Articles
662 Documents
<![CDATA[PENCARIAN RUTE TERPENDEK MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION PADA GUI MATLAB GUNA MEMANTAU SUSTAINABLE DEVELOPMENT GOALS ]]>
<![CDATA[Via Risqiyanti]]>;
<![CDATA[Ajeng Dwi Rizkia]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (473.361 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.193
<![CDATA[Bagi penyelenggara Sustainable Development Goals (SDG’s) dalam pemantauan dan pendistribusian kegiatannya, Rute Terpendek merupakan hal yang penting untuk dikembangkan guna memperoleh efektifitas dalam keberlangsungan kegiatan SDG’s yang tersebar diberbagai wilayah Indonesia. Salah satu pengembangannya adalah dengan mencari rute terpendek pada permasalahan Travelling Salesman Problem menggunakan algoritma Ant Colony Optimization (ACO). Algoritma ini terinspirasi oleh perilaku koloni semut yang dapat menemukan jalan terpendek dari sarang menuju sumber makanan. Penelitian ini dilakukan dengan bantuan GUI Matlab sebagai alat komputasi. Berdasarkan hasil pengujian, sistem GUI yang dibangun dapat mempermudah dan mempercepat proses pencarian rute terpendek dalam pemantauan dan pendistribusian penyelenggara SDG’s.]]>
<![CDATA[KAJIAN KETIMPANGAN PENDAPATAN DI JAWA TIMUR TAHUN 2010-2017 ]]>
<![CDATA[Rahadyan Saktyo Arzaqi]]>;
<![CDATA[Erni Tri Astuti]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (385.288 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.195
<![CDATA[Pengurangan ketimpangan menjadi salah satu fokus tujuan yang ingin diraih oleh seluruh bangsa. Hal ini tergambar dari Sustainable Development Goals (SDGs) yang disepakati oleh seluruh kepala negara yang mewakili bangsa-bangsa di seluruh dunia. Pengurangan ketimpangan menjadi target SDGs nomor sepuluh. Di Indonesia, ketimpangan pendapatan menjadi salah satu permasalahan utama.. Jawa Timur menjadi salah satu provinsi dengan ketimpangan pendapatan yang meningkat setiap tahunnya. Tahun 2017, Gini ratio meningkat sebesar 0,003 menjadi 0,4055. Di sisi lain pertumbuhan ekonomi di provinsi tersebut berada di atas rata-rata nasional. Tahun 2016, laju pertumbuhan ekonomi provinsi tumbuh sebesar 5,55 persen, lebih besar dari rata-rata nasional yakni 5,02 persen. Penelitian bertujuan untuk menganalisis faktor-faktor yang mempengaruhi ketimpangan pendapatan di Jawa Timur, terutama wilayah Arek, Pandalungan, Mataraman dan Madura. Metodologi penelitan yang digunakan adalah Analisis Profil serta Regresi Data Panel. Hasil analisis profil menunjukkan bahwa empat kelompok daerah di Jawa Timur memiliki karakteristik gini ratio yang berbeda. Hasil penelitian lanjutan menunjukkan perbedaan variabel independen yang signifikan mempengaruhi gini ratio di Jawa Timur. Tingkat pengangguran terbuka berpengaruh di wilayah Mataraman dan Arek, investasi berpengaruh positif di wilayah Pandalungan dan Mataraman. Variabel jumlah penduduk berpengaruh positif di wilayah Arek, Mataraman dan Pandalungan. Pemerintah harus mengendalikan pertumbuhan penduduk, meningkatkan jumlah lapangan pekerjaan serta mengarahkan investasi agar ketimpangan pendapatan dapat dikurangi.]]>
<![CDATA[ANALISIS KARAKTERISTIK POTENSI DESA DENGAN MENGGUNAKAN ANALISIS BIPLOT ]]>
<![CDATA[Sonny Bangkit Wijaya]]>;
<![CDATA[Ari Purwanto Sarwo Prasojo]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (542.01 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.196
<![CDATA[Pemetaan potensi desa menjadi salah satu alternatif dalam menyediakan informasi mengenai pembangunan di level daerah. Hal ini sejalan dengan tuntutan kebutuhan dalam pelaksanaan tujuan pembangunan berkelanjutan (SDGs). Alternatif metode yang dapat diterapkan untuk melakukan pemetaan karakteristik desa adalah dengan analisis biplot. Penelitian ini bertujuan untuk menerapkan analisis biplot dalam pemetaan karakteristik potensi desa. Penelitian ini mengambil studi kasus di Desa Bendosari, Kecamatan Pujon, Kabupaten Malang. Pengumpulan data dilakukan dengan cara survei untuk mengukur persepsi masyarakat terhadap spuluh indikator yang merujuk pada variabel penyusun indeks desa membangun. Hasil pemetaan menunjukkan bahwa setiap klaster di Desa Bendosari memiliki karakteristik yang berbeda berdasarkan indikator pada variabel Ketahanan Sosial, Ekonomi dan Ekologi Desa Bendosari. Besar kesesuaian analisis biplot dalam penelitian ini adalah sebesar 67,18%. Hal ini menenujukkan bahwa interpretasi yang dihasilkan cukup mampu menerangkan pemetaan karakteristik potensi Desa Bendosari, Kecamatan Pujon, Kabupaten Malang.]]>
<![CDATA[PEMBENTUKAN INDEKS KEMISKINAN BALITA MULTIDIMENSI DI NUSA TENGGARA TIMUR TAHUN 2017 ]]>
<![CDATA[Adiyatgo Dwi Yahmin]]>;
<![CDATA[Risni Julaeni Yuhan]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (411.31 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.207
<![CDATA[Balita merupakan kelompok umur yang sangat menentukan dalam pengembangan kualitas manusia di masa depan. Menjaga balita dari kemiskinan yang berupa perampasan hak-hak dasarnya merupakan langkah awal dalam pengentasan kemiskinan secara umum. Peneltian ini bertujuan untuk membentuk Indeks Kemiskinan Balita (IKB) Multidimensi di kabupaten/kota di Provinsi Nusa Tenggara Timur tahun 2017 dan melihat gambaran umum kemiskinan balita yang terjadi di kabupaten/kota di Provinsi Nusa Tenggara Timur. Berdasarkan hasil analisis faktor, terdapat 3 faktor yang terbentuk, yaitu faktor lingkungan dan kesehatan, faktor standar kualitas hidup balita dan faktor fasilitas perumahan. Faktor-faktor yang terbentuk memiliki persentase varians terjelaskan sebesar 75,771. Berdasarkan pengelompokan kabupaten/kota, lima kabupaten/kota dikategorikan sebagai kabupaten/kota dengan nilai IKB rendah, sebelas provinsi dikategorikan sebagai kabupaten/kota dengan persentase IKB sedang, enam kabupaten/kota dikategorikan sebagai kabupaten/kota dengan nilai IKB tinggi.]]>
<![CDATA[DETERMINAN KETIMPANGAN CAPAIAN PENDIDIKAN DI INDONESIA TAHUN 2017 ]]>
<![CDATA[Akbar Mubarak Amin]]>;
<![CDATA[Rizka Nuralifah Cantika Putri Asani]]>;
<![CDATA[Christensenia R. J. Wattimena]]>;
<![CDATA[Aisyah Fitri Yuniasih]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (591.66 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.212
<![CDATA[Indonesia sebagai negara dengan jumlah penduduk terbesar keempat di dunia dan pertama di ASEAN pada tahun 2017 seharusnya mampu memaksimalkan potensi sumber daya manusia yang ada. Sayangnya, hal tersebut belum dapat tercapai terlihat dari IPM Indonesia yang hanya menempati urutan keenam di ASEAN dan Rata-rata Lama Sekolah (RLS) penduduk Indonesia yang belum mencapai target wajib belajar sembilan tahun. RLS antarprovinsi di Indonesia yang berbeda menunjukkan terjadinya ketimpangan pendidikan, dimana DKI Jakarta merupakan provinsi dengan RLS tertinggi yaitu sebesar 1,65 kali lebih tinggi dari Papua yang merupakan provinsi dengan RLS terendah. Penelitian ini bertujuan untuk mengetahui gambaran ketimpangan capaian pendidikan yang diukur dengan Koefisien Gini Pendidikan (KGP) di Indonesia dan faktor-faktor yang memengaruhi KGP tahun 2017 dengan metode regresi linear berganda. Hasil penelitian menunjukkan ketimpangan pendidikan di Indonesia pada tahun 2017 berada pada kategori ketimpangan rendah. Jika dilihat dari klasifikasi wilayah, daerah perkotaan memiliki nilai KGP lebih rendah dibandingkan daerah perdesaan. Sedangkan menurut jenis kelamin, KGP Laki-laki lebih rendah dibandingkan perempuan. Selain itu, anggaran pendidikan dan persentase penduduk berusia 15 tahun ke atas yang melek huruf atau AMH berpengaruh negatif terhadap ketimpangan pendidikan di Indonesia tahun 2017.]]>
