Seminar Nasional Official Statistics最新文献_第10页

Pandemi Covid-19 dan Pengaruhnya pada Permintaan dan Penawaran Emas di Indonesia

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1266

E. Kurniawan, Usman Bustaman

引用次数: 0

Penciri Kemiskinan Ekstrem di 35 Kabupaten Prioritas Penanganan Kemiskinan Ekstrem 极端贫困在35个地区优先处理极端贫困

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1258

N. Taufiq

{"title":"Penciri Kemiskinan Ekstrem di 35 Kabupaten Prioritas Penanganan Kemiskinan Ekstrem","authors":"N. Taufiq","doi":"10.34123/semnasoffstat.v2022i1.1258","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1258","url":null,"abstract":"Pemerintah saat ini menargetkan kemiskinan ekstrem pada tahun 2024 dapat mencapai 0 persen. Target capaian ini menjadi 6 tahun lebih cepat jika dibandingkan dengan target SDGs. Pada tahun 2021 upaya pengentasan kemiskinan ekstrem difokuskan pada 7 provinsi dan diprioritaskan pada 35 kabupaten. Diperlukan upaya percepatan penanganan kemiskinan ekstrem yang salah satunya adalah dengan mempertajam basis data untuk mencapai ketepatan sasaran. Mengenali bagaimana karakteristik rumah tangga miskin ekstrem menjadi bagian penting dalam upaya perbaikan basis data untuk penargetan, khususnya dalam meminimalisir exclusion error. Dengan menggunakan Chi-square Automatic Interaction Detection (CHAID) di 35 kabupaten prioritas penanganan kemiskinan ekstrem, penelitian ini menemukan bahwa rasio ketergantungan pada rumah tangga merupakan variabel prediktor yang memiliki interaksi paling kuat dengan status kemiskinan ekstrem. Lebih lanjut hasil estimasi dengan menggunakan model regresi logistik ordinal mengonfirmasi bahwa rasio ketergantungan berpengaruh signifikan secara statistik terhadap kemiskinan ekstrem dengan nilai marginal effect sebesar 0,072. Tambahan satu poin pada nilai rasio ketergantungan maka akan meningkatkan peluang untuk mengalami kemiskinan ekstrem sebesar 7,2 butir persen.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"49 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130651604","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Aplikasi Small Area Estimation Pada Penghitungan Nilai Estimasi Indikator Imunisasi Dasar Lengkap Di Pulau Jawa Dan Bali Tahun 2020

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1551

Zenda Oka Briantiko, Rida Agustina

{"title":"Aplikasi Small Area Estimation Pada Penghitungan Nilai Estimasi Indikator Imunisasi Dasar Lengkap Di Pulau Jawa Dan Bali Tahun 2020","authors":"Zenda Oka Briantiko, Rida Agustina","doi":"10.34123/semnasoffstat.v2022i1.1551","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1551","url":null,"abstract":"Imunisasi dasar lengkap merupakan target RPJMN 2020-2024 dan menjadi salah satu indikator deprivasi tunggal kemiskinan multidimensi Sustainable Development Goals (SDGs) 1.2.2*. Akan tetapi baru sekitar 57,17 persen anak umur 12-23 bulan yang menerima imunisasi dasar lengkap pada tahun 2020. Ketersediaan fasilitas kesehatan di Pulau Jawa dan Bali lebih banyak dibandingkan daerah lain, namun baru Provinsi Bali yang memenuhi minimal 80 persen target program imunisasi dasar lengkap. Kajian ini dilakukan untuk menghitung nilai estimasi indikator imunisasi dasar lengkap sampai tingkat kabupaten/kota yang dapat dijadikan sebagai acuan dalam menentukan daerah prioritas program imunisasi dasar lengkap. Metode yang digunakan adalah Small Area Estimation dengan pendekatan EBLUP terhadap 128 kabupaten/kota di Pulau Jawa dan Bali dengan menggunakan data Susenas 2020 untuk direct estimate dan Podes 2018 sebagai variabel penjelasnya. Pemodelan SAE dilakukan dengan dua acara yaitu dengan menggabungkan seluruh kabupaten/kota di Model-1 dan memisahkan antara kabupaten dan kota di Model-2. Hasil penghitungan menunjukkan bahwa terdapat perbedaan variabel penjelas yang digunakan pada Model-1 dan Model-2. Namun pemodelan Model-1 menghasilkan nilai RSE ≤ 25% lebih banyak dari Model-2 sehingga dapat dikatakan bahwa pemodelannya lebih efektif.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"24 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123524499","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Estimasi Proporsi Penduduk Korban Pencurian di Provinsi Sulawesi Selatan 2020 dengan Small Area Estimation (SAE)

