Garuda - Garba Rujukan Digital

Determinan Pengangguran Terbuka di Indonesia Menggunakan Regresi Robust Nursiyono, Joko Ade; Safitri, Jamik; Apriyani, Marfuah
CAKRAWALA Vol 17, No 1: Juni 2023
Publisher : Badan Penelitian dan Pengembangan Provinsi Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32781/cakrawala.v17i1.449

Pengangguran terbuka selalu menjadi masalah bila tidak diatasi, terutama di negara berkembang. Pengangguran terbuka yang bertambah juga memicu peningkatan kasus kriminalitas. Pada masa pandemi Covid-19, pengangguran terbuka di Indonesia meningkat dibanding sebelum pandemi. Faktor yang memengaruhi pengangguran terbuka pada saat pandemi tentu berbeda dengan kondisi ketika tidak ada pandemi. Tujuan penelitian ini adalah untuk memberikan gambaran kondisi pengangguran terbuka di Indonesia dan menganalisis faktor-faktor yang mempengaruhi pengangguran terbuka di Indonesia khususnya selama masa pandemi. Metode penelitian ini menggunakan regresi robust dengan jenis MM-Regressison. Regresi robust tidak sensitif terhadap pencilan sehingga cocok untuk data yang terdapat pencilan. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh signifikan adalah jumlah karyawan yang terkena PHK, jumlah karyawan yang dirumahkan, dan jumlah Balai Latihan Kerja. Semua faktor berpengaruh positif, sehingga perlu adanya upaya dari pemerintah untuk mengambil kebijakan yang tepat untuk mengurangi angka pengangguran terbuka.

Natural Language Processing for Unstructured Data: Earthquakes Spatial Analysis in Indonesia Using Platform Social Media Twitter Nursiyono, Joko Ade; Gibran, Rasya Khalil
INNOVATICS: International Journal on Innovation in Research of Informatics Vol 5, No 1 (2023): Maret 2023
Publisher : Department of Informatics, Siliwangi University, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/innovatics.v5i1.6678

As a country who had a high risk affected by the earthquake, social media have an important role. Besides to serving earthquake information, the spread of information on social media is so wide and fast. However, information on social media has a gap to reach validity and doesn't contain detailed information about spatial information. By leveraging crawling result data on Twitter, then data will be processed with Natural Language Processing (NLP), this research aims to proves about transformation of unstructured data into structured data with NLP for use on spatial analysis in Indonesia using data text on platform social media, Twitter. In addition, this research is also aims to reveal correlation between earthquake magnitude and earthquake frequency. The results proves that NLP can be used for spatial analysis with data text on Twitter related to earthquake. Besides that, the value of maximum magnitude are great significance to the earthquake frequency.

Comparison of Machine Learning Algorithms in Classifying Districts/Cities in Indonesia According to the Human Development Index (HDI) in 2021 Dewi, Ni Kadek Ayu Purnami Sari; Wijayanto, Arie Wahyu; Nursiyono, Joko Ade
Jurnal Sains, Nalar, dan Aplikasi Teknologi Informasi Vol. 4 No. 1 (2025)
Publisher : Department of Informatics Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/snati.v4.i1.4

The human development index (HDI) is one of the measuring tools for achieving the quality of life of a region or even a country, including Indonesia. There are 3 basic components of the HDI, namely the dimensions of health, knowledge, and decent living. Development in Indonesia is uneven as indicated by the Human Development Index (HDI) of districts/cities in 2021 which varies greatly. The purpose of this study is to compare several machine learning algorithms to classify districts/cities in Indonesia according to the Human Development Index (HDI) in 2021. There are six machine learning algorithms used in this study, namely Artificial Neural Network (ANN), Support Vector Machine (SVM), K-Nearset Neighbor (K-NN), Random Forest, Decision Tree, and Naive Bayes. The k-Fold Cross Validation method is applied to form the training set and testing set, with 10 folds and 1 repetition. The results of the study showed that the classification results of the SVM algorithm using the Radial Basis Function (RBF) kernel parameters with sigma = 0.4864648 and C = 1 were the best among the other five algorithms with an average accuracy of 76.08% and a maximum accuracy of 88.24%.