<![CDATA[MODELING KUALITAS LINGKUNGAN HIDUP DI INDONESIA TAHUN 2017 : SUATU UPAYA PENCAPAIAN SDGS ]]>
<![CDATA[Amelia Rizki Saraswati]]>;
<![CDATA[Tiodora Hadumaon Siagian]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (261.973 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.213
<![CDATA[Masalah lingkungan di Indonesia menjadi masalah yang kompleks dan dilematis. Keberhasilan pembangunan dan pertumbuhan sosial-ekonomi yang dilaksanakan dengan memanfaatkan sumber daya alam banyak menyisakan dampak negatif terhadap kualitas lingkungan hidup. Hal ini bertentangan dengan tujuan ke 11 dari SDGs yaitu membangun kota dan pemukiman inklusif, aman, tahan lama dan berkelanjutan dimana salah satu caranya adalah dengan memberikan perhatian terhadap keseimbangan ekonomi, lingkungan, dan bidang lainnya. Untuk mengukur kualitas lingkungan hidup, Indonesia memiliki Indeks Kualitas Lingkungan Hidup (IKLH) yang juga merupakan evaluator umum kualitas lingkungan hidup negara. IKLH terdiri dari Indeks Kualitas Air (IKA), Indeks Kualitas Tutup Lahan (IKTL), dan Indeks Kualitas Udara (IKU). Dari tahun 2016-2017 kenaikan hanya terjadi pada IKU, sedangkan IKA dan IKTL tidak. Hal tersebut berimbas pada IKLH nasional yang hanya mengalami kenaikan sedikit, sehingga kondisi lingkungan Indonesia masih terbilang buruk. Berdasarkan Environmental Performance Index (EPI), Indonesia menempati urutan ke 133 dari 178 negara dengan nilai sebesar 46,92. Peringkat tersebut mengindikasikan bahwa kualitas lingkungan hidup di Indonesia masih tergolong rendah. Oleh karena hal itu, penelitian ini penting dilakukan untuk melihat gambaran kondisi lingkungan hidup di Indonesia dan variabel-variabel yang memengaruhi kualitas lingkungan hidup di Indonesia. Penelitian ini menggunakan pendekatan metode structural equation modelling- partial least square (SEM-PLS). Variabel-variabel yang digunakan adalah variabel laten daya dukung lingkungan, kerusakan kota, dan perilaku. Dari hasil pengolahan data didapatkan: variabel yang signifikan memengaruhi kualitas lingkungan adalah variabel daya dukung lingkungan dan variable laten kerusakan kota. Dua variabel tersebut memengaruhi kualitas lingkungan secara negatif.]]>
<![CDATA[MAMPUKAH PROVINSI PAPUA MENCAPAI TUJUAN PERTAMA DARI SDGs? ]]>
<![CDATA[Septian Karangan Kambubuy]]>;
<![CDATA[Budiasih Budiasih]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (565.102 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.214
<![CDATA[Tujuan pertama dari SDGs adalah mengentaskan segala bentuk kemiskinan dimana pun. Provinsi Papua selama periode 2010-2017 merupakan provinsi dengan persentase penduduk miskin tertinggi di Indonesia. Selain itu, dalam periode yang sama provinsi Papua juga merupakan provinsi dengan tingkat kedalaman dan keparahan kemiskinan tertinggi di Indonesia. Kedalaman kemiskinan ditunjukan oleh adanya gap antara pengeluaran perkapita penduduk miskin dengan garis kemiskinan. Sedangkan, keparahan kemiskinan ditunjukan oleh adanya gap pengeluaran perkapita yang terjadi diantara penduduk miskin. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi kedalaman dan keparahan kemiskinan di provinsi Papua. Model yang digunakan adalah regresi linier berganda dengan meggunakan data panel. Hasil penelitian menunjukan bahwa besarnya alokasi belanja pemerintah dalam bidang pendidikan dan perlindungan sosial berpengaruh signifikan dalam mengurangi kedalaman dan keparahan kemiskinan di provinsi Papua. Sebaliknya, besarnya alokasi belanja pemerintah dalam bidang kesehatan hanya berpengaruh signifikan dalam mengurangi keparahan kemiskinan di provinsi Papua. Kesimpulannya adalah pemerintah provinsi Papua belum mampu dalam menurunkan persentase penduduk miskin. Namun, baru mampu menurunkan gap antara pengeluaran perkapita penduduk miskin dengan garis kemiskinan, dan juga mengurangi ketimpangan pengeluaran perkepita diantara penduduk miskin.]]>
<![CDATA[ESTIMASI ANGKA PARTISIPASI KASAR PERGURUAN TINGGI PROVINSI PAPUA MELALUI SMALL AREA ESTIMATION ]]>
<![CDATA[Budi Subandriyo]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (294.861 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.216
<![CDATA[Angka Partisipasi Kasar (APK) m0erupakan salah satu indikator statistik yang digunakan untuk melihat besarnya tingkat partisipasi pendidikan pada suatu wilayah. Besar atau kecilnya nilai APK perguruan tinggi menunjukkan seberapa mudah penduduk untuk mengakses Pendidikan di perguruan tinggi. Hal ini sesuai dengan tujuan pembangunan berkelanjutan (Sustainable Development Goals) yang memiliki program untuk terus meningkatkan kesempatan belajar, salah satunya pendidikan di perguruan tinggi. Oleh karena itu, diperlukan upaya peningkatan akses pendidikan di universitas dan perguruan tinggi melalui penyediaan data APK-PT yang akurat. Apabila dilihat berdasarkan daerah tingkat provinsi, Provinsi Papua merupakan provinsi dengan APK-PT dua terbawah di antara provinsi lainnya yaitu sebesar 19,03 persen. Akan tetapi, ketersediaan data APK-PT hingga tingkar kabupaten atau kota masih belum tersedia karena kurangnya ukuran sampel. Salah satu upaya untuk mengoptimalkan sampel yang tersedia dan menghasil estimasi APK-PT di tingkat kabupaten/kota yaitu dengan menggunakan metode Small Area Estimation (SAE) berbasis area level. Pada penelitian ini digunakan data Survei Sosial Ekonomi Nasional (SUSENAS) 2018 untuk memperoleh estimasi langsung (direct estimation) APK-PT dan Potensi Desa (PODES) 2018 di Provinsi Papua sebagai variabel penyerta (auxiliary variable) dalam pemodelan SAE. Metode SAE yang digunakan adalah Empirical Best Linear Unbiased Predictor – Fay Herriot (EBLUP-FH) dan EBLUP benchmarking seperti EBLUP Difference Benchmarking (EBLUP-DB), EBLUP You-Rao Benchmarking (EBLUP-YR), dan EBLUP Augmented Bencharking (EBLUP-AB). Berdasarkan hasil penelitian disimpulkan bahwa penggunaan estimasi SAE yang cocok pada data APK-PT di Provinsi Papua adalah model EBLUP Augmented Benchmarking dengan nilai rata-rata MSE terendah yaitu sebesar 22,06 persen.]]>
<![CDATA[EVALUASI KECUKUPAN SPASIAL DAN PROYEKSI KEBUTUHAN SARANA PENDIDIKAN SEKOLAH MENENGAH PERTAMA ]]>
<![CDATA[Lu'lu'il Munawaroh]]>;
<![CDATA[Nur ’Izzatul Hikmah]]>;
<![CDATA[Galuh Putri Pramulatsih]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (296.894 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.218
