Business Plan EduFin AI

Tugas Pengganti UAS ยท Kelompok 4 ยท FTI UKDW ยท Pak Budi Sutedjo

Indonesia's First AI-Native EdTech-Fintech

EduFin AI

Platform belajar AI yang menyematkan layanan finansial lewat Learning Consistency Score (LCS) โ€” credit score alternatif dari perilaku belajar. "Ruangguru yang beroperasi seperti Starbucks."

607K
Gagal SNBT/tahun (TAM)
Rp 29,6 M
Revenue Year 3
Rp 0
CAC via Prakerja
Rp 2.000
Harga / sesi belajar

๐Ÿ‘‰ Dokumen ini interaktif: klik kartu untuk buka/tutup bagian, dan coba Simulator Finansial di bagian Keuangan. Tim: Dex Bennett ยท Agung Paginta ยท Alvin Setiawan ยท Oki Luberizki Lesa ยท Victor Kenji Santoso.

EduFin AI mentransformasi bisnis les privat & bimbingan belajar dengan menyematkan layanan finansial secara embedded. Inti inovasinya: Learning Consistency Score (LCS) โ€” skor konsistensi belajar 0โ€“100 yang berfungsi sebagai credit score alternatif. Akses finansial diberikan berdasarkan perilaku belajar, bukan riwayat bank konvensional.

Analogi Posisi Bisnis

EduFin AI = "Ruangguru" yang beroperasi seperti "Starbucks" โ€” platform bimbel dengan e-wallet sendiri (Koin Belajar) yang menghasilkan modal bebas bunga dari dana mengendap, plus AI Risk Engine yang mengubah data belajar menjadi akses layanan finansial.

Seperti Starbucks menghimpun float US$ 1,6 miliar dari saldo kartu pelanggan, EduFin menghimpun saldo Koin Belajar yang di-top-up sebelum dipakai โ€” menciptakan working capital tanpa bunga + ekosistem loyalitas berbasis data.

Target: 110.000โ€“137.500 siswa gap year SNBT/tahun ("Missing Middle" โ€” terlalu kaya untuk beasiswa, terlalu miskin untuk bimbel premium Rp 10โ€“15 jt/semester). Harga mulai Rp 2.000/sesi, pembiayaan "Belajar Dulu Bayar Kalau Lolos" (PKB), akuisisi CAC = Rp 0 via Prakerja.

Rp 2,68 M
Revenue Y1 (dibukukan)
+Rp 1,40 M
Net Cash Flow Y1
2,5 โ†’ 8,5:1
LTV:CAC (Y1โ†’Y3)
10.000
Break-even MAU
Tesis kejujuran (anti "too good to be true"): Year 1 adalah loss-leader / data-acquisition yang disengaja โ€” LTV:CAC ~2,5:1, payback 16 bulan, cash-positive hanya karena Prakerja Rp 1,8 M. Strip Prakerja โ†’ Net Year-1 โ‰ˆ โˆ’Rp 0,3 M (cek sendiri di simulator: Prakerja OFF); di stress-test gabungan melebar ke โ‰ˆ โˆ’Rp 0,6 M โ€” ditutup seed Rp 1,3โ€“1,8 M + pivot B2B. Break-even 10.000 MAU = ambang organik (OpEx รท margin ~Rp 5.000/user); Y1 cash-positif di 5.000 MAU justru karena revenue B2G Prakerja + PKB berada di luar margin per-MAU โ€” itulah arti loss-leader yang disengaja. Rasio naik ke 5,2:1 (Y2) โ†’ 8,5:1 (Y3).

"AI bukan jalan pintas โ€” AI adalah cermin yang memantulkan pemikiran lebih tajam. Mahasiswa tetap arsitek: membaca, memutuskan strategi, memvalidasi angka. AI berperan sebagai organizer, validator, amplifier, dan builder dari blueprint yang sudah dirancang manusia."

๐Ÿ“Š Skala Pengerjaan

3
Model AI (Gemini, ChatGPT, Claude)
10+
Dokumen riset
28
Angka direkonsiliasi
5
Dokumen disinkronkan
20+
Sumber bersitasi

๐Ÿ”„ Evolusi: Dari Ide Ditolak ke Model Teruji

1

Ide awal ditolak (6 Mei) โ€” Pak Budi: les/bimbel "belum capai keekonomian". Pivot total ke EduFin AI.

