Publikasi Ilmiah

Ekonomi digital lahir dan berkembang seiring penggunaan teknologi informasi dan komunikasi yang juga semakin mengglobal di dunia. Keberadaan ekonomi digital ditandai dengan semakin maraknya perkembangan bisnis atau transaksi perdagangan yang memanfaatkan internet sebagai media komunikasi, kolaborasi, dan kooperasi antar perusahaan ataupun individu. Dalam mewujudkan pembangunan ekonomi nasional pemerintah perlu memberikan insight untuk menjadi bahan dasar edukasi kepada berbagai pihak dengan memanfaatan Big Data penjualan pada marketplace dalam membentuk profil ekonomi digital daerah. Penelitian dilakukan dengan pendekatan kualitatif menggunakan deskriptif kualitatif metodologi visual site of self, dimana peneliti bertindak sendiri untuk melakukan interpretasi, pemaknaan dan pemahaman terhadap obyek penelitian yang diamati. Pertumbuhan penjualan online dengan Januari sebagai bulan dasar menunjukkan tren naik di Kalimantan Barat hal ini merepresentasikan bahwa ekonomi digital di kalimantan barat dapat tumbuh dan berkembang serta mempengaruhi keadaan ekonomi masyarakat. Ditinjau dari kategori yang telah dikumpulkan banyak kategori yang mengalami pelonjakan dalam pertumbuhan penjualannya dengan Januari sebagai bulan dasarnya. Big Data penjualan pada salah satu marketplace menunjukkan distribusi harga produk yang relatif tersebar dengan selisih yang tidak terlalu besar antar kabupaten/kota di Kalimantan Barat. Produk terbanyak yang terjual di Kalimantan Barat didominasi oleh kategori Voucher dengan jenis barang Pulsa & Data, Voucher Gaming, dan Voucher Belanja termasuk didalamnya Voucher Listrik, Gas, & Air. Kota Pontianak tercatat sebagai daerah dengan penjualan barang terbanyak melalui kategori Perawatan & Kecantikan sebagai komoditasnya dan jenis produk terbanyak berupa Kosmetik Wajah.

Untuk mendukung pertumbuhan ekonomi hijau Indonesia, diperlukan analisis terkait aktivitas ekonomi di masa pandemi dan keterkaitannya dengan kondisi lingkungan. Akan tetapi, penelitian terkait masih belum pernah dilakukan sebelumnya. Penelitian ini bertujuan untuk menerapkan pendekatan Bayesian Network dalam memodelkan kondisi ekonomi hijau Indonesia di masa pandemi berdasarkan aktivitas ekonomi, kualitas udara, tingkat mobilitas penduduk, dan kasus positif Covid-19 yang diperoleh melalui Big Data. Model Bayesian Network yang dikonstruksi secara manual dengan algoritma Maximum Spanning Tree dipilih sebagai model terbaik dengan rata-rata akurasi 5-Fold Cross Validation dalam memprediksi empat kelas PDRB sebesar 0,83. Model tersebut menunjukkan bahwa kondisi ekonomi Indonesia di era pandemi secara langsung dipengaruhi oleh intensitas cahaya malam (NTL) yang menunjukkan aktivitas ekonomi, kualitas udara (AQI), dan kasus positif Covid-19. Analisis parameter learning menunjukkan bahwa pertumbuhan ekonomi provinsi-provinsi Indonesia masih cenderung belum sejalan dengan terpeliharanya kualitas udara sehingga usaha untuk mencapai kondisi ekonomi hijau masih perlu ditingkatkan. 

Covid-19 pandemic has brought lot of changes to the world, including data production. In this pandemic situation, conducting surveys and censuses in conventional way becomes too risky. However, the community's need for data is even greater as the public indeed has a great interest in monitoring the development of the social and economic conditions affected by Covid-19. Big Data becomes an alternative data source in meeting this need because it can provide a variety of data that we can process into very useful information quickly. The Big Data utilization for all fields as well as to inform the policy-making becomes very important nowadays. However, to make clear understanding and well public acceptance on the output of Big Data utilization needs effective communication strategy. There are five concepts to deliver excellent communication on statistics particularly to promote Big Data, namely extracting and describing insights from the pool of available statistics, market segmentation, forms of communication, channels of communication, and statistical description. This article proposes effective communication strategy to increase public acceptance and awareness on Big Data through different communication channels by targeting different characteristics of audiences.

This study aims to conduct analysis to determine the trend of sentiment on tweets about Covid-19 in Indonesia from the Twitter accounts overseas on Big Data perspective. The data was obtained from Twitter in the period of April 2020, with the word query" Indonesian Corona Virus" from foreign user accounts in English. The process of retrieving data comes from Twitter tweets by crawling the text using Twitter's API (Application Programming Interface) by employing Python programming language. Twitter was chosen because it is very fast and easy to spread through status updates from and among the user accounts. The number of tweets obtained was 8,740 in text format, with a total engagement of 217,316. The data was sorted from the tweets with the largest to smallest engagement, then cleaned from unnecessary fonts and symbols as well as typo words and abbreviations. The sentiment classification was carried out by analytical tools, extracting information with text mining, into positive, negative, and neutral polarity. To sharpen the analysis, the cleaned data was selected only with the largest engagement until those with 100 engagements; then was grouped into 30 sub-topics to be analyzed. The interesting facts are found that most tweets and subtopics were dominated by the negative sentiment; and some unthinkable sub-topics were talked by many users. 

Pariwisata yang merupakan salah satu penopang perekonomian Indonesia mengalami goncangan akibat pandemi COVID-19. Penelitian ini bertujuan untuk mengidentifikasi ketahanan pariwisata dan kaitannya dengan perekonomian Indonesia pada masa pandemi. Selanjutnya, penelitian ini juga mengkaji daya saing pariwisata dalam merespon kebijakan pemerintah mengenai lima pariwisata prioritas nasional. Analisis deskriptif data yang bersumber dari Big Data digunakan untuk mendukung analisis ketahanan pariwisata ditinjau dari akomodasi dan aksesibilitas. Selain itu, Principal Component Analysis digunakan untuk membangun ukuran daya saing dari lima destinasi pariwisata prioritas. Hasil penelitian menunjukkan bahwa indikator proksi Big Data terkait pariwisata secara umum menunjukkan sinyal pemulihan pada masa new normal, meskipun belum kembali seperti kondisi pra-pandemi dan sedikit menurun pada awal tahun 2021. Perbaikan sektor ini sebagian besar didorong oleh wisatawan domestik. Dari sisi ekonomi, nilai tambah pariwisata mengalami penurunan yang cukup signifikan selama tahun 2020. Selain itu, berdasarkan ukuran daya saing pariwisata, Provinsi Jawa Tengah dan Sumatera Utara merupakan provinsi yang memiliki support system yang baik bagi destinasi wisata prioritas di daerahnya masing-masing.