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1397

Reskika Rahmadani, Cucu Sumarni

{"title":"Estimasi Proporsi Penduduk Korban Pencurian di Provinsi Sulawesi Selatan 2020 dengan Small Area Estimation (SAE)","authors":"Reskika Rahmadani, Cucu Sumarni","doi":"10.34123/semnasoffstat.v2022i1.1397","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1397","url":null,"abstract":"Korban pencurian digunakan sebagai indikator negatif dalam pengukuran rasa aman suatu wilayah. Jadi, semakin tinggi korban kejahatan merupakan indikasi bahwa masyarakat merasa tidak aman. Penyajian estimasi dari data korban pencurian hingga level kabupaten/kota sangat dibutuhkan sebagai data perencanaan sistem kemananan di Provinsi Sulawesi Selatan. Hal ini sejalan dengan target Sustainable Development Goals (SDGs) yang ke-16 yakni menggalakkan negara berdasarkan hukum di tingkat nasional dan internasional dan menjamin akses yang sama terhadap keadilan bagi semua. Metode Small Area Estimation (SAE) dapat digunakan untuk mengatasi masalah keterbatasan tersebut dengan cara mengestimasi proporsi korban pencurian hingga level kabupaten/kota. Estimasi ini dilakukan dengan meminjam kekuatan dari beberapa variabel lain dari data Potensi Desa (PODES) yang berkolerasi kuat dengan proporsi korban pencurian dengan menerapkan metode Emprical Best Linear Unbiased Predictor-Fay Herriot (EBLUP-FH). Hasil penelitian menunjukkan bahwa SAE metode EBLUP-FH memiliki nilai Relative Standar Error (RSE) yang lebih kecil dibandingkan metode estimasi secara langsung.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"134 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116334930","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Pengelompokan Kabupaten/Kota Di Provinsi Papua Berdasarkan Indikator Kesejahteraan Rakyat 2020 根据2020年人民福利指标，巴布亚地区/城市划分

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1236

Ragil Chelvin Pratama, N. Nasrudin

{"title":"Pengelompokan Kabupaten/Kota Di Provinsi Papua Berdasarkan Indikator Kesejahteraan Rakyat 2020","authors":"Ragil Chelvin Pratama, N. Nasrudin","doi":"10.34123/semnasoffstat.v2022i1.1236","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1236","url":null,"abstract":"Pada tahun 2020, Indeks Pembangunan Manusia (IPM) Papua mengalami ketertinggalan dengan provinsi lain dan terjadi gap IPM yang besar diantara kabupaten/kota. Namun IPM tidak memberikan informasi kesejahteraan secara luas, sehingga dibutuhkan indikator yang dapat memberikan informasi dari perspektif luas, yaitu indikator kesejahteraan rakyat oleh Badan Pusat Statistik (BPS). Penelitian ini bertujuan melihat kesejahteraan melalui pengelompokan kabupaten/kota di Provinsi Papua berdasarkan indikator kesejahteraan rakyat serta memberikan profil terhadap klaster yang terbentuk dari metode terbaik. Data bersumber dari publikasi dan website BPS. Pengelompokan menggunakan analisis klaster dengan metode single linkage, average linkage, complete linkage, Ward’s, dan k-means. Hasil menunjukan terdapat ketimpangan kesejahteraan dari berbagai dimensi kesejahteraan kabupaten/kota di Papua. Metode terbaik adalah Ward’s dengan hasil empat klaster. Klaster 1 sejahtera secara ekonomi beranggotakan sebelas kabupaten/kota, klaster 2 sejahtera dalam ketenagakerjaan beranggotakan delapan kabupaten, klaster 3 sejahtera dalam kesehatan beranggotakan enam kabupaten, dan klaster 4 sejahtera dalam dimensi sosial lainnya beranggotakan empat kabupaten.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"33 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127717074","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

Perbandingan Hot-deck, SVM, dan Random Forest dalam Mengidentifikasi Industri Mikro dan Kecil Terdampak Covid-19 Tahun 2020 比较热甲板、SVM和随机森林，以识别2020年受影响的微型和小工业

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1235

Iman Jihad Fadillah, Lalu Moh. Arsal Fadila, Lalu Muhamad Winadi Darundiye

引用次数: 0

Penyusunan Derajat Urbanisasi untuk Perhitungan Indikator Suistainable Development Goals

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1156

W. Widiastuti, Achmad Fauzi Bagus Firmansyah, Novia Permatasari

{"title":"Penyusunan Derajat Urbanisasi untuk Perhitungan Indikator Suistainable Development Goals","authors":"W. Widiastuti, Achmad Fauzi Bagus Firmansyah, Novia Permatasari","doi":"10.34123/semnasoffstat.v2022i1.1156","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1156","url":null,"abstract":"Metode deliniasi wilayah urban-rural secara global sangat diperlukan untuk memantau indikator Suistainable Development Goals (SDGs). Metode derajat urbanisasi yang dibuat United Nations mampu mengklasifikasikan wilayah menjadi 3 kategori: urban center, urban cluster, dan rurals. Metode ini memperhitungkan kepadatan penduduk, proporsi wilayah terbangun, dan ketetanggaan antarwilayah. Metode ini dapat diimplementasikan dalam perhitungan indikator 9.1.1, atau dikenal dengan Rural Access Index (RAI) dengan menghitung proporsi populasi rural yang memiliki akses ke jalan semua musim dalam radius 2km. Dengan kata lain, melalui indikator ini dapat deketahui populasi rural yang belum memiliki aksesibitas baik. Hasil menunjukan terdapat ketimpangan antara dua provinsi, yakni Nusa Tenggara Barat (NTB) dan Nusa Tenggara Timur (NTT). Distribusi populasi di NTB didominasi oleh urban centers (55.06%) dan urban cluster (36.39%), sedangkan mayoritas populasi di NTT berlokasi di wilayah rural (44.74%). Hasil RAI, 23.22% populasi di NTT tidak memiliki akses ke jalan semua musim, lebih tinggi dibandingkan NTB, yang hanya 6.46%.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"35 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115974697","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Faktor-faktor Yang Memengaruhi Indeks Pembangunan Gender di Indonesia Tahun 2020 影响到2020年印尼性别发展指数的因素

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1351

Surhaliza Aprilianti, Y. Setiadi

{"title":"Faktor-faktor Yang Memengaruhi Indeks Pembangunan Gender di Indonesia Tahun 2020","authors":"Surhaliza Aprilianti, Y. Setiadi","doi":"10.34123/semnasoffstat.v2022i1.1351","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1351","url":null,"abstract":"Salah satu modal dalam pembangunan yaitu sumber daya manusia. Pembangunan manusia sering kali berkaitan dengan perbedaan gender yang membahas bagaimana dalam memperoleh kesetaraan gender agar dapat meningkatkan sumber daya manusia tanpa membedakan laki-laki dan perempuan. Laki-laki dan perempuan sama penting diperhatikan agar dapat berkontribusi untuk mencapai pembangunan manusia seutuhnya. Berdasarkan data BPS terdapat kesenjangan hasil pembangunan manusia berdasarkan gender yang diukur melalui Indeks Pembangunan Gender (IPG) dan capaian IPG pada tahun 2020 belum memenuhi target dari Rencana Strategis Kementrian Pemberdaayaan Perempuan dan Perlindungan Anak serta masih banyaknya IPG provinsi yang berada di bawah IPG nasional. Tujuan dari penelitian ini mengetahui faktor yang memengaruhi IPG Indonesia tahun 2020 menggunakan analisis regresi linier berganda. Hasil dari penelitian ini menunjukan TPT perempuan dan rasio jenis kelamin berpengaruh signifikan terhadap IPG Indonesia tahun 2020, sedangkan APS 16-18 tahun perempuan dan persentase perempuan yang mengalami keluhan kesehatan tidak berpengaruh signifikan terhadap IPG Indonesia tahun 2020.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"24 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130433390","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 1

