Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTSkripsi ini membahas tentang pemindahan Ibu Kota Kabupaten Tangerang dari Kecamatan Tangerang ke Tigaraksa pada tahun 1987 hingga 2010.  Adanya Instruksi Presiden Nomor 13 Tahun 1976 tentang pengembangan Jabotabek, membawa dampak signifikan terhadap Kabupaten Tangerang, terutama wilayah Kecamatan Tangerang yang merupakan pusat pemerintahan Kabupaten Tangerang. Guna mengimbangi laju pertumbuhan penduduk maupun ekonomi di Kecamatan Tangerang dan sekitarnya, maka dibentuk Kota Administratif Tangerang pada tahun 1981.  Kota Administratif Tangerang makin berkembang dari tahun ke tahun yang menyebabkan ketimpangan di Kabupaten Tangerang dalam hal demografi dan ekonomi ditambah dengan rencana pengembangan Kota Administratif Tangerang, maka Kabupaten Tangerang berencana memindahkan Ibu Kota Kabupaten Tangerang ke lokasi baru.  Pada pemilihan lokasi baru, terpilihlah Kecamatan Tigaraksa. Tigaraksa dipilih dikarenakan daerah tersebut masih sepi ditambah dengan adanya developer yang mempunyai lahan di daerah tersebut, yaitu PT. Panca Wiratama Sakti (PWS).  Dalam prosesnya pembangunan ini mengalami hambatan, salah satunya adalah krisis moneter yang menyebabkan proses pembangunan tidak sesuai target awal, walau hingga akhirnya pada tahun 2000 Tigaraksa resmi menjadi Ibu Kota Kabupaten Tangerang yang baru dan membawa dampak terhadap masyarakat maupun pemerintah daerah. Penelitian ini dilakukan dengan heuristik, kritik, dan interpretasi terhadap wawancara pegawai pemerintahan dan warga sekitar, dokumen Bappeda, surat kabar sezaman dan juga buku-buku terkait.

---

ABSTRACTThis Thesis discusses the displacement of the Capital of Tangerang Regency from Tangerang to Tigaraksa in 1987 to 2010. The presence of Presidential Instruction No.13 of 1976 concerning the development of Jabotabek, had a significant impact on Tangerang Regency, especially the Tangerang Sub-distric and surrounding sub-distric which are also the Capital of Tangerang Regency.  In order to keep pace with population and the economic growth in Tangerang Sub-distict and surrounding sub-district, the Administrative City of Tangerang was formed in 1981. In kept growing from year to year which caused inequality in Tangerang Regency in terms of demography and economy coupled with its development plan.  The Tangerang Regency planned to move the Capital of Tangerang Regency to new location. In the process of selecting a new location, Tigaraksa Sub-District was chosen, because the area was still quiet, coupled with the existence of developers who owned land in the area, namely PT. Panca Wiratama Sakti (PWS). In the process of this development,it experienced obstacles, one of which was the monetary crisis which caused the development process that was not in accordance with the initial target, even though finally in 2000, Tigaraksa officially became the new Capital of Tangerang Regency and had an impact on the society and local government. This research was conducted with heuristics, criticism and interpretation by interviewing government officials and local people, and also with the documents of Bappeda, contemporary newspapers and related books."

"Artikel ini membahas perencanaan dan pembangunan Kota Bandung sebagai upaya pemindahan ibu kota Hindia Belanda pada 1916–1933. Rencana pemindahan ibu kota berawal ketika adanya permasalahan higenitas di Batavia pada awal dekade 1900-an. Kemudian pada 1916, muncul H.F. Tillema yang melaporkan kota-kota di pantai utara Jawa kurang menyehatkannya jika dijadikan pusat kegiