Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal JURNAL DINAMIKA EKONOMI PEMBANGUNAN Jambura Journal of Biomathematics (JJBM) Jurnal Ekonomi Indonesia
Tasriah, Etjih
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Measuring ocean physical asset account using machine learning approaches Jane, Giani Jovita; Tasriah, Etjih; Pramana, Setia
Jurnal Ikatan Sarjana Ekonomi Indonesia Vol 13 No 3 (2024): December
Publisher : Jurnal Ekonomi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52813/jei.v13i3.563

Abstract

The blue economy concept has been adapted as a strategy in setting development programmes and public policies in managing Indonesia’s marine resources. As a supporting instrument, accurate field data is needed when compiling the ocean account. Meanwhile, the support of qualified resources is needed during the field data collection process. Research on mapping water areas using satellite technology and machine learning techniques in producing water maps, especially in coastal areas. The approach is suitable for arranging a physical asset account, which is a component of the ocean account framework. So far, no research has implemented these developments to produce ocean physical asset account. Therefore, this study will cover in arranging the account by utilising Sentinel-2 imagery and implementing Random Forest, Support Vector Machine, and Extreme Gradient Boosting (XGBoost) machine learning methods, which according to previous studies are superior methods for mapping water areas. The modelling results show that there isan extensive change in coral, seagrass, and mixed ecosystem types (a combination of coral, seagrass, and macroalgae ecosystems) between 2020 and 2023.
Coastal Ecosystem Classification Using Satellite-Based Machine Learning Approaches Jane, Giani Jovita; Alifatri, La Ode; Tasriah, Etjih; Pramana, Setia
Jambura Journal of Biomathematics (JJBM) Volume 6, Issue 2: June 2025
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjbm.v6i2.30466

Abstract

Sebagai negara kepulauan yang kaya akan sumber daya alam, Indonesia memiliki potensi ekonomi kelautan yang besar. Untuk mempertahankan potensi ekonomi ini dalam jangka panjang, ekonomi biru diperlukan sebagai konsep dalam menetapkan program pembangunan dan kebijakan publik. Salah satu cara untuk mengimplementasikan konsep tersebut adalah dengan menyusun neraca laut, yang kerangka kerjanya mengimplementasikan konsep ekonomi biru dalam bentuk neraca lingkungan. Neraca laut dapat dianggap mendukung pembentukan kebijakan dan program nasional suatu negara. Oleh karena itu, data spasial yang akurat yang mencerminkan kondisi terkini sangat penting untuk menyusun neraca ini. Namun, pengumpulan data tersebut dapat memakan biaya dan sumber daya yang besar, sehingga menjadi tantangan untuk memastikan ketersediaan informasi yang terkini dan akurat. Dalam konteks ini, sumber data alternatif dapat memberikan solusi yang layak. Penelitian sebelumnya telah berhasil membuktikan bahwa pemodelan pembelajaran mesin juga citra satelit Sentinel-1 dan Sentinel-2 mampu memetakan wilayah pesisir, seperti wilayah pasang surut dan bentik. Oleh karena itu, penelitian ini mencoba mengklasifikasikan ekosistem pesisir Taman Nasional Karimunjawa dengan memanfaatkan citra Sentinel-1 dan Sentinel-2 dan membandingkan hasil klasifikasi dari tiga metode pembelajaran mesin, yaitu Random Forest (RF), Support Vector Classification (SVC), dan Extreme Gradient Boosting (XGBoost), dan menganalisis perubahan ekosistem antara tahun 2020 dan 2023. Hasilnya menunjukkan bahwa RF memberikan hasil terbaik dalam melakukan klasifikasi untuk daerah bentik yang mencapai 0,77 dan 0,78 dalam skor F1 dan Koefisien Korelasi Matthew (MCC), sedangkan model SVC berhasil mencapai 0,83 dalam skor F1 dan MCC memberikan hasil terbaik untuk daerah pasang surut. Selanjutnya, luas terumbu karang dan padang lamun menurun masing-masing sebesar 6,524 km 2 dan 1,39 km 2 . Sedangkan, luas mangrove, kawasan terbangun, dan hutan menunjukkan sedikit perubahan.
Determinan Fenomena Middle Income Trap Delapan Negara Berpendapatan Menengah di Kawasan ASEAN Tahun 2009-2019 Lisayoana, Jasika; Tasriah, Etjih
Jurnal Dinamika Ekonomi Pembangunan Vol 7, No 1 (2024): APRIL
Publisher : Fakultas Ekonomika dan Bisnis, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jdep.7.1.51-69

Abstract

The middle-income trap (MIT) is an economic situation where a middle-income country experiences stagnation, making it difficult to advance to a higher income level. The Association of Southeast Asian Nations (ASEAN) is a region where eight out of ten countries are classified as middle-income. Although ASEAN's economic growth rate has been relatively stable, averaging 5–6 percent, the growth of its middle-income economies has shown a tendency to slow. When economic growth is slow and productivity is low relative to available factors of production, a country struggles to boost its economy. This research aims to identify the factors influencing the MIT phenomenon in ASEAN's middle-income countries using a panel data regression model. The results indicate that Foreign Direct Investment (FDI), the Human Development Index (HDI), the output share of the service industry, and the Open Unemployment Rate (TPT) significantly affect the MIT index. In contrast, the output share of the manufacturing industry was found to have no significant effect. It is hoped that this research will contribute to helping middle-income economies in the ASEAN region avoid the middle-income trap.
Co-Authors Alifatri, La Ode Jane, Giani Jovita Lisayoana, Jasika Pramana, Setia