KARAKTERISTIK ANGKATAN KERJA DI PROVINSI SUMATERA SELATAN MENGGUNAKAN COMPOSITIONAL BIPLOT ANALYSIS

Penelitian ini bertujuan untuk mendeskripsikan data komposisi angkatan kerja setiap kabupaten di Provinsi Sumatera Selatan (Sumsel). Salah satu metode deskripsi yang memberikan pemetaan berupa tampilan grafik dua dimensi pada data komposisi adalah Compositional Biplot Analysis (CBA). Hasil yang diperoleh adalah empat buah tampilan grafik CBA dengan informasi yang dapat diterangkan oleh setiap grafik lebih dari 85%. Kota Palembang, Kabupaten Banyuasin, Musi Rawas Utara, PALI, Musi Banyuasin, Muara Enim, Lubuk lingau, OKU, dan Prabumulih berada dalam satu klaster yang memiliki penduduk angkatan kerja sebagai pengangguran terbuka diatas rata-rata klaster lainnya, dan memiliki nilai TKT di atas 3,50.

Alifta Ainurrochmah, Perbandinga

Classification is a technique to form a model of data that is already known to its classification group. The model was formed will be used to classify new objects. Fisher discriminant analysis is multivariate technique to separate objects in different groups. Naive Bayes is a classification technique based on probability and Bayes theorem with assumption of independence. This research has a goal to compare the level of classification accuracy between Fisher's discriminant analysis and Naive Bayes method on the insurance premium payment status customer. The data used four independent variables that is income, age, premium payment period and premium payment amount. The results of misclassification using the APER (Apparent Rate Error) indicate that the naive Bayes method has a higher level of accuracy is 15,38% than Fisher’s discriminant analysis is 46,15% on the insurance premium payment status customer.

Proyeksi Penyerapan Tenaga Kerja Perikanan Berdasarkan Faktor Industrialisasi Menggunakan Metode Fungsi Transfer

FAO menempatkan Indonesia sebagai negara dengan potensi perikanan terbesar di dunia, namun potensi tersebut belum dimanfaatkan dengan optimal. Pemerintah telah membentuk program industrialisasi perikanan, namun pelaksanaannya yang belum terimplementasi dengan baik menyebabkan penyerapan tenaga kerja di sektor ini masih rendah. Penelitian ini akan membentuk proyeksi penyerapan tenaga kerja subsektor perikanan 2019-2024 menggunakan metode fungsi transfer dengan mempertimbangkan faktor industrialisasi perikanan sebagai prediktor terhadap indeks elastisitas penyerapan tenaga kerja perikanan. Industrialisasi perikanan diukur berdasarkan faktor perkembangan investasi dan pertumbuhan jumlah perusahaan perikanan. Hasil proyeksi menunjukkan bahwa industrialisasi perikanan di tahun mendatang belum mampu mendorong respon pertumbuhan penyerapan tenaga kerja subsektor perikanan.

Regresi Probit untuk Analisis Variabel-Variabel yang Mempengaruhi Perceraian di Sulawesi Tengah

Sulawesi Tengah adalah salah satu Provinsi di Indonesia yang memiliki permasalahan dalam perceraian. Tingkat perceraian di Sulawesi Tengah pada tahun 2016 sebesar 2,44%. Persentase tingkat perceraian di Sulawesi Tengah ini menjadi tingkat perceraian ketiga tertinggi di Indonesia. Pada penelitian ini diteliti faktor-faktor yang mempengaruhi kasus perceraian di Sulawesi Tengah. Metode yang digunakan adalah regresi probit biner dengan variabel respon adalah status perkawinan. Hasil penelitian menunjukkan bahwa variabel prediktor yang mempengaruhi perceraian secara signifikan di Provinsi Sulawesi Tengah adalah umur kawin pertama (X2) kategori 1 (18-21 tahun) dan kategori 2 ( >21 tahun), tingkat pendidikan (X3) kategori 1 (SD) dan kategori 4 (di atas SMA), daerah tempat tinggal (X4) kategori 1 (kota) dan jumlah pengeluaran rumah tangga (X6) dengan tingkat ketepatan klasifikasi model sebesar 99,2%.

Prediksi Harga Emas Dunia di Masa Pandemi Covid-19 Menggunakan Model ARIMA

Penelitian ini bertujuan memodelkan serta memprediksi harga emas dunia di masa pandemi COVID-19. Penelitian ini juga hanya memasukkan nilai masa lampau dari harga emas dunia tanpa adanya pengaruh faktor eksogen(independen) pada model. Model yang dipergunakan adalah model Autoregressive Integrated Moving Average (ARIMA). Adapun data yang dipergunakan pada permodelan sebanyak 240 data observasi dimana data merupakan data bulanan harga emas dunia bulan Agustus 2000 hingga Juli 2020. Model terbaik untuk harga emas dunia ini adalah ARIMA(0,1,1) dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 3,70%. Hasil prediksi harga emas dunia untuk bulan Agustus 2020 hingga Januari 2021 berturut-turut adalah sebesar 1930,046; 1945,651; 1961,381; 1977,240; 1993,227; 2009,343 US$/Troy Ons emas. Prediksi ini menunjukkan tren naik dengan rata-rata peningkatan selama periode tersebut (Agustus 2020-Januari 2021) sebesar15,8594 US$/Troy ons per bulannya.

Penerapan Radial Basis Function Neural Network dalam Pengklasifikasian Daerah Tertinggal di Indonesia

Penetapan daerah tertinggal di Indonesia merupakan kasus pengklasifikasian dengan dua kategori pada variabel respon (biner). Pengklasifikasian dengan metode klasifikasi linier yang umum digunakan yaitu regresi logistik pada tahap eksplorasi data menghasilkan misclassification yang relatif besar, sehingga diperlukan suatu metode alternatif. Artificial Neural Network (ANN) merupakan alternatif yang menjanjikan untuk berbagai metode klasifikasi konvensional. Radial Basis Function Neural Network (RBFNN) merupakan salah satu arsitektur ANN yang populer digunakan dalam klasifikasi. Metode RBFNN menggunakan dua pendekatan yaitu supervised dan unsupervised serta dalam beberapa penelitian menghasilkan akurasi klasifikasi yang tinggi. Penelitian ini bertujuan menerapkan metode RBFNN untuk kasus klasifikasi daerah tertinggal di Indonesia untuk melihat arsitektur RBFNN yang terbentuk dan ketepatan klasifikasi yang dihasilkan. Hasil dari penelitian ini adalah penerapan RBFNN memberikan performa yang sangat baik yaitu nilai akurasi sebesar 93,48 persen, sensitivitas 81,10 persen dan spesifikasi 97,43 persen. Nilai F-Measure arsitektur RBFNN yang dihasilkan mencapai 85,36 persen.

Analisis Permintaan Pangan dan Nonpangan Rumah Tangga dengan Gangguan Kesehatan di Indonesia

Penelitian ini bertujuan menganalisis dampak tidak langsung gangguan kesehatan terhadap permintaan pangan dan non pangan rumah tangga. Dengan menggunakan data Susenas Panel tahun 2012 dan 2013 dan menerapkan two step heckman selection model untuk estimasi pendapatan dan seemingly unrelated regression estimator untuk estimasi konsumsi rumah tangga. Hasilnya menunjukkan bahwa gangguan kesehatan kepala rumah tangga akan menurunkan pendapatannya. Dampak ini akan lebih dirasakan oleh rumah tangga perempuan miskin dan bekerja di sektor pertanian. Penurunan pendapatan ini menyebabkan porsi pengeluaran konsumsi non pangan menurun, khususnya untuk pengeluaran pemeliharaan perumahan, namun pengeluaran untuk perawatan tubuh justru meningkat. Sedangkan untuk porsi konsumsi pangan tidak terpengaruh. Hal ini menunjukkan bahwa, gangguan kesehatan dapat menyebabkan penurunan tingkat kesejahteraan rumah tangga karena menyebabkan penurunan pendapatan dan peningkatan pengeluaran kesehatan. Oleh karena itu, diperlukan kebijakan yang dapat melindungi kesejahteraan rumah tangga ketika mengalami gangguan kesehatan, bisa berupa subsidi biaya kesehatan atau cash transfer.

Model Ekonomi Rumah Tangga Pertanian Usaha Padi Penerima PKH Kabupaten Karawang

Kebijakan pertanian dan program perlindungan sosial diperlukan untuk meningkatkan kesejahteraan dan menurunkan kemiskinan rumahtangga pertanian, tetapi sedikit perhatian diberikan kepada interaksi kedua kebijakan. Penelitian bertujuan untuk membangun model ekonomi rumahtangga petani usaha padi penerima PKH dan menganalisis dampak kebijakan pertanian, program perlindungan sosial, dan integrasi kedua kebijakan terhadap kinerja ekonomi dan kesejahteraan rumahtangga pertanian, serta pengaruhnya terhadap jumlah penduduk miskin di Kabupaten Karawang. Penelitian menggunakan data cross section pada 158 rumahtangga petani padi penerima PKH. Model dibangun sebagai sistem persamaan simultan yang terdiri dari 18 persamaan struktural dan 22 persamaan identitas. Estimasi model menggunakan metode two-stage least squares (2SLS). Hasil menunjukkan bahwa model yang dibangun dapat diaplikasikan kemampuannya untuk melakukan simulasi kebijakan dan dapat digunakan untuk mengevaluasi alternatif dampak kebijakan yang relevan terhadap kesejahteraan rumahtangga petani. Sedangkan hasil analisis menunjukkan bahwa PKH dapat berguna untuk mengkompensai kesejahteraan yang hilang sebagai akibat kebijakan pertanian berupa pengurangan subsidi pupuk serta merupakan instrumen yang dapat disinergikan dengan kebijakan pertanian.

Deteksi Intrusi Jaringan dengan K-Means Clustering pada Akses Log dengan Teknik Pengolahan Big Data

Keamanan jaringan, adalah salah satu aspek penting dalam terciptanya proses komunikasi data yang baik dan aman. Namun, masih adanya serangan yang efektif membuktikan bahwa sistem keamanan yang berlaku belum cukup efektif untuk mencegah dan mendeteksi serangan. Salah satu metode yang dapat digunakan untuk mendeteksi serangan ini adalah dengan dengan Intrusion Detection System (IDS). Besarnya data (volume), cepatnya perubahan data (velocity), serta variasi data (variety) merupakan ciri-ciri dari Big data. Akses log, secara teori termasuk dalam kategori ini sehingga dapat dilakukan pemrosesan menggunakan teknologi bigdata dengan Hadoop. Hal ini mendorong penulis untuk dapat menerapkan metode pengolahan baru yang dapat mengatasi perkembangan data tersebut, yaitu Big data. Penelitian ini dilakukan dengan menganalisis akses log dengan K-Means Clustering menggunakan metode pengolahan bigdata. Penelitian menghasilkan satu model yang dapat digunakan untuk mendeteksi sebuah serangan dengan probabilitas deteksi sebesar 99.68%. Serta dari hasil perbandingan kedua metode pengolahan bigdata menggunakan pyspark dan metode tradisional menggunakan python standar, metode bigdata memiliki perbedaan yang signifikan dalam waktu yang dibutuhkan dalam eksekusi program.

Pengelompokan Kabupaten/Kota di Pulau Jawa Berdasarkan Faktor-Faktor Kemiskinan dengan Pendekatan Average Linkage Hierarchical Clustering

Pulau Jawa masih merupakan pulau dengan persentase penduduk miskin terbesar di Indonesia. Dalam menentukan kebijakan penanggulangan kemiskinan, perlu diperhatikan faktor-faktor yang mempengaruhi kemiskinan.Selain itu, kemiskinan di setiap wilayah memiliki karakteristik yang berbeda, sehingga perlu adanya pengelompokan wilayah agar kebijakan yang akan dilaksanakan tepat sesuai dengan karakteristik wilayah. Tujuan dari penelitian ini adalah mengelompokkan kabupaten/kota di Pulau Jawa berdasarkan faktor-faktor kemiskinan tahun 2017 dengan pendekatan average linkage hierarchical clustering. Faktor-faktor kemiskinan yang digunakan sebagai dasar pengelompokan adalah tingkat pengangguran terbuka, persentase rumah tangga yang bekerja di pertanian, pengeluaran rumah tangga per kapita, dan rata-rata lama sekolah. Hasil penelitian menunjukkan ada dua kelompok wilayah kabupaten/kota di Pulau Jawa. Kelompok pertama, terdiri dari Kota Jakarta Barat, Kota Jakarta Selatan, Kota Jakarta Timur, Kota Surabaya, Kota Jakarta Pusat, Kota Malang, Kota Bandung, Kota Yogyakarta, Kota Jakarta Utara, Kota Depok, Kabupaten Bantul, Kota Salatiga, Kota Tangerang Selatan, Kota Madiun, Kabupaten Sleman, Kota Bekasi, Kabupaten Sidoarjo, Kota Semarang, Kota Tangerang, Kota Surakarta. Sedangkan sebanyak 99 kabupaten/kota lainnya masuk dalam kelompok kedua. Kelompok pertama merupakan kota-kota besar di Indonesia yang tingkat kemiskinannya rendah, sedangkan kelompok kedua sebagian besar terdiri dari kabupaten/kota yang dicirikan dengan wilayah perdesaan yang tingkat kemiskinannya tinggi.