Pengaruh Sosial Ekonomi, Demografi dan Kesehatan Mental Terhadap Status Putus Sekolah Pada Usia SMA di Sumatera Utara Tahun 2021 2021年，社会经济、人口和精神健康对北苏门答腊高中辍学率的影响

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1133

Prido Putra Sinaga, J. R. H. Sitorus

{"title":"Pengaruh Sosial Ekonomi, Demografi dan Kesehatan Mental Terhadap Status Putus Sekolah Pada Usia SMA di Sumatera Utara Tahun 2021","authors":"Prido Putra Sinaga, J. R. H. Sitorus","doi":"10.34123/semnasoffstat.v2022i1.1133","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1133","url":null,"abstract":"Gagal dalam menempuh pendidikan atau biasa disebut dengan putus sekolah dapat menimbulkan masalah sosial lainnya seperti pengangguran, kriminalitas dan lainnya. Putus sekolah masih terjadi di Indonesia termasuk Sumatera Utara yang merupakan provinsi penyelenggara Wajib Belajar (WB) 12 tahun. Namun, rata-rata lama sekolah Sumatera Utara belum memenuhi target yang diharapkan dan Angka Putus Sekolah (APTS) nya juga masih berada diatas angka nasional. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi putus sekolah di Sumatera Utara tahun 2021. Metode analisis yang digunakan adalah analisis regresi logistik biner. Hasil penelitian menunjukkan bahwa variabel status bekerja anak, kelengkapan orang tua, status kemiskinan, jenis kelamin anak, urutan lahir dan gangguan perilaku atau emosional mempengaruhi putus sekolah di Sumatera Utara tahun 2021. Sehingga dapat disimpulkan bahwa variabel yang memiliki pengaruh paling besar adalah status bekerja anak dan gangguan perilaku atau emosional. Untuk menekan APTS di Sumatera Utara perlu disarankan agar lebih memperhatikan dua variabel tersebut.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"81 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115701007","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 0

Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia

Seminar Nasional Official Statistics Pub Date : 2022-11-01 DOI: 10.34123/semnasoffstat.v2022i1.1511

Rosi Anisya Faujia, Eni Sawitri Setianingsih, H. Pratiwi

{"title":"Analisis Klaster K-Means Dan Agglomerative Nesting Pada Indikator Stunting Balita Di Indonesia","authors":"Rosi Anisya Faujia, Eni Sawitri Setianingsih, H. Pratiwi","doi":"10.34123/semnasoffstat.v2022i1.1511","DOIUrl":"https://doi.org/10.34123/semnasoffstat.v2022i1.1511","url":null,"abstract":"Target kedua dari tujuan kedua SDGs, yaitu menghapus segala bentuk kekurangan gizi, salah satunya indikator prevalensi stunting balita. Penelitian ini bertujuan untuk mengelompokkan dan mengidentifikasi karakteristik provinsi di Indonesia berdasarkan indikator stunting pada balita. Metode yang digunakan dalam penelitian yaitu algoritma k-means dan agglomerative nesting (AGNES) clustering. Dengan membandingkan nilai rata-rata average silhouette dapat diketahui bahwa metode hierarchical clustering dari algoritma AGNES dengan single linkage memiliki nilai average silhouette tertinggi sebesar 0,67 yang merupakan klaster kuat. Berdasarkan hasil analisis diperoleh 2 klaster optimum. Karakteristik klaster 2 yaitu Provinsi Papua termasuk indikator kejadian stunting yang tinggi, karena pada klaster ini imunisasi, akses sanitasi, akses fasilitas kesehatan, tingkat pendidikan SMA rendah dan BBLR <2.500 gram. Sedangkan untuk 33 provinsi lainnya masuk klaster 1 dengan indikator imunisasi, akses sanitasi, akses fasilitas kesehatan, pendidikan SLTA dan BBLR <2.500 gram sehingga pada klaster ini termasuk dalam indikator rendah kejadian stunting.","PeriodicalId":213816,"journal":{"name":"Seminar Nasional Official Statistics","volume":"4 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124154004","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

引用次数: 3