โ†“ Gemini Deep Research: riset pasar, unit economics, benchmark fintech Indonesia
2

Kritik produksi konten & skala (22 Mei) โ€” "kenapa tidak ChatGPT gratis?", "nasib Ruangguru", "konten Rp 80 jt/topik". Dijawab: moat = LCS credit score, konten desentralisasi micro-royalty, Trojan Horse Prakerja.

โ†“ Sintesis lintas-AI ke PROJECT_MASTER (dokumen tulang punggung)
3

Rekonsiliasi 28 angka โ€” 3 dokumen (Business Plan, Financial Projection, Master) sempat saling beda. Setiap angka di-pick yang paling defensible & di-LOCK.

โ†“ Driver-based model + jembatan "Ramp Realization" (run-rate โ†’ dibukukan)
4

Simulator finansial interaktif โ€” 28 angka jadi model yang bisa diutak-atik penguji secara live (Bagian 5).

โ†“ Audit multi-agent AI: verifikasi setiap angka konsisten & foot lintas 5 dokumen
5

Integrasi final โ€” riset pasar tim + verifikasi sumber digabung jadi satu file HTML interaktif ini.

๐Ÿ› ๏ธ Bagaimana 3 AI Dipakai (bukan asal generate)

๐Ÿ” Gemini Deep Research

Riset pasar mendalam, unit economics, benchmark education-lending Indonesia (Danacita, Pintek), data SNBT/Prakerja. Validator fakta.

๐Ÿ’ฌ ChatGPT

Eksplorasi insight, framing narasi pertahanan vs kritik dosen, draft awal struktur. Amplifier ide.

๐Ÿค– Claude (build & reconcile)

Rekonsiliasi 28 angka, model finansial interaktif, audit multi-agent konsistensi, build HTML. Organizer & builder.

๐Ÿงญ Keputusan = Manusia

Setiap angka final, strategi, dan framing diputuskan & di-LOCK oleh tim โ€” AI tidak memutuskan, AI mengeksekusi blueprint.

๐Ÿ‘ฅ Matriks Kontribusi Tim (transparan)

Disampaikan apa adanya untuk keadilan penilaian โ€” tingkat partisipasi sepanjang penyusunan Business Plan ini.

AnggotaPeran & KontribusiPartisipasi
Dex Bennett
72230663 ยท +62 853-7257-8521
Lead & arsitek: strategi bisnis, model finansial (28 angka + rekonsiliasi), integrasi seluruh deliverable, build dokumen, koordinasi AI & timโ—โ—โ—โ—โ— Dominan
Alvin Setiawan
72230656 ยท +62 822-7147-7947
Riset pasar & akuisisi: funnel konversi, True CAC, 8 angka pasar bersitasi (lihat Bagian 3.3)โ—โ—โ—โ— Tinggi
Victor Kenji Santoso
72240676 ยท +62 831-2024-2377
Verifikasi angka & sumber (NPL Danacita, cap channeling POJK, e-KYC), proofread konsistensiโ—โ—โ— Sedang
Agung Paginta
72230660 ยท +62 823-9312-5564
Review & interpretasi masukan dosen (kritik 22 Mei), diskusi arah strategiโ—โ— Pendukung
Oki Luberizki Lesa
72230664 ยท +62 815-2288-3149
Tidak aktif sama sekali sepanjang penyusunan โ€” hanya membaca pesan grup, tanpa respons / tanpa kontribusi konten.โ— Tidak aktif

Mayoritas sintesis strategi, model finansial, dan integrasi dokumen dipegang oleh Dex Bennett sebagai penanggung jawab utama, dengan dukungan riset Alvin & verifikasi Kenji.

Segmen primer "Missing Middle": siswa kelas 11โ€“12 & gap year SNBT, keluarga menengah-bawah kota tier 2โ€“3 (Yogyakarta, Semarang, Medan, Makassar, Palembang). Terlalu kaya untuk beasiswa, terlalu miskin untuk bimbel premium. Potensi tinggi, akses terbatas.
607.555
Gagal SNBT 2025 (SNPMB)
110โ€“137 rb
Gap year SNBT/tahun
87%
Penetrasi internet Gen Z (APJII)
Rp 4,8 T
Anggaran Prakerja/tahun
Rp 10โ€“15 jt
Bimbel premium/semester
Rp 2.000
EduFin per sesi

3.3 Funnel Akuisisi โ€” biaya nyata mencapai pasar (riset: Alvin Setiawan)

Tahap (per 1.000 install)NKonv.
1. Install (CPI ~Rp 9.200)1.000100%
2. Coba Diagnostic (aktivasi)45045%
3. Top-up Koin pertama12628%
4. Lolos e-KYC7660%
5. Paying MAU (โ‰ฅ1 bln)5775%
Overall Install โ†’ Paying~57โ‰ˆ5,7%

Dalam benchmark fintech+EdTech SEA (3โ€“10%). Angka dibulatkan ke user utuh (e-KYC 75,6โ†’76; paying 56,7โ†’57); konversi gabungan tepatnya 5,67% (โ‰ˆ5,7%). Sumber: Adjust eCPI 2024, APJII 2024, Verihubs 2025.

Channel A โ€” Paid Digital
Iklan Rp 9.200 รท 5,7% = Rp 161.400 + e-KYC Rp 8.289 + OTP/PPN Rp 3.197 + MDR Rp 30 = True CAC Rp 173โ€“215 rb โ€” terlalu tinggi sendirian.
Channel B โ€” Prakerja (Zero-CAC)
Gap year SNBT 100% eligible Prakerja โ€” tapi program kuota/lotre (1,2 jt penerima/tahun, 1 per NIK), eligible โ‰  otomatis lolos. Yang lolos batch beli modul LPK EduFin โ†’ platform terima porsi biaya pelatihan (s.d. Rp 3,5 jt; Rp 700rb insentif pasca = ke peserta). CAC pemasaran = Rp 0 (e-KYC/OTP tetap, jauh tertutup voucher). Target โ‰ฅ70% Prakerja = conditional pada akses kuota; B2B pivot = hedge bila alokasi kurang.

Sensitivitas Blended CAC โ†’ butuh โ‰ฅ70% Prakerja

Temuan strategis (kejelasan, bukan alarm): target blended CAC Rp 60โ€“77 rb hanya tercapai jika โ‰ฅ70% akuisisi dari Prakerja (CAC 0). Iklan saja Rp 173โ€“215 rb. Implikasi: daftar LPK Prakerja sebelum launch (3โ€“6 bln), prioritas channel Prakerja sejak hari-1. Ini memperkuat tesis "Trojan Horse" + dimitigasi rencana B2B. Geser slider "% Prakerja" di Simulator (Bagian 5) untuk lihat blended CAC bergerak.
Bukti daya bayar ยท sisi demand

๐Ÿงฎ Kalkulator Biaya Belajar

Guna: membuktikan pasar sasaran mampu & mau bayar. Penguji geser sendiri kebutuhan โ†’ lihat EduFin ~10ร— lebih murah dari bimbel premium (atau Rp 0 di depan via PKB). Melengkapi sisi supply (funnel CAC di atas) & sisi investor (Simulator Bagian 5) โ€” tiga sudut ekonomi yang saling kunci.

Kebutuhan belajar
Sesi per bulan30
460
Tambahan
Durasi persiapan
Estimasi Biaya Persiapan

Total untuk durasi terpilih โ€” bandingkan 3 jalur.

Bimbel Premium (Ganesha, Primagama)
Rp 20.000.000
+ Jadwal kaku, lokasi fisik, bayar penuh di depan
Bimbel Online biasa
Rp 3.000.000
+ VOD pasif, tidak adaptif, tanpa akuntabilitas hasil
Dengan EduFin AI
Rp 1.800.000
AI adaptif 24/7, fleksibel, bayar sesuai pakai
Hemat Rp 18.200.000 vs bimbel premium

Onboarding 2-Tahap (model GoPay)

Tahap 1 โ€” Akun Dasar (belajar)

Daftar (โ‰ค5 field) โ†’ OTP WhatsApp (Rp 365 vs SMS Rp 670, hemat ~46%) โ†’ Tes Diagnostik AI 10 menit โ†’ 3 sesi gratis. LCS mulai terbentuk.

Tahap 2 โ€” Akun Finansial (e-KYC)

Upload KTP + selfie liveness โ†’ cocok Dukcapil (Rp 5โ€“15 rb/panggilan, pass rate ~60%) โ†’ fitur fintech aktif sesuai level LCS.

6 Produk Fintech (akses berbasis threshold LCS)

1. Koin Belajar โ€” mikropembayaran Rp 2โ€“10 rb/sesi. Top-up bulk (min Rp 50 rb) โ†’ efisien MDR + float (analog Starbucks Card).
2. PKB โ€” "Belajar Dulu, Bayar Kalau Lolos". LCS โ‰ฅ 85 โ†’ premium gratis; bayar 3โ€“5% gaji (maks 24 bln, cap 3ร—) hanya jika lolos PTN/kerja. Perjanjian perdata, bukan kredit OJK.
3. Crowdfunding Beasiswa โ€” LCS โ‰ฅ 75, donatur lihat dampak nyata, platform fee 5%.
4. Tutor Royalty โ€” konten dari guru/pakar, micro-royalty saat dipakai AI (platform 30%). Jawaban kritik "konten Rp 80 jt/topik": variable cost, bukan fixed.
5. BNPL Subscription โ€” LCS โ‰ฅ 60, cicil Premium tanpa bunga (analog GoPay Later).
6. Reward Token โ€” dicairkan ke e-wallet (analog GoPay Coins 1 koin = Rp 1).
LCS โ€” Mesin Utama Ekosistem

Skor 0โ€“100, 5 komponen: Konsistensi Login 20% ยท Completion 25% ยท Improvement Rate 30% ยท Payment History 15% ยท Engagement 10%. Transparan (tidak black-box) โ€” beda dari credit scoring konvensional. Loop: belajar โ†’ LCS naik โ†’ akses finansial buka โ†’ motivasi belajar lebih.

3 Analogi yang Diminta Pak Budi

โ˜• Starbucks

Float dari saldo prabayar. Koin Belajar = float bebas bunga โ†’ modal kerja.

๐Ÿ›ต GoPay

Ekosistem lock-in berbasis data. LCS = lock-in finansial + personalisasi.

๐Ÿš• MyBluebird

Embedded finance tanpa jadi bank. EduFin = channeling partner bank berlisensi (POJK 35/2018; cap insentif akuisisi pihak-ketiga 17,5%, Pasal 22).

Fitur layanan fintech โ€” terinci

Alur tiap fitur dijabarkan setara contoh Soal (Starbucks ยท GoPay ยท MyBluebird): dari onboarding, transaksi, ekonomi per transaksi, hingga loyalitas & retensi.

A. Alur Onboarding Terinci (model GoPay 2-level)

1

Unduh & isi data dasar โ€” nama, no HP, email, kelas/status, target PTN. Form โ‰ค5 field agar tidak membatalkan niat (prinsip onboarding GoPay).

2

Verifikasi OTP via WhatsApp โ€” kode ke HP; WA primary (Rp 365/pesan) vs SMS fallback (Rp 670) โ†’ hemat biaya OTP ~46%.

3

Tes Diagnostik AI (10 menit) โ€” ยฑ10 soal interaktif memetakan level awal per mapel. Di sini LCS pertama kali terekam.

4

3 sesi gratis tanpa top-up (seperti Starbucks tanpa deposit minimum) โ€” turunkan barrier percobaan; LCS tracking jalan.

e-KYC

Upgrade Akun Finansial โ€” foto KTP + selfie liveness โ†’ dicocokkan ke Dukcapil via API e-KYC (Rp 5โ€“15rb/panggilan, pass-rate ~60%). Status jadi "Akun Finansial Aktif" โ†’ fitur fintech terbuka sesuai LCS (sejajar alur e-KYC GoPay Plus / regulasi BI).

B. Alur & Ekonomi Transaksi Koin Belajar (mekanika Starbucks Card)

Pengguna top-up dulu (saldo mengendap = float), baru konsumsi per sesi. Sesi โ‰ค Rp 10.000 wajib QRIS / top-up bulk โ€” Virtual Account tidak dipakai karena MDR flat Rp 4.440 > nilai transaksi. Justru selisih waktu top-upโ†’pakai inilah yang menciptakan float (Bagian 5).

Nilai SesiMetodeMDR (incl PPN 11%)Margin Bersih
Rp 2.000 (latihan)QRIS (wajib)Rp 14 (0,7%)~Rp 586 (29%)
Rp 5.000 (pembahasan)QRIS / e-walletRp 35โ€“180~Rp 1.320 (26%)
Rp 10.000 (simulasi UTBK)QRIS / e-wallet / VARp 70โ€“4.440Rp 1.560โ€“5.930

C. AI Tutor Socratic โ€” beda dari ChatGPT gratis

ChatGPT gratis
Siswa: "2x+5=15?" โ†’ AI: "x=5." Tak belajar proses, nilai stagnan, LCS nihil, tak ada data risk engine.
EduFin Socratic
AI: "Langkah pertama mindahin angka?" โ†’ Siswa: "Dikurang 5?" โ†’ AI: "Tepat! Jadi?" Belajar proses โ†’ improvement naik โ†’ LCS terisi โ†’ jadi data kredit alternatif.

D. Loyalitas & Retensi (Stars Starbucks ยท GoPay Coins ยท EZPoint MyBluebird)

AktivitasTokenEfek Psikologis
Selesai 1 sesi10Immediate reward
Nilai latihan naik20โ€“50Hargai proses, bukan hasil
Streak 7 hari100Habit formation
Referral berhasil200Akuisisi komunitas (CAC turun)
Milestone LCS (60/75/85)500Rayakan unlock finansial

Token cair ke e-wallet nyata (2.000 token = Rp 5.000) โ€” bernilai riil seperti GoPay Coins, bukan poin kosong. Tiga lapis retensi: (1) personalisasi data โ€” notif "streak 14 harimu hampir putus, buka 1 sesi?" (gaya promo GoPay); (2) lock-in LCS โ€” pindah platform = hilang riwayat LCS = tak bisa apply PKB (analog frequent-flyer miles); (3) saldo float mengendap โ€” sunk-cost mendorong pakai sampai habis; sisa tak terpakai = breakage (revenue tambahan).

E. Embedded Finance โ€” pemetaan langsung ke MyBluebird

Elemen BisnisMyBluebirdEduFin AI
Layanan intiTaksiBimbel AI
E-wallet proprietaryEZPayKoin Belajar
Program loyalitasEZPointToken + LCS milestone
SubscriptionMyBluebird PriorityEduFin Premium
Infrastruktur bayarGoPay/DANA/OVO/QRISQRIS/VA/bank mitra
Keunggulan dataData perjalananData belajar (LCS) โ†’ kredit alternatif
Dua rel pembiayaan (penting โ€” jangan dicampur): (1) Disalurkan bank mitra โ€” risiko kredit di bank, off-balance-sheet bagi EduFin; platform = channeling partner (POJK 35/POJK.05/2018), ambil fee bagi-hasil, tanpa modal min. P2P Rp 25 M. (2) Success-fee PKB = piutang EduFin sendiri โ†’ on-balance-sheet, karena itu di-provisi CKPN (lihat Bagian 5). Jadi "tanpa risiko kredit" hanya untuk rel-1; PKB memang ditanggung & dicadangkan. Cap insentif akuisisi pihak-ketiga 17,5% (Pasal 22) = aturan terpisah.

Revenue Dibukukan vs Net Cash Flow (Rp Miliar)

Komposisi Revenue Year 3 (run-rate)

โš ๏ธ Jembatan run-rate โ†’ dibukukan (yang sering jadi celah): stream dihitung pada MAU akhir tahun (ฮฃ run-rate 2.802 / 12.116 / 32.412 jt), tapi yang dibukukan lebih kecil karena MAU tumbuh bertahap. Baris Ramp Realization (โˆ’122 / 336 / 2.782 jt) adalah jembatannya. Tanpa baris ini, ฮฃstream โ‰  Total.
P&L 3 Tahun (Rp Miliar)Year 1Year 2Year 3
ฮฃ Revenue (run-rate)2,8012,1232,41
โ†ณ Ramp Realizationโˆ’0,12โˆ’0,34โˆ’2,78
= Revenue Dibukukan2,6811,7829,63
โˆ’ Total OpEx (recurring)โˆ’1,05โˆ’2,54โˆ’4,75
โˆ’ One-Time (terpisah)โˆ’0,23โˆ’0,28โˆ’0,09
= Arus Kas Operasional+1,40+8,96+24,79
โˆ’ Provisi CKPN PKB (NPL ~2,7%, ref Danacita)00โˆ’0,79
= Net Cash Flow+1,40+8,96+24,0
+ Float & Treasury (memo, murni-margin)+12,3 jt+54,8 jt+132,75 jt

Asumsi kunci: ARPU blended Rp 80โ€“150 rb/user/bln (gross), margin bersih kontribusi ~Rp 5.000/user/bln โ€” margin tipis disengaja di fase subsidi (siswa LCS tinggi dapat premium gratis via PKB, plus AI inference & support menggerus ARPU; margin per-sesi Koin 26โ€“29% mengecil setelah blended). Biaya AI: Rp 180 jt (Y1, LLM) โ†’ Rp 120 jt (Y2, migrasi SLM) โ†’ Rp 150 jt (Y3) โ€” turun walau user 5ร— berkat self-hosted SLM (Llama 3 8B), mengubah biaya variabel jadi tetap.

LTV:CAC & CAC Payback per Tahun

10.000
Break-even MAU (Rp 50jtรทRp 5rb)
Rp 60โ€“77 rb
True CAC blended (target)
<3%
NPL ceiling (comp Danacita 2,69%)
Rp 1,3โ€“1,8 M
Seed ask (runway 18โ€“24 bln)
๐ŸŽ›๏ธ Simulator Finansial Live
Geser asumsi โ†’ 28 angka & P&L hitung ulang. Awal = Base Case (LOCK).
Base Case
๐Ÿ’ก Coba: flip Prakerja OFF (Year 1 merah) ยท geser NPL ke 15% (provisi naik) ยท geser % Prakerja (blended CAC bergerak). Modelnya tidak ambruk โ€” itulah ketahanannya.
MAU acuan Y15.000
MAU acuan Y230.000
MAU acuan Y375.000
% pay-per-session30%
Harga / sesiRp 6.000
Subscription / blnRp 80.000
% akuisisi via Prakerja70%
True CAC paid digitalRp 205.000
NPL Gross PKB3%
Net CF Y1
+Rp 1,40 M
profit via Prakerja
LTV:CAC Y1
2,5 : 1
loss-leader
Blended CAC
Rp 61,5 rb
target 60โ€“77rb
Break-even MAU
10.000
OpEx รท margin
Runway (stress)
18โ€“24 bln
seed 1,3โ€“1,8M
Revenue Y3
Rp 29,63 M
dibukukan
P&L (Rp M)Y1Y2Y3
๐Ÿ’ต Seed Ask: Rp 1,3โ€“1,8 Miliar
  • Product Dev MVP + SLM: Rp 150โ€“200 jt
  • Operasional 12 bln: Rp 720 jtโ€“1,08 M
  • Marketing: Rp 100 jt ยท Legal/OJK: Rp 50โ€“80 jt
  • ISO 27001 + Audit: Rp 150โ€“300 jt ยท Buffer: Rp 100 jt
  • Fallback Rp 900 jt jika ISO ditunda ke Year 2
๐Ÿ›ก๏ธ Stress-Test (4 skenario sekaligus)

Revenue โˆ’25%, CAC +50%, NPL +30%, launch delay +6 bln โ†’ runway tetap 18โ€“24 bln. Break-even bln 18โ€“24; cash-positif lebih awal HANYA via Prakerja. Tanpa Prakerja: Net Y1 โ‰ˆ โˆ’Rp 0,3 M (base); di stress gabungan โ‰ˆ โˆ’Rp 0,6 M โ€” dimitigasi pivot B2B (lisensi 50 bimbel @Rp 2 jt/bln).

