiliki oleh tiap keluarga di wilayah Kecamatan Suka Jaya. Karena wilayah kecamatan ini terbagi ke dalam 7 kelurahan; maka pendataan dilakukan secara acak di tiap kelurahan dengan jumlah sample yang proporsional sesuai dengan persentase jumlah warga di tiap kelurahannya.

Sampling Technique: Systematic Sampling Systematic sampling merupakan teknik pengumpulan data berdasarkan interval tertentu. Teknik sampling ini terbilang cukup mudah untuk diterapkan. Hanya saja teknik ini tidak dapat diterapkan bila ditemui adanya pola yang sifatnya konsisten dan sistematis pada data kita. Contoh: Survey terkait kepuasan pelanggan mini market yang dilakukan terhadap setiap pengunjung dengan interval kedatangan 10. Dengan kata lain, bila pengunjung yang sedang dilibatkan dalam survey saat ini adalah pengunjung ke 5, maka pengunjung berikutnya yang akan dilibatkan dalam survey adalah pengunjung ke 15.

Sampling Technique: Convenience Sampling Convenience sampling merupakan teknik pengumpulan data yang bisa dibilang asal atau sembrono dan hanya berorientasi pada kemudahan. Ini merupakan teknik pengumpulan data yang buruk dan sangat rentan terhadap bias. Contoh: Suatu survey dilakukan untuk mendata opini warga Kecamatan Suka Pintar (yang terbagi dalam 7 kelurahan) terkait layanan masyarakat yang disediakan oleh aparat kecamatan. Dikarenakan alasan kemudahan, maka satu kelurahan ditunjuk sebagai perwakilan dan survey dilakukan terhadap warga kelurahan tersebut yang dipilih secara acak.

Pengantar Statiska V1 & V2

 Video #1 dari Seri Video Belajar Statistika Dasar 

Mengapa Belajar Statistika?

●      Data Warehouse

●      Data Mining

●      Big Data Analytics

●      Machine Learning

●      Data Science

Definisi

Statistika (Statistics)

Bidang keilmuan yang mencakup

●      Pengumpulan (collecting)

●      Pengelolaan (organising)

●      Analisis (analysing)

●      Interpretasi (interpreting)

Data

Kumpulan informasi yang diperoleh melalui:

●      Pengamatan (observations)

●      Penghitungan (counts)

●      Pengukuran (measurements)

●      Responsi (responses)

Populasi & Sampel

Populasi (Populations)

Kumpulan dari keseluruhan pengamatan, penghitungan, pengukuran, atau responsi terhadap topik yang ingin dikaji

Sampel (Samples)

●      Bagian dari populasi

●      Sampel yang baik adalah sampel yang representatif terhadap populasi sehingga dapat digunakan untuk menarik simpulan (conclusions) terhadap populasi

●      Oleh karenanya data sampel harus dikumpulkan dengan metode yang tepat (e.g., random sampling)

Populasi & Sampel: ilustrasi

Populasi & Sampel

 contoh:

 Sampel:

Suatu survey dilakukan di 35 perguruan tinggi di Indonesia untuk menanyakan apakah seorang mahasiswa pernah mengalami bully selama studi di perguruan tinggi.

Didapati 237 dari total 972 reponden mengaku pernah mengalami bully selama menjalani studi di perguruan tinggi.

Populasi:

Warga kompleks perumahan Suka Rapi yang terdiri dari total 45 kepala keluarga berencana untuk mempercantik kompleks dengan melakukan peremajaan paving jalan.

Pendanaan akan dilakukan secara kolektif berdasarkan ukuran lebar dari tiap rumah. Oleh karenanya dilangsungkan pengukuran dan pendataan lebar muka dari tiap rumah.

Parameter & Statistik

Parameter

●      Deskripsi numerik dari karakteristik suatu populasi (population)

●      Terdapat hanya satu parameter untuk satu populasi

Statistik (Statistic)

●      Deskripsi numerik dari karakteristik suatu sampel (sample)

●      Memungkinkan untuk mendapati sejumlah statistik dengan nilai yang beragam untuk satu populasi yang sama

Parameter & Statistik 

contoh :

 Statistik:

Dari hasil uji emisi yang dilakukan secara acak terhadap kendaraan bermotor yang melintas di Jalan Suka Makmur, didapati 48% kendaraan tidak memenuhi standar kelayakan.

Parameter:

Dari hasil ujian saringan masuk perguruan tinggi di Universitas Suka Pintar pada tahun ini, ditemui 78% dari calon mahasiswa memiliki kemampuan analisis numerik di atas ambang batas yang disyaratkan.

Cabang Ilmu Statistika

Statistika Deskriptif (Descriptive Statistics)

Cabang ilmu statistika yang berfokus pada:

●      Pengelolaan data (organisation)

●      Peringkasan data (summarisation)

●      Visualisasi data (display/visualisation)

Statistika Inferensi (Inferential Statistics)Cabang ilmu statistika yang berfokus pada pemanfaatan sampel untuk menarik simpulan terhadap populasi

Cabang Ilmu Statistika

 contoh:

Statistika Inferensi:

Sejumlah pria dewasa berusia 48 tahun dilibatkan dalam suatu program penelitian selama 18 tahun. Berdasarkan data pengamatan, diprediksi bahwa 70% dari pria yang tidak menikah akan bertahan hidup pada usia 65 tahun, dan 90% dari pria yang menikah akan hidup pada usia 65 tahun.

Statistika Deskriptif:

Berdasarkan data sampel yang diperoleh dari Wall Street, didapati kesalahan yang dilakukan oleh analist dalam melakukan prediksi pendapatan perusahaan IT pada tahun ini mencapai angka 44%.

 

Klasifikasi Data dalam Statistika

Video #2 dari Seri Video Belajar Statistika Dasar(Statistika Deskriptif)

Tipe Data

Data Kualitatif (Qualitative)

Data non numerik:

●      Atribut

●      Label

Data Kuantitatif (Quantitative)

Data numerik yang dihasilkan melalui:

●      Penghitungan

●      Pengukuran

Tipe Data

contoh: 

Skala Pengukuran (Level of Measurements)

Terdapat 4 Skala Pengukuran (Level of Measurements) dalam bidang statistika:

1. Nominal
2. Ordinal
3. Interval
4. Rasio (Ratio)

Skala Pengukuran Nominal

●      Berasosiasi dengan tipe data kualitatif

●      Berfokus pada pengelompokkan atau pengkategorian data berdasarkan nama, label, atau kualitas

●      Tidak dapat dikenakan operasi matematika

●      Contoh:

○        merk kendaraan bermotor

○        kota kelahiran

○        nama siswa, nama bulan, nama hari

○        nomor kendaraan bermotor, nomor induk siswa

Skala Pengukuran Ordinal

●      Berasosiasi dengan tipe data kualitatif

●      Data dapat dikelompokkan

●      Data dapat disusun berdasarkan urutan, peringkat, atau ranking

●      Tidak dapat dikenakan operasi matematika

●      Contoh:

○        tingkat kepuasan pelanggan: sangat puas, puas, cukup, kecewa, sangat kecewa

○        temperatur udara: panas, sejuk, dingin

○        peringkat siswa di kelas

Skala Pengukuran Interval

●      Berasosiasi dengan tipe data kuantitatif

●      Data dapat dikelompokkan

●      Data dapat disusun berdasarkan urutan, peringkat, atau ranking

●      Dapat dikenakan operasi matematika untuk menghitung selisih nilai

●      Nilai numerik merepresentasikan posisi pada suatu skala ukur tertentu

●      Tidak memiliki nilai nol yang absolut (no inherent zero)

●      Tidak dapat dikenakan operasi matematika terkait perkalian

●      Contoh:

○        temperatur udara 32 derajad celsius

○        tahun 2020

Skala Pengukuran Rasio (Ratio)

●      Berasosiasi dengan tipe data kuantitatif

●      Data dapat dikelompokkan

●      Data dapat disusun berdasarkan urutan, peringkat, atau ranking

●      Dapat dikenakan operasi matematika untuk menghitung selisih nilai

●      Memiliki nilai nol yang absolut (inherent zero)

●      Dapat dikenakan operasi matematika terkait perkalian

●      Contoh:

○        usia anak 7 tahun

○        berat badan 65 Kg

○        harga nasi goreng Rp 25,000

    Skala Pengukuran: 

    ringkasan

Tugas Karangan Ilmiah - Bahasa Indonesia

 1.1    Latar Belakang

Metodologi merupakan suatu formula dalam penerapan penelitian dimana dalam melakukan penelitian tersebut terdapat langkah – langkah dan juga hasil penelitian. Metodologi terdiri dari fase – fase dan subfase yang akan membimbing peneliti memilih metode, teknik, prosedur, dan tools apa saja yang digunakan sehingga setiap tahapan penelitian dilakukan dengan tepat. Metodologi juga membantu peneliti dalam hal merencanakan, me-manage/mengolah, mengontrol, dan mengevaluasi setiap kemajuan. Sedangkan Metodologi Penelitian merupakan cara atau teknik yang disusun secara teratur yang digunakan oleh seorang peneliti untuk mengumpulkan data/informasi dalam melakukan penelitian yang disesuaikan dengan subjek/objek yang diteliti. Metodologi Penelitian pada hakekatnya merupakan operasionalisasi dari epistemology. Epistomology adalah memberi pemahaman tentang cara/teori menemukan atau menyusun pengetahuan dari ide, materi atau dari keduanya serta merujuk pada penggunaan rasio, intuisi, fenomena atau dengan metode ilmiah. Hal ini menjadi salah satu mata kuliah penting. Mengapa demikian? Karena, memperoleh pengetahuan yang dapat menjawab berbagai pertanyaan atau dapat memecahkan suatu permasalahan untuk memperoleh pengetahuan ilmiah.

Covid – 19 bermula dari Negara China dan mulai masuk ke Indonesia pada Maret, 2020. Seiring dengan perkembangan zaman, seluruh penjuru dunia kini menuntut terpenuhinya aspek kecepatan, ketepatan, dan efisiensi sehingga memacu semua pihak untuk terus menghasilkan inovasi-inovasi terbaru di bidang masing-masing dengan teknologi mutakhir yang pastinya akan menyebabkan meningkatnya kebutuhan di era pandemi covid – 19 seperti ini. Toko – toko pun awalnya diperintahkan tutup namun, kebanyakan dari mereka menentang karena mereka memikirkan kebutuhan sesama makhluk hidup yang membutuhkan materi dan pangan untuk kehidupan sehari – hari. Jadi permasalahan utamanya adalah dalam usaha penyediaan kebutuhan masih sangat bergantung oleh pendapatan sebelumnya yang makin lama makin menipis dan banyak masyarakat yang keluar masuk rumah sakit dikarenakan terdampak covid – 19 ataupun berobat karena faktor umur, memiliki riwayat penyakit, dan kecelakaan. Dengan kondisi ini maka pengadaan sistem alternatif baru dan terbarukan yang efektif, efisien dan menghindari kerumunan covid – 19 sangat diperlukan. Salah satu dari system alternatif tersebut  bantuan pemerintah dan Registrasi Pasien Berbasis WEB. Selama ini jika ingin registrasi ke klinik atau rumah sakit hanya bisa datang langsung ke klinik atau rumah sakit sehingga menimbulkan kerumunan di klinik atau rumah sakit  tersebut yang mengakibatkan penularan covid - 19. Namun seiring dengan terus meningkatnya inovasi perkembangan teknologi kini pemerintah menghimbau kepada masyarakat agar tetap di rumah dan jika ada keperluan di luar rumah tetap menjaga jarak, memakai masker, dan sering mencuci tangan. Meningkatnya grafik masyarakat yang terdampak covid -19 maupun yang sakit karena faktor umur dari tahun ke tahun dan didukung dengan penelitian tentang perangkat lunak dari teknologi berbasis WEB, maka penggunaan perangkat lunak ini sebagai   menghindari kerumunan mulai dilakukan.

Saat ini, di Indonesia baik di klinik atau rumah sakit maupun tempat makan  bisa melalui  handphone ataupun pc. Kini sangat mudah ditemukan sebuah klinik atau rumah sakit meskipun letaknya berjauhan dari pemukiman padat penduduk. Letak sebuah klinik atau rumah sakit yang berjauhan dengan pemukiman warga tentu dapat menimbulkan dampak buruk, mengapa demikian? Karena, disaat warga ada yang sakit dan persyaratannya tertinggal ataupun ada yang kurang hal itu menyebabkan warga kembali kerumah yang letak rumahya berjauhan dengan klinik atau rumah sakit tesebut. Salah satu fungsi dari Registrasi Pasien Berbais WEB adalah mempermudah registrasi dan menghindari kerumunan. Hal ini menjadi sesuatu yang berguna dan bermanfaat jika diproses dengan baik dan benar. Beberapa rumah sakit di Indonesia kini sudah mulai menerapkan sistem registrasi secara online sehingga mengurangi dampak  penularan covid –19 tersebut, bahkan ada beberapa yang memanfaatkan perangkat lunak untuk dijadikan produk baru yang berguna yang tentunya diolah melalui proses – proses tertentu.

Berdasarkan data diatas, penulis tertarik untuk menyusun sebuah tugas penelitian yang berjudul “Analisis Registrasi Pasien Berbasis WEB Sebagai Sistem Registrasi Secara Online”. Dalam tugas ini penulis membahas mengenai pemanfaatan ilmu teknologi yang menghasilkan proses pembuatan perangkat lunak berupa Registrasi Pasien Berbasis WEB. 

Dari latar belakang tersebut penulis tertarik untuk membuat aplikasi Registrasi Pasien Berbasis WEB dimana aplikasi tersebut diharapkan dapat membantu masyarakat dalam melakukan Registrasi Pasien menggunakan handphone dan dapat dilakukan secara online melalui internet.

1.2    Rumusan Masalah

Dari latar belakang diatas, penulis merumuskan masalah yang akan dipecahkan adalah bagaimana membangun suatu aplikasi pendaftaran pasien secara online dengan menggunakan teknologi web pada klinik atau pun rumah sakit.

Untuk memudahkan penyusunan tugas ini penulis merumuskan masalah kedalam beberapa bentuk kalimat pertanyaan, sebagai berikut ini:

1)      Potensi Registrasi Pasien dalam penyediaan data pasien.

2)      Analisis Registrasi Pasien Berbasis WEB di klinik ataupun di rumah sakit.

1.3    Tujuan Masalah

Berdasarkan rumusan masalah di atas, maka dalam pembahasan tugas ini dibatasi pada :

1)  Membangun sebuah aplikasi registrasi pasien berbasis web pada klinik ataupun rumah sakit.

2)  Pengambilan data hanya dilakukan klinik atau pun rumah sakit.

3)  Analisis perhitungan data hanya terpusat melalui WEB.

1.4    Batasan Masalah

1)      Perhitungan potensi teknologi dalam penyediaan data pasien.

2)      Mengetahui hasil analisa teknologi sebagai perangkat lunak yang bermanfaat di lingkungan masyarakat.

3)      Aplikasi yang dibuat terbatas pada registrasi pasien secara online.

4)      Aplikasi yang dibuat menggunakan WEB PHP ataupun Java, serta menggunakan MySQL.

1.5    Manfaat Penelitian

1)      Manfaat bagi penulis

Manfaat penelitian perangkat lunak bagi penulis yaitu dapat menambah wawasan bagi peneliti dan dapat dijadikan sebagai pedoman untuk menghadapi masalah kerumunan di era covid – 19 yang saat ini sedang dalam kondisi mengkhawatirkan.

 

2)      Manfaat bagi Universitas

Penulisan tugas ini diharapkan dapat dijadikan referensi akademis dan keinsinyuran untuk pengembangan jurusan Teknik Komputer Universitas Teknokrat Indonesia selanjutnya.

 

3)      Manfaat bagi Masyakarat dan Industri

Dapat di jadikan sebagai penyedia data pasien terbarukan yang bermanfaat di lingkungan. Dapat menyediakan sistem alternatif yang mandiri. Dapat meningkatkan kemandirian masyarakat dalam bidang sistem alternatif untuk daerah yang tertinggal agar lebih maju dan sejahtera. 

 

§  Alamat web Program studi, Fakultas, Universitas : http://ti.ftik.teknokrat.ac.id, http://ftik.teknokrat.ac.id, www.teknokrat.ac.id

•   Nama Mahasiswa : Bayu cahyadi 
•   NPM : 19316085
•  Kelas : Tk 19 A

Tugas Wawancara Kerja disertai dengan Jawabannya - Bahasa Indonesia

1. Ceritakan tentang diri Anda?

Kandidat: “Nama saya Bayu cahyadi. Saya mahasiswi Teknik Komputer dari Universitas Teknokrat Indonesia. Sekarang ini saya masih menjadi mahasiswa di Universitas Teknokrat Indonesia. ”

2. Mengapa Anda memilih jurusan Teknik Koputer?

Kandidat: “Karena, saya ingin mempelajari dan memahami teknik – teknik dalam merancang software maupun hardware. Dengan kuliah di jurusan Teknik Komputer, saya menambah wawasan dan pengetahuan saya tentang komputer. Selain itu, saya belajar di jurusan tersebut dengan menyenangkan karena saya menemukan hal – hal yang baru sesuai dengan minat dan kesenangan saya.”

3. Selain pendidikan formal, apakah Anda memiliki keterampilan lain?

Kandidat: “Ya. Saat kuliah saya mengikuti pelatihan kepemimpinan selama seminggu yang dilaksanakan himpunan mahasiswa universitas saya dan saya juga mengikuti pelatihan IoT. Saya juga mampu mengoperasikan komputer dengan berbagai program, seperti MS Words, MS Excell, MS Power Point, Photoshop, Dev C++,dan Program Java”

4. Apa kelebihan dan kekurangan Anda?

Kandidat: “Kelebihan saya adalah jujur, cepat belajar, dan pekerja keras. Sementara itu, kelemahan saya adalah suka lupa. Namun, saya berusaha mengatasi kelemahan ini dengan mencatat hal-hal penting terkait pekerjaan di buku saku saya.”

5. Apakah Anda lebih senang bekerja sorang diri atau dalam tim?

Kandidat: “Bergantung pada pekerjaan yang harus saya selesaikan. Meskipun saya lebih senang bekerja sendiri, saya dapat bekerja dalam tim.”

6. Jika anda di terima di perusahaan ini dan diharuskan bekerja di dalam tim, posisi apa yang akan anda pilih?<\p> Kandidat: “Saya lebih suka menjadi seorang Teknisi. Dengan begitu, saya bisa langsung turun ke lapangan”<\p>

7. Bisakah Anda bekerja di bawah tekanan?

Kandidat: “Ya. Selama ini bisa mengatasi tekanan pekerjaan saya. Selain itu, saya pikir tekanan bisa memberikan hasil yang positif bagi saya karena saya bisa mengeluarkan potensi, inisiatif, dan keterampilan saya untuk menyelesaikan pekerjaan tersebut.”

8. Apa yang membuat Anda tertarik bekerja di perusahaan kami?

Kandidat: “Perusahaan ini menawarkan pekerjaan yang sesuai dengan pengalaman dan pendidikan saya. Dengan demikian, saya dapat berkontribusi dalam memajukan perusahaan ini.”

9. Seberapa baik Anda mengenal perusahaan kami?

Kandidat: “Saya cukup mengenal perusahaan ini karena banyak teman yang membicarakan dan menggunakan produknya. Selain itu, saya juga melihat iklan perusahaan ini di media massa ternama.”

10. Jelaskan rencana Anda untuk lima tahun ke depan?

Kandidat: “ Jika saya diterima bekerja di sini, dalam lima tahun ke depan saya ingin menjadi supervisor. Oleh karena itu, saya akan mempelajari dan memahami ruang lingkup kerja dan tanggung jawab posisi tersebut. Setelah itu, saya akan berusaha keras memenuhi apa yang disyaratkan untuk menjadi seorang supervisor di perusahaan ini.”

11. Apakah Anda bersedia ditempatkan di luar kota?

Kandidat: “Ya, saya bersedia. Bekerja di perusahaan ini berarti saya harus siap menerima keputusan dan kebijakan yang berlaku.”

12. Apakah Anda bersedia bekerja lembur?

Kandidat: “Ya, saya bersedia. Itu tidak masalah bagi saya.”

13. Berapa gaji yang Anda harapkan untuk posisi ini?

Kandidat: “Saya berharap memperoleh gaji sebesar Rp 7 juta.”

Alamat web Program studi, Fakultas, Universitas : http://ti.ftik.teknokrat.ac.id, http://ftik.teknokrat.ac.id, www.teknokrat.ac.id

Nama Mahasiswa : Bayu cahyadi

NPM : 19316085

Kelas : Tk19A