Hubungan Permintaan dan Penawaran Tenaga Kerja Melalui Penggunaan Big Data (Studi Kasus: loker.id dan Google Trends) Nursiyono, Joko Ade; Dewi, Dyah Makutaning
Jurnal Ikatan Sarjana Ekonomi Indonesia Vol 11 No 1 (2022): April
Publisher : Jurnal Ekonomi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52813/jei.v11i1.168

Penelitian ini bertujuan untuk melihat kondisi pengangguran dan lowongan kerja di Pulau Jawa sebagai wilayah penopang utama ekonomi Indonesia serta menganalisis hubungan antara penawaran dan permintaan tenaga kerja di masa pandemi menggunakan web scraping dan analisis korelasi Pearson. Hasil web scraping menunjukkan jumlah lowongan kerja terbanyak di Pulau Jawa pada awal 2021 berada di Jawa Barat dan DKI Jakarta dan jenis pekerjaan yang paling banyak dibutuhkan adalah penjualan, pemasaran, diikuti staf admin, administrasi, dan terendah yaitu akuntansi dan keuangan. Analisis korelasi menunjukkan hubungan positif yang lemah sebesar 0,45 antara penawaran dan permintaan pasar tenaga kerja pada indeks pencarian google trends dengan kata kunci “Lowongan Kerja” dan hubungan positif sedang sebesar 0,54 pada indeks pencarian google trends dengan kata kunci “Loker”.

Determinan Pengangguran Terbuka di Indonesia Menggunakan Regresi Robust Nursiyono, Joko Ade; Safitri, Jamik; Apriyani, Marfuah
Cakrawala Vol. 17 No. 1: Juni 2023
Publisher : Badan Riset dan Inovasi Daerah Provinsi Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32781/cakrawala.v17i1.449

Pengangguran terbuka selalu menjadi masalah bila tidak diatasi, terutama di negara berkembang. Pengangguran terbuka yang bertambah juga memicu peningkatan kasus kriminalitas. Pada masa pandemi Covid-19, pengangguran terbuka di Indonesia meningkat dibanding sebelum pandemi. Faktor yang memengaruhi pengangguran terbuka pada saat pandemi tentu berbeda dengan kondisi ketika tidak ada pandemi. Tujuan penelitian ini adalah untuk memberikan gambaran kondisi pengangguran terbuka di Indonesia dan menganalisis faktor-faktor yang mempengaruhi pengangguran terbuka di Indonesia khususnya selama masa pandemi. Metode penelitian ini menggunakan regresi robust dengan jenis MM-Regressison. Regresi robust tidak sensitif terhadap pencilan sehingga cocok untuk data yang terdapat pencilan. Hasil penelitian menunjukkan bahwa faktor-faktor yang berpengaruh signifikan adalah jumlah karyawan yang terkena PHK, jumlah karyawan yang dirumahkan, dan jumlah Balai Latihan Kerja. Semua faktor berpengaruh positif, sehingga perlu adanya upaya dari pemerintah untuk mengambil kebijakan yang tepat untuk mengurangi angka pengangguran terbuka.

Determinants of Poverty in East Java During The COVID-19 Pandemic Dewi, Ima Sartika; Nursiyono, Joko Ade
EkBis: Jurnal Ekonomi dan Bisnis Vol. 7 No. 1 (2023): EkBis: Jurnal Ekonomi dan Bisnis
Publisher : Fakultas Ekonomi dan Bisnis Islam, UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/EkBis.2023.7.1.1603

The global COVID-19 pandemic has infected million people in Indonesia. East Java has experienced Indonesia’s epicentre of positive COVID-19 cases. The economic disruption in East Java due to COVID-19 pandemic has led to increase the number of poor people. This study aims to examine the determinants of poverty during the pandemic outbreak. In this study, we employed multiple linear regression. The results reveals that simultaneously the cumulative number of COVID-19, unemployment rate, Gini Ratio, population density, human development index (HDI), and GRDP per capita affect the risk of poverty in East Java. Partially, the cumulative number of COVID-19, unemployment rate, population density, and HDI shows a significant effect to poverty. While the Gini ratio and GRDP per capita has an insignificant effect. The increase on cumulative number of COVID-19 cases is likely to increase the risk of poverty. Similarly, unemployment has a positive significant affect on poverty. The increase on unemployment rate tends to increase the number of poor people. Contrary, the HDI and population density have a negatively significant effect to poverty. The increase on HDI and population density tends to increase the number of poor people.