<![CDATA[Kebutuhan fasilitas pelayanan merupakan fungsi dari jumlah penduduk yang berbanding lurus dengan jumlah penduduk dan dinamika perkembangan sosial ekonomi penduduk. Semakin meningkatnya jumlah penduduk akan berdampak pada peningkatan sarana. Pada tahun 2035 yang diperkirakan sebagai puncak bonus demografi di Indonesia perlu adanya upaya pemanfaatan, karena bonus demografi jarang terjadi di suatu negara. Salah satu upaya pemanfaaan secara optimal melalui peningkatan kualitas pada generasi muda yaitu dengan meningkatkan kualitas pendidikan melaui akses pendidikan yang meluas, merata dan adil. Kecamatan Pedurungan merupakan salah satu kecamatan di Kota Semarang. Pada tahun 2017 memiliki distribusi terbanyak di Kota Semarang sebesar 11,79% dengan kepadatan penduduk sebesar 9.839 orang per Km2. Tingginya distribusi penduduk tersebut akan meningkatkan kebutuhan sarana pelayanan, salah satunya sarana pendidikan. Tujuan dari penelitian ini untuk mengevaluasi tingkat kecukupan sarana pendidikan SLTP dan memproyeksikan pemenuhan kecukupan pada sarana pendidikan SLTP di tahun 2035 sebagai tahun bonus demografi Indonesia. Metode penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan analisis tingkat kecukupan sarana, proyeksi sarana dan analisis sistem informasi geografis (SIG). Hasil penelitian menunjukkan bahwa daya dukung sarana pendidikan SMP di Kecamatan Pedurungan pada tahun 2017 sebesar 0,581 atau <1 yang berarti keberadaan sarana yang ada tidak mampu mendukung kebutuhan penduduk dengan analisis area radius layanan, dapat diketahui di Kecamatan Pedurungan sebagian besar wilayah telah terlayani dan ada beberapa wilayah di kelurahan di Kecamatan Pedurungan tidak secara keseluruhan terlayani. Berdasarkan hasil proyeksi penduduk tahun 2035, penduduk Kecamatan Pedurungan diperkirakan mencapai 207.776 jiwa dimana sudah dipastikan sangat kurang untuk kecukupan sarana pendidikan pada kondisi existing (saat ini).]]>
<![CDATA[PEMBENTUKAN INDEKS KEMISKINAN MULTIDIMENSI ANAK DAN PEMANFAATANNYA UNTUK PENGENTASAN KEMISKINAN BERKELANJUTAN DI INDONESIA TAHUN 2017 ]]>
<![CDATA[Lalu Ardani Aulia]]>;
<![CDATA[Ika Yuni Wulansari]]>
<![CDATA[ Seminar Nasional Official Statistics Vol 2019 No 1 (2019): Seminar Nasional Official Statistics 2019 ]]>
Publisher : <![CDATA[Politeknik Statistika STIS ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (426.516 KB)
|
DOI: 10.34123/semnasoffstat.v2019i1.222
<![CDATA[Pengukuran kemiskinan yang hanya melihat aspek moneter sudah sejak lama mendapat kritik. Kemiskinan merupakan fenomena multidimensi, sehingga pengukurannya seharusnya dilakukan secara multidimensi, terutama kemiskinan anak. Ukuran kemsikinan anak di Indonesia selama ini masih diturunkan dari ukuran kemiskinan rumah tangga tempat anak tersebut tinggal. Dalam kenyataannya, kebutuhan anak-anak berbeda dengan orang dewasa dan distribusi pendapatan di dalam rumah tangga tidak selalu merata. Penelitian ini dilakukan untuk mengukur kemiskinan anak di Indonesia secara multidimensi melalui pembentukan Indeks Kemiskinan Multidimensi (IKM) Anak berdasarkan metode Alkire-Foster. Indeks tersebut diharapkan dapat dimanfaatkan oleh pembuat kebijakan dalam upaya pengentasan kemiskinan anak sehingga potensi mereka dapat dikembangkan secara maksimal agar mampu memutus rantai kemiskinan di masa mendatang. Beberapa dimensi yang digunakan di dalam penelitian ini antara lain dimensi perumahan, fasilitas, makanan dan nutrisi, pendidikan, perlindungan anak, dan kesehatan. Data yang digunakan adalah data Susenas 2017 dan beberapa data publikasi BPS. Hasil penelitian menunjukkan bahwa 28,63 persen anak di Indonesia miskin multidimensi dengan rata-rata deprivasi yang dialami adalah 40,70 persen dari 13 indikator pembentuk IKM Anak yang digunakan. Dimensi yang paling berkontribusi terhadap kemiskinan anak di Indonesia adalah dimensi pendidikan. Provinsi Papua, NTT, Maluku, dan beberapa provinsi di daerah timur Indonesia memiliki IKM Anak dan persentase penduduk miskin yang tinggi sehingga perlu menjadi prioritas utama dalam upaya pengentasan kemiskinan yang berkelanjutan.]]>