Phase 1 โ€” MVP (0โ€“12 bln)
5โ€“10K MAU

Daftar LPK Prakerja, beta 50โ€“100 siswa, Pay-per-Session + AI Tutor, OJK Sandbox.

Phase 2 โ€” Scale (12โ€“24 bln)
30โ€“50K MAU

Migrasi SLM, ISO 27001, bank API, PKB launch, Crowdfunding, seed fundraising.

Phase 3 โ€” Profit (24โ€“36 bln)
75โ€“100K MAU

PKB Success Fee mengalir, B2B Channeling scale, break-even bln 18โ€“24, ekspansi nasional.

โœ… Layak ekonomi: break-even 10K MAU; LTV:CAC 2,5โ†’8,5:1; provisi NPL diperhitungkan (CKPN).
๐Ÿ›ก๏ธ Defensible: LCS tak bisa diduplikasi tanpa skala data belajar terakumulasi.
โšก Scalable: migrasi SLM self-hosted โ†’ zero marginal cost saat scale.
โค๏ธ Inklusif: dari 607rb TAM (gagal SNBT/tahun), target serviceable 110โ€“137rb gap year dapat akses tanpa mampu bayar di depan.
Core Belief

"Kemampuan finansial seseorang tidak boleh menjadi batas intelektualnya."

Filter keputusan produk: setiap fitur dinilai โ€” apakah ini hanya menguntungkan yang sudah mampu? Kalau ya, revisi.

Kestin, G., Miller, K., Klales, A., et al. (2025). AI tutoring outperforms in-class active learning: an RCT. Scientific Reports, 15, 17458. DOI: 10.1038/s41598-025-97652-6

Ningsih, H.W., Safitri, I., & Yusuf, A. (2022). Pengaruh e-Service Quality dan Kepuasan terhadap e-Loyalty (Pengguna Gopay). Business Management Journal, 18(1). DOI: 10.30813/bmj.v18i1.3068

How Do Mobile Wallets Improve Sustainability in Payment Services? A Comprehensive Literature Review. (2022). Sustainability, 14(24), 16541. DOI: 10.3390/su142416541

Kotler, P., Kartajaya, H., & Setiawan, I. (2021). Marketing 5.0: Technology for Humanity. Wiley. ISBN 978-1119668510.

Turban, E., et al. (2018). Electronic Commerce 2018: A Managerial & Social Networks Perspective. Springer. DOI: 10.1007/978-3-319-58715-8

Chishti, S., & Barberis, J. (2016). The FinTech Book. Wiley. DOI: 10.1002/9781119218906

SNPMB (2025). Data Peserta UTBK-SNBT 2025 โ€” 607.555 tidak lolos dari 860.976. snpmb.id

Kemenko Perekonomian RI (2024). Kartu Prakerja โ€” Rp 4,8 T / 1,2 jt penerima. kompas.com

OJK. POJK 3/2024 (ITSK); POJK 35/POJK.05/2018 โ€” Perusahaan Pembiayaan (cap insentif akuisisi pihak-ketiga 17,5%, Pasal 22). ojk.go.id

Bank Indonesia. PBI 21/18/PBI/2019 + PADG โ€” QRIS & MDR (0,7%; 0,3% pendidikan). bi.go.id

BPS (2025). Statistik Penunjang Pendidikan 2024 (Susenas MSBP). bps.go.id

Adjust (2024). eCPI Benchmarks ยท DataReportal (2024). Digital 2024 Indonesia. datareportal.com

APJII / Databoks (2024). Penetrasi Internet per Generasi (Gen Z 87,02%). databoks.katadata.co.id

Verihubs (2025). E-KYC Verification ยท Mekari Sign โ€” e-KYC Rp 8.000 (PP 10/2023). verihubs.com

Danacita / InvestorTrust (2025). TKB90 97,31% (TWP90 ~2,69%) โ€” benchmark NPL. investortrust.id

IMARC Group (2024). Indonesia EdTech Market โ€” USD 3,23 M (2024). imarcgroup.com