Determinan Harga Tanah di Indonesia Menggunakan Big Data (Studi Kasus: www.lamudi.co.id) Nursiyono, Joko Ade; Dewi, Dyah Makutaning
Jurnal Pertanahan Vol 11 No 2 (2021): Jurnal Pertanahan
Publisher : Sekolah Tinggi Pertanahan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53686/jp.v11i2.105

ABSTRAKKehidupan masyarakat berkaitan dengan tanah, sehingga membutuhkan lahan untuk tempat tinggal dan beraktivitas. Namun ketersediaan lahan kosong sangat terbatas karena adanya kenaikan jumlah penduduk di Indonesia, sehingga berdampak pula terhadap harga tanah. Tujuan penelitian ini adalah memberikan gambaran kondisi transaksi penjualan tanah dan menganalisis faktor-faktor yang memengaruhi harga tanah di Indonesia. Metode penelitian menggunakan regresi linear berganda yang dipadukan dengan big data. Hasil penelitian menunjukkan faktor-faktor yang signifikan berpengaruh terhadap harga tanah di Indonesia yaitu luas tanah dan posisi tanah (strategis atau tidak strategis). Harga tanah yang semakin mahal dan tidak sebanding dengan pendapatan masyarakat mengakibatkan masyarakat kesulitan untuk membeli rumah karena harga semakin tinggi. Oleh karenanya, diperlukan payung hukum guna mengawasi harga tanah di Indonesia.Kata kunci : harga tanah, big data, regresi linear berganda ABSTRACTCommunity life is related to land, so it requires land for shelter and activity. But the availability of vacant land today is very limited because of the increase of the number of people in Indonesia, so that it also has an impact on land prices. The purpose sof this study are to provide an overview of the condition of land sales transactions and analyze the factors that affect land prices in Indonesia. The research method uses multiple linear regression combined with big data. The results showed the significant factors affect land prices in Indonesia, are land area and land position (strategic or not strategic). The higher land prices are not comparable to the community income, so that people difficult to buy a house. It is necessary to prepare a legal protection in supervising land prices in Indonesia.Keywords : land price, big data, multiple linear regression

Analisis Tagar #WadasMelawan di Media Sosial Twitter Menggunakan Social Network Analysis (SNA) Nursiyono, Joko Ade; Dewi, Ima Sartika
Jurnal Pertanahan Vol 12 No 2 (2022): Jurnal Pertanahan
Publisher : Sekolah Tinggi Pertanahan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar

ABSTRAK Pembebasan tanah Desa Wadas untuk pembangunan Bendungan Bener telah menimbulkan kontroversi antara warga dan pemerintah. Pembangunan Bendungan Bener diharapkan dapat menampung air untuk irigasi lahan pertanian, menyuplai air baku dan energi listrik. Di balik kemanfaatannya, pembangunan Bendungan Bener menimbulkan kerugian besar yang dapat merusak ekosistem. Sebagai bentuk penolakan, netizen membuat tagar #WadasMelawan yang tersebar luas di jejaring Twitter. Penelitian ini bertujuan untuk mengidentifikasi aktor-aktor yang utama dalam penyebarluasan tagar #WadasMelawan dengan menggunakan Social Network Analysis (SNA). Data yang digunakan dalam penelitian ini dikumpulkan dari Twitter dan diolah dengan menggunakan perangkat lunak Gephi. Hasil penelitian menunjukkan bahwa terdapat 1.005 aktor dengan jumlah interaksi sebanyak 1.471 kali. Kedekatan antar aktor bernilai 7, artinya jarak antar aktor cukup dekat dan interaksi antar aktor cukup mudah. Indikator yang digunakan untuk mengetahui aktor yang paling berpengaruh yaitu degree centrality, closeness centrality, betweenness centrality, eigenvector centrality, dan follower rank. Hasilnya, interaksi yang tercipta dalam jaringan tagar #WadasMelawan didominasi oleh akun @oposisicerdas dan @geloraco. ABSTRACTThe land acquisition of Wadas Village for the construction of the Bener Dam has attracted controversy. Bener Dam is expected to hold water for irrigation of agricultural land, supplying water for household and electrical energy. Behind its usefulness, the construction of the Bener Dam causes huge losses that can damage the ecosystem. As a form of rejection, netizens created the hashtag #WadasMelawan that is widespread on Twitter. The study aims to identify the main actors in spreading #WadasMelawan hashtags using Social Network Analysis (SNA). The data used in the study was collected from Twitter and processed using Gephi. The results showed that there were 1,005 actors with the number of interactions as many as 1,471 times. The closeness between actors is 7, it means the distance between actors is quite close, and the interaction between actors is quite easy. Indicators used in this study to determine the most influential actors are degree centrality, closeness centrality, betweenness centrality, eigenvector centrality, and follower rank. As a result, the interactions created in the hashtag network #WadasMelawan are dominated by @oposisicerdas and @geloraco accounts.

Title

Found 8 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 8 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 8 Documents
Search