Publikasi Ilmiah

Pertumbuhan ekonomi triwulan I 2021 berdasarkan YoY (Year on Year) berkisar -0,74%. Angka ini menyebabkan perekonomian Indonesia mengalami resesi setelah mengalami kontraksi empat kali sejak triwulan II tahun 2020. Dengan pertumbuhan positif dan negatif nilai PDB untuk masing-masing kategori berdasarkan sektor usaha setiap triwulan, dapat dilakukan pemodelan pertumbuhan ekonomi ke depan. Hasil prediksi tersebut dapat dijadikan sebagai peringatan dini bagi pemerintah terhadap faktor-faktor yang dapat dimaksimalkan dan faktor-faktor yang harus ditingkatkan. Penelitian ini bertujuan untuk memprediksi keadaan pertumbuhan ekonomi pada triwulan berikutnya dengan menggunakan klasifikasi Random Forest. Random Forest menggabungkan klasifikasi pohon dan bagging dengan mensampling ulang data, yang mengurangi varians dari model akhir, yaitu untuk overfitting varians rendah. Data yang digunakan dalam penelitian ini diambil dari Januari 2021 hingga Maret 2021 di 5 portal berita online Indonesia, yaitu Kompas, Antara, Okezone, Detik, dan Bisnis. Variabel bebasnya adalah berita online berdasarkan kategori PDB. Variabel terikat dihasilkan dari pelabelan data pada setiap berita, naik atau turun, yang dilakukan oleh Direktorat Neraca BPS. Berdasarkan perhitungan dengan cross-validation 10, hasil pemodelan diperoleh akurasi 96,51%, presisi 97%, dan recall 97%. Metode random forest baik untuk memprediksi pertumbuhan ekonomi pada triwulan berikutnya yaitu triwulan kedua tahun 2021. Salah memprediksi hanya tiga kategori PDRB yaitu: kategori konstruksi, kategori transportasi dan pergudangan, dan kategori jasa perusahaan

Tujuan: Pemerintah di seluruh dunia masih menyoroti efek varian baru Covid-19. Pemerintah terus melakukan upaya pemulihan ekonomi melalui beberapa program, salah satunya Pemulihan Ekonomi Nasional. Program ini diharapkan dapat meningkatkan kepercayaan masyarakat dan investor dalam penanganan Covid-19. Penelitian ini bertujuan untuk menangkap sentimen publik terhadap laju pertumbuhan ekonomi di Indonesia, khususnya pada masa gelombang ketiga varian omicron virus covid-19, yaitu pada saat triwulan IV tahun 2021. Desain, data, dan metodologi penelitian : Pendekatan yang digunakan dalam penelitian ini adalah mengumpulkan data crowdsourcing dari twitter, pada rentang tanggal 1 sampai 10 Oktober 2021. Analisis dilakukan dengan membangun model menggunakan metode Deep Learning Neural Network. Hasil: Hasil analisis sentimen sebagian besar tweet memiliki sentimen netral pada pembahasan Pertumbuhan Ekonomi. Beberapa tokoh sentral yang dibahas adalah Menteri Koordinator Perekonomian Indonesia, Menteri Badan Usaha Milik Negara. Kesimpulan: Data dari media sosial dapat digunakan oleh pemerintah untuk menangkap tanggapan publik, khususnya sentimen publik mengenai pertumbuhan ekonomi. Hal ini dapat dimanfaatkan oleh pengambil kebijakan, misalnya pengusaha untuk mengantisipasi pergerakan ekonomi dalam kondisi tertentu.

Ekonomi Digital dalam beberapa tahun terakhir, khususnya di Asia Tenggara, termasuk Indonesia, berkembang pesat. E-commerce merupakan salah satu bagian dari Ekonomi Digital. Badan Pusat Statistik sebagai Lembaga Pemerintah Non Kementerian yang bertanggung jawab langsung kepada presiden telah melakukan Survei E-commerce pada tahun 2019. Dari publikasi ini disimpulkan bahwa minat pedagang Indonesia menggunakan internet dalam berjualan dalam beberapa tahun terakhir meningkat. Sehingga, urgensi penggunaan data e-commerce dalam penerapannya di Statistik resmi semakin dibutuhkan. Beberapa penelitian telah melakukan penerapan data e-commerce dalam perhitungan Indeks Harga Konsumen (IHK). Dalam penelitian ini, data e-commerce diterapkan dengan studi kasus menggunakan data dari salah satu online marketplace di Indonesia dalam menghitung IHK tingkat kota di Pulau Jawa. Tujuan dari penelitian ini adalah untuk membandingkan data IHK berbasis marketplace dan IHK berbasis survei BPS. Data dikumpulkan melalui teknik web scraping dan dilanjutkan dengan preprocessing data dan dianalisis secara deskriptif. Web scraper yang dibangun dapat digunakan untuk memperoleh data. IHK tingkat komoditas dengan data pasar cenderung memiliki harga yang relatif besar sehingga IHK lebih tinggi dibandingkan IHK BPS. Sementara itu, pada tingkat kelompok pengeluaran, IHK antara kedua pendekatan secara umum hampir sama.

Data kemiskinan biasanya dikumpulkan melalui survei sosial ekonomi berbasis rumah tangga di lapangan. Sayangnya, pengumpulan data dengan metode konvensional seperti itu mahal, melelahkan, dan memakan waktu. Informasi tambahan yang dapat menggambarkan kemiskinan dengan cakupan yang lebih baik dan dengan biaya yang lebih rendah, membutuhkan lebih sedikit waktu untuk memperbarui, diperlukan untuk mengatasi keterbatasan data kemiskinan resmi yang ada saat ini. Sejumlah penelitian menunjukkan bahwa indikator proksi kemiskinan terkait dengan konsentrasi spasial ekonomi, distribusi infrastruktur, tutupan lahan, polusi udara, dan aksesibilitas. Namun, studi yang ada yang mengintegrasikan potensi-potensi tersebut dengan memanfaatkan penginderaan jauh multi-sumber dan data besar geospasial masih terbatas, terutama untuk mengidentifikasi kemiskinan granular di Jawa Timur, Indonesia. Melalui analisis, kami menemukan bahwa variabel yang mewakili kemiskinan Jawa Timur pada tahun 2020 adalah intensitas cahaya malam hari (NTL), indeks terbangun (BUI), sulfur dioksida (SO2), kepadatan tempat menarik (POI). , dan jarak POI. Dalam studi ini, kami membangun indeks kemiskinan spasial relatif (RSPI) untuk menunjukkan distribusi kemiskinan spasial pada grid 1,5 km × 1,5 km dengan melapisi variabel-variabel tersebut, menggunakan model penjumlahan berbobot multi-skenario. Ditemukan bahwa penggunaan penginderaan jauh multi-sumber dan overlay data besar memiliki potensi yang baik untuk mengidentifikasi kemiskinan menggunakan pendekatan geografis. RSPI yang diperoleh berkorelasi kuat (koefisien korelasi Pearson = 0,71 (p-value = [Math Processing Error]) dan koefisien korelasi rank Spearman = 0,77 (p-value = [Math Processing Error]) dengan data kemiskinan resmi, dengan nilai terbaik root mean square error (RMSE) sebesar 3,18%. Evaluasi RSPI menunjukkan bahwa daerah dengan skor RSPI tinggi secara geografis tertinggal dan cenderung jarang penduduknya dengan aksesibilitas yang lebih tidak memadai, dan sebaliknya. mengidentifikasi kemiskinan dari perspektif geografis, sehingga dapat digunakan untuk mengatasi perangkap kemiskinan spasial.

Big Data is one of the sources of information needed in responding to the challenges of very fast information needs in the era of the COVID-19 Pandemic. However, communication tools are needed to build Big Data literacy in the general public and build public trust in Big Data itself. The communication tool used in this research is comics. Information about Big Data is made from comic strips posted through social media, namely Facebook and official Instagram from BPS. This study wants to see how much community involvement is with Big Data information created using comics in building Big Data literacy in the community. We found that community engagement was relatively high when Big Data literacy content was made in the form of comics. In previous studies, most research was limited to a narrow audience, such as in classrooms at schools/campuses. This research can reach a more comprehensive and diverse community as an audience because it uses social media to help disseminate Big Data comic content. In the first edition, Big Data comics on Facebook reached 17,495 accounts and 44,497 accounts on Instagram. The use of Big Data literacy comics posted through social media triggers much active discussion from the public. This research shows that comics can achieve high engagement in conveying information about Big Data on social media and trigger active discussions from the public about Big Data