Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Coronavirus disease 2019 atau COVID-19 merupakan suatu penyakit menular yang disebabkan oleh virus bernama SARS-CoV-2 dan menginfeksi sistem pernapasan manusia. Untuk mengendalikan penyebaran COVID-19 selama masa pandemi, pemerintah di berbagai negara telah menerapkan berbagai jenis modifikasi dalam kehidupan sehari-hari, contohnya dengan menerapkan sistem lockdown. Tetapi, adanya modifikasi gaya hidup tersebut dapat meninggalkan beberapa dampak, salah satunya adalah konsekuensi sosial psikologis yang meliputi masalah stres psikologis. Stres psikologis yang dirasakan oleh seseorang dapat dijelaskan oleh beberapa faktor. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah serta menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020. Penelitian ini akan menggunakan data sekunder berupa data survei global yang diselenggarakan oleh COVIDiSTRESS. Adapun metode yang digunakan untuk menganalisis karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 adalah exploratory data analysis (EDA) dan metode untuk mengidentifikasi faktor-faktor yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, baik secara global maupun untuk beberapa negara secara terpisah adalah analisis regresi berganda. Hasil dari penelitian ini menunjukkan bahwa terdapat adanya kecenderungan perbedaan karakteristik individu di beberapa negara selama masa awal pandemi COVID-19 tahun 2020 jika dilihat berdasarkan informasi demografi serta pengukuran psikologis berupa variabel-variabel pertanyaan di dalam survei. Selain itu, secara global didapatkan beberapa faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020, contohnya seperti tingkat kesepian, usia, dan tipe kepribadian neuroticism. Kemudian untuk beberapa negara yang diamati, mayoritas faktor penting yang dapat menjelaskan tingkat stres seseorang selama masa awal pandemi COVID-19 tahun 2020 contohnya meliputi tingkat kesepian, seberapa bervariasi sumber pemicu stres, dan usia. ......Coronavirus disease 2019 or COVID-19 is an infectious disease caused by a virus called SARS-CoV-2 and infects the human respiratory system. To control the spread of COVID- 19 during the pandemic, governments in various countries have implemented various types of modifications in daily life, for example by implementing a lockdown system. However, these lifestyle modifications can leave several impacts, one of which is socio- psychological consequences which include psychological stress problems. The psychological stress felt by a person can be explained by several factors. This study aims to identify factors that can explain a person's stress level during the early days of the COVID-19 pandemic in 2020, both globally and for several countries separately and analyze the characteristics of individuals in several countries during the early days of the COVID-19 pandemic in 2020. This research will use secondary data in the form of global survey data organized by COVIDiSTRESS. The method used to analyze the characteristics of individuals in several countries during the early days of the COVID-19 pandemic in 2020 is exploratory data analysis (EDA) and the method to identify factors that can explain a person's stress level during the early days of the COVID-19 pandemic in 2020, both globally and for several countries separately is multiple regression analysis. The results of this study show that there is a tendency for differences in individual characteristics in several countries during the early days of the COVID-19 pandemic in 2020 when viewed based on demographic information and psychological measurements in the form of question variables in the survey. In addition, globally, there are several important factors that can explain a person's stress level during the initial period of the COVID-19 pandemic in 2020, such as the level of loneliness, age, and neuroticism personality type. Then for some countries observed, the majority of important factors that can explain a person's stress level during the early days of the COVID-19 pandemic in 2020 include the level of loneliness, how varied the sources of stress triggers are, and age

Abstrak :
Dunia sedang mengalami pandemi Covid-19 karena CoronaVirus yang pertama kali muncul di Wuhan, China. Pandemi ini sudah berlangsung sejak 2020 awal dan berlanjut hingga skripsi ini dibentuk (Juni 2022). Banyak kehidupan yang berubah semenjak pandemi ini berlangsung diantaranya adalah berubahnya pola pembelajaran. Dari yang sebelum pandemi pembelajaran dilaksanakan di dalam ruang kelas, dan saat pandemi pembelajaran dilaksanakan secara daring/online. Penelitian ini akan membahas apakah terdapat pengaruh pandemi Covid-19 ini terhadap biaya untuk menjalani studi S2 di luar negeri. Kemudian, akan dilakukan pemetaan untuk tiap negara berdasarkan kelompok yang terbentuk dari teknik clustering. Adapun komponen harga yang digunakan adalah biaya spp atau tuition fee per tahun, biaya pembuatan visa pelajar, biaya transportasi satu arah, biaya sewa tempat tinggal per tahun, biaya hidup per tahun, dan total biaya studi S2 yang merupakan penjumlahan ke 5 komponen sebelumnya dengan memperhatikan waktu 2 tahun. Teknik yang akan digunakan dalam penelitian ini adalah uji perbedaan dua populasi dan Clustering K-Means. Sebelumnya, dilakukan terlebih dahulu uji normalitas untuk menentukan uji yang akan dipakai. Didapatkan hasil uji normalitas Kolmogorov Smirnov bahwa data tidak berdistribusi normal, sehingga penelitian akan dilanjutkan menggunakan teknik Wilcoxon signed rank test atau Sign Test. Didapatkan dari hasil uji tiap variabel bahwa keenam komponen harga yang diteliti mengalami perubahan harga yang signifikan dari periode sebelum pandemi ke saat pandemi. Kemudian, dilakukanpen gelompokkan dengan teknik K-Means Clustering dan dibentuklah peta dunia dari hasil pengelompokkan sebelumnya. ......The world is on Covid-19 pandemic that are caused is CoronaVirus that first appeared in Wuhan, China. This pandemic has been going since early 2020 and continuing till now (June 2022). There are so many lifestyle changes since this pandemic happened, like study environment alteration. From attending classes before pandemic, to attending online classes when pandemic. This research will examine if Covid-19 pandemic affects master degree study costs outside of Indonesia. Then, a map will be made from K-Means Clustering method results. The price components that are used in this research are tuition fee per year, cost of making student visa, one way transportation cost, living cost per year, rent fee per year, and total cost for master study which is the sum of the 5 components before for 2 years duration. The technique that will be used on this research are population difference test. Before doing it, we need to do a normality test first to determine what test will be used. Obtained from Kolmogorov Smirnov test that the data are not normally distributed, hence this research will be continued using Wilcoxon Signed rank test or Sign Test. Acquired from the test that all six cost components change significantly from before pandemic period to in pandemic period. After that, K-Means clustering method will be done and the result will be used for making the map.

Abstrak :
Per 9 Februari 2023, 87% dari total populasi kendaraan pribadi di Indonesia merupakan sepeda motor. Persebaran sepeda motor terpadat di Indonesia berada di Pulau Jawa dengan persentase sebesar 60%. Tingginya populasi sepeda motor dan fakta bahwa 80% rumah tangga di Pulau Jawa sudah memiliki sepeda motor membuat pasar sepeda motor semakin mengecil. Dalam jangka panjang, kondisi ini dapat berdampak buruk bagi industri sepeda motor yang terus ingin berkembang. Penelitian ini membahas tentang pengelompokan kabupaten dan kota di Pulau Jawa berdasarkan karakteristik demografinya. Kemudian, diberikan saran keputusan yang dapat dilakukan oleh industri sepeda motor berdasarkan kelompok kabupaten dan kota yang terbentuk menggunakan teknik clustering. Hal ini bertujuan agar produsen yang bergerak di industri sepeda motor dapat memfokuskan produknya pada kelompok kabupaten dan kota yang memiliki potensi terbaik. Terdapat 12 variabel demografi yang digunakan dalam penelitian ini, dan variabel tersebut terbagi menjadi tiga kategori: kondisi ekonomi masyarakat, kondisi kehidupan masyarakat, dan kondisi demografis daerah. Metode yang digunakan dalam penelitian ini adalah metode partitional hard clustering. Sebelumnya, dilakukan pembuatan dataset melalui proses data scrapping pada situs terpercaya, dan dilanjutkan dengan proses Exploratory Data Analysis (EDA) pada dataset. Setelah dataset terbentuk, dilakukan pengelompokan dengan metode partitional hard clustering yang terdiri dari metode K-Means Clustering dan metode K-Medoids Clustering. Kemudian, dilakukan evaluasi cluster untuk menentukan metode clustering yang paling sesuai dengan menggunakan empat metrik evaluasi yaitu Indeks Silhouette, Indeks Dunn, Indeks Davies Bouldin, dan Indeks Calinski Harabasz. Didapatkan hasil bahwa metode K-Medoids Clustering dengan 5 kelompok merupakan yang terbaik untuk mengelompokkan kabupaten dan kota di Pulau Jawa. Setelah kelompok terbentuk, setiap kelompok diberikan rekomendasi keputusan yang sebaiknya diambil oleh industri sepeda motor. Terdapat 4 rekomendasi yang dapat diberikan, yaitu distribusi suku cadang, pembuatan bengkel, penjualan sepeda motor kelas menengah ke atas, dan penjualan sepeda motor kelas menengah ke bawah. ......As of February 9, 2023, 87% of the total population of private vehicles in Indonesia consists of motorcycles. The densest distribution of motorcycles in Indonesia is found on the Island of Java, with a percentage of 60%. The high population of motorcycles and the fact that 80% of households in Java already have motorcycles are causing the motorcycle market to shrink. In the long run, this condition can have negative impacts on the motorcycle industry that continues to seek growth. This research focuses on the clustering of regencies and cities in Java based on their demographic characteristics. Subsequently, decision recommendations will be provided for the motorcycle industry based on the formed groups using clustering techniques. The aim is to enable manufacturers in the motorcycle industry to focus their products on regencies and cities with the best potential. There are 12 demographic variables used in this research, divided into three categories: the economic conditions of society, the living conditions of society, and the demographic conditions of the region. The method used in this research is the partitional hard clustering method. Firstly, a dataset is created through the data scraping process on trusted sites, followed by the Exploratory Data Analysis (EDA) process on the dataset. Once the dataset is formed, clustering is performed using the partitional hard clustering method, consisting of the K-Means Clustering and K-Medoids Clustering methods. Subsequently, cluster evaluation is carried out to determine the most suitable clustering method using four evaluation metrics: Silhouette Index, Dunn Index, Davies Bouldin Index, and Calinski Harabasz Index. The results show that the K-Medoids Clustering method with 5 clusters is the best for grouping regencies and cities in Java. After the groups are formed, each group is given decision recommendations that the motorcycle industry should consider. There are four recommendations: spare parts distribution, workshop establishment, sales of mid- to high-end motorcycles, and sales of mid-range motorcycles and below.