Prediksi Kesuksesan Startup Menggunakan Deep Neural Network

Abstract

Kesuksesan startup memiliki peran penting dalam pertumbuhan ekonomi dengan ide bisnis yang baru, inovatif dan dapat menciptakan lapangan pekerjaan. Pertumbuhan startup yang eksponensial dalam beberapa tahun terakhir membuat ketidakpastian dan tingkat kegagalan yang tinggi. Sehingga penting bagi investor untuk dapat memprediksi kesuksesan startup dalam menemukan perusahaan yang memiliki potensi kesuksesan yang lebih besar untuk didanai. Untuk membantu para investor, maka tujuan dari penelitian ini adalah membangun model untuk memprediksi apakah startup yang sedang beroperasi akan sukses atau gagal menggunakan Deep Neural Network (DNN). DNN mengkombinasikan keunggulan deep learning dan neural network untuk memecahkan masalah nonlinear. Proses yang dilakukan adalah menggunakan dataset startup success prediction, kemudian dataset tersebut di pre-processing untuk pengecekan missing value, data duplicate, data outlier serta penentuan atribut berdasarkan korelasi antar variabel. Kemudian, dataset yang sudah di pre-processing dibagi menjadi data training dan data testing. Selanjutnya ditentukan parameter DNN apa saja yang akan digunakan untuk membangun model prediksi menggunakan data training agar tidak mengalami overfitting ataupun underfitting. Model yang dibangun kemudian diuji mengunakan data testing. Hasil pengujian menunjukkan bahwa model prediksi yang diusulkan tidak overfitting ataupun underfitting dan memiliki nilai akurasi sebesar 83,93% dan nilai presisi sebesar 86,51% dalam memprediksi kesuksesan startup.