PREDIKSI KESUKSESAN STARTUP DI INDONESIA MENGGUNAKAN METODE REGRESI LOGISTIK

FARHAN SENO AJI, Dr. Eng. Ir. Herianto, S.T., M.Eng., IPM.

2020 | Skripsi | S1 TEKNIK INDUSTRI

Jumlah pengguna internet yang meningkat pesat berbanding lurus dengan pertumbuhan industri digital atau startup khususnya di Indonesia. Namun, sebesar 90% startup gagal pada tahun pertama sejak didirikan, dan kurang dari 4% startup saja yang dapat melalui 5 tahun milestone. Sedangkan, startup terbukti berkontribusi besar dalam pembukaan lapangan pekerjaan. Ditambah, jika kita melihat potensi startup di Indonesia, Indonesia memiliki indeks kesuksesan startup yang negatif. Hal ini mengindikasikan bahwa founder harus bekerja lebih keras untuk mencapai kesuksesan startup. Oleh karena itu, perlu dilakukan perencanaan strategi sejak dini untuk mengoptimalkan faktor yang mempengaruhi kesuksesan startup. Beberapa penelitian sejenis telah dilakukan, tetapi terbatas pada ruang lingkup negara di luar Indonesia dan penelitian lain hanya terbatas di salah satu kota di Indonesia. Pada penelitian ini, akan dibahas mengenai faktor-faktor yang signifikan terhadap kesuksesan startup di Indonesia beserta model prediksinya. Penelitian ini menggunakan instrumen berupa kuesioner yang diadaptasi dari penelitian-penelitian terdahulu untuk melakukan survei yang bersifat crosssectional. Dengan random sampling, kuesioner disebarkan secara daring kepada 449 responden startup founder yang tersebar di seluruh Indonesia, dengan response rate sebesar 18,7%, didapatkan data 84 startup founders. Variabel prediktor terdiri dari 15 variabel yang terbagi menjadi 3 kelompok faktor utama, yaitu kategori karakteristik founder, internal tim, dan kondisi eksternal. Metode yang digunakan adalah regresi logistik menggunakan software SPSS. Dengan 2 kriteria kesuksesan startup yang digunakan, terdapat 2 hasil faktorfaktor yang berpengaruh signifikan terhadap kesuksesan startup. Pada kriteria kesuksesan startup dengan cashflow positif, faktor inkubasi dan timing berpengaruh signifikan. Pada kriteria pertumbuhan jumlah pegawai, faktor yang berpengaruh signifikan adalah pengalaman bisnis, dedikasi waktu, dan relevansi sosial. Model prediksi dihasilkan pada tiap kriteria dengan masing masing kekuatan prediksi adalah 72% dan 74,4%.

The rapidly increasing number of internet users is directly proportional to the growth of the digital or startup industry, especially in Indonesia. However, 90% of startups fail in the first year since it was founded, and less than 4% of startups alone can go through a 5-year milestone. Meanwhile, startups are proven to contribute greatly to the job opening. Plus, if we look at the potential of startups in Indonesia, Indonesia has a negative startup success index. This indicates that the founder has to work harder to achieve startup success. Therefore, it is necessary to plan strategies early to optimize the factors that affect startup success. Some similar studies have been conducted, but are limited to the scope of countries outside Indonesia and other research is limited to one of the cities in Indonesia. In this study, it will be discussed about the significant factors to the success of startups in Indonesia along with the prediction model. This study uses instruments in the form of questionnaires adapted from previous studies to conduct cross-sectional surveys. With random sampling, questionnaires were distributed online to 449 startup founder respondents scattered throughout Indonesia, with a response rate of 18.7%, obtained data from 84 startup founders. Predictor variables consist of 15 variables divided into 3 main factor groups, namely the category of founder characteristics, internal team, and external conditions. The method used is logistic regression using SPSS software. With 2 criteria of startup success used, there are 2 results of factors that have a significant effect on startup success. On the criteria for success of startups with positive cashflow, incubation and timing have a significant effect. On the growth in the number of employee criteria, the significant factors are business experience, time dedication, and social relevance. Prediction models are generated on each criterion with predictions strength of 72% and 74.4% respectively.

Kata Kunci : Faktor Kesuksesan, Model Prediksi, Startup Indonesia, Regresi Logistik.