Publikasi Ilmiah

Dalam rangka melakukan percepatan penanganan penyebaran COVID-19 di Indonesia, Pemerintah Republik Indonesia telah mengeluarkan wacana vaksinasi untuk masyarakat Indonesia pada akhir tahun 2020 mendatang. Meskipun pemerintah belum secara resmi merilis jadwal maupun prosedur vaksinasi yang akan dilakukan, wacana tersebut dinilai kontroversial sehingga mengundang banyak kalangan untuk memberikan pendapatnya di berbagai media. Pendapat tersebut haruslah dipertimbangkan sebagai bahan evaluasi sehingga rencana vaksinasi yang akan dilakukan dapat berjalan dengan baik. Dengan memanfaatkan data dari media sosial twitter, penelitian ini bertujuan untuk menganalisis respon masyarakat terhadap wacana vaksinasi dengan cara mengklasifikasikan respon tersebut ke dalam respon positif dan negatif. Selanjutnya juga akan dilakukan pengelompokkan opini masyarakat menggunakan metode Latent Dirichlet Allocation (LDA) untuk mengetahui topik pembicaraan yang sering dibahas oleh masyarakat terkait dengan wacana vaksinasi tersebut. Hasil analisis menunjukkan bahwa masyarakat lebih banyak memberikan respon positif terhadap wacana tersebut (30%) dibandingkan dengan respon negatifnya (26%). Kata-kata bersentimen yang paling sering muncul juga mengindikasikan lebih banyak kata yang bersentimen positif dibandingkan dengan kata yang bersentimen negatif. Model LDA yang dibangun juga dapat menangkap topik yang dibicarakan masyarakat terkait wacana vaksinasi tersebut seperti pembicaraan masyarakat mengenai kontroversi vaksin yang dinilai terburu-buru, sertifikasi halal vaksin dan keraguan masyarakat terhadap kualitas vaksin yang akan digunakan.

SARS-CoV-2 atau lebih biasa dikenal dengan COVID-19 pertama kali terjadi di Wuhan, ibukota Provinsi Hubei, China pada akhir tahun 2019 lalu. Virus covid-19 juga berdampak besar terhadap industri perhotelan dengan tingkat hunian yang jauh dibawah rata-rata musiman di seluruh Indonesia. pada saat pertama kali covid-19 diumumkan tingkat okupansi turun hingga 20% di seluruh hotel di Indonesia. Tak hanya itu kebijakan new normal juga sangat mempengaruhi preferensi masyarakat untuk berlibur dan menggunakan fasilitas akomondasi. Untuk itu penelitian ini bertujuan untuk mengetahui tentang dampak covid-19 terhadap tingkat okupansi hotel di Nusa Tenggara Barat dengan menggunakan metode web scraping. Tingkat okupansi hotel didekati dengan menjumlahkan jumlah kamar total dikurangi dengan jumlah kamar tersisa kemudian hasilnya dibagi dengan jumlah kamar total lalu dikalikan dengan sebuah konstanta. Secara keseluruhan,diumumkannya covid-19 pertama kali membuat tingkat okupansi hotel di Nusa Tenggara barat turun drastis hingga 14%. Penurunan ini juga terjadi untuk hotel berbintang dan hotel dengan tipe guesthouse, hostel, resor dan hotel. Namun, penurunan ini tidak terjadi untuk hotel non bintang. Sedangkan pada era new normal, kenaikan tingkat okupansi yang bertahap terjadi di Nusa Tenggara Barat. Hal ini juga berlaku untuk hotel berbintang, non bintang, hotel dengan tipe resor dan hotel. Sebaliknya, new normal tidak terlalu mempengaruhi tingkat okupansi hotel dengan tipe guesthouse dan hostel.

Saat ini telah banyak situs berita yang menyediakan informasi terkait kejadian maupun fenomena. Di sisi lain, pandemi Covid-19 memunculkan krisis dan masalah multidimensi. Salah satunya adalah timbulnya kriminalitas di tengah masyarakat. Penelitian ini bertujuan untuk mengumpulkan berita kriminal yang terjadi pada masa pandemi Covid-19 dari situs berita. Adapun pengumpulan informasi dari situs berita menggunakan teknik web scraping. Web scraping adalah suatu teknik penggalian informasi dari situs web. Berita yang berhasil dikumpulkan, kemudian dapat dianalisis mengenai adanya kemungkinan tren kejadian kriminal beriringan dengan tren pandemi Covid-19 di Indonesia. Situs berita yang digunakan pada penelitian ini adalah detik.com. Berdasarkan situs Alexa Internet (alexa.com), detik.com menjadi salah satu situs berita yang paling sering diakses dan masuk ke dalam 10 besar situs web dengan traffic tertinggi di Indonesia. Sedangkan data Covid-19 di Indonesia bersumber dari situs KawalCOVID19.id. Hasil penelitian menunjukkan bahwa jumlah berita kriminal dan jumlah kasus terkonfirmasi Covid-19 memiliki tren harian yang sama, yakni makin meningkat. Berdasarkan penelitian ini, dapat disimpulkan bahwa Web scraping dapat diimplementasikan untuk mengumpulkan berita. Hasil dari web scraping selanjutnya dapat digunakan untuk mengetahui tren jumlah berita kriminal harian yang kemudian dibandingkan dengan tren harian jumlah kasus terkonfirmasi Covid-19 di Indonesia.

Publikasi statistik usaha penyediaan makan minum yang diterbitkan oleh BPS tidak bisa memfasilitasi pebisnis dalam mengidentifikasikan daerah yang berpotensi memiliki kemampuan untuk dikembangkan usaha pada sektor penyediaan makan dan minum. Selain itu, adanya keterbatasan waktu, biaya, dan tenaga dalam pengumpulan data oleh Subdirektorat Pariwisata BPS pada survei VREST sehingga, menyebabkan statistik penyediaan makan minum tidak bisa di terbitkan sesuai metodologi yaitu setiap tahun. Penelitian ini memanfaatkan metode web scraping untuk mendapatkan data usaha penyedia makan minum dari situs web google maps. Jumlah data yang terkumpul sebanyak 34.526 usaha penyedia makan minum di Pulau Jawa dan Bali. Hasil nilai pencocokan data hasil web scraping dengan data frame BPS menunjukkan persentase kemiripan (match) sebesar 68,22%. Provinsi Bali adalah daerah yang memiliki potensi untuk mengembangkan usaha penyediaan makanan minuman terkhusus pada Kota/Kabupaten Jembrana, Buleleng, Tabanan, Karangasem, dan Klungkung. Sedangkan, provinsi Jawa Tengah adalah daerah yang memiliki potensi untuk mengembangkan usaha akomodasi terkhusus pada Kota/Kabupaten Cilacap, Blora, Grobogan, Batang dan Kendal.

Rapid development of digitalization have enforced National Statistics Offices to utilize big data as one of new sources for producing official statistics. An alternative source is marketplace data which now growing rapidly. Many challenges exist for transforming these massive datasets into statistics for public policy. This paper aims to explain the challenges of analyzing marketplace data and building effective and efficient preprocessing procedure to analyses big data which can be used for public policy. An optimal pipeline for preprocessing including validating, cleaning and aggregating marketplace data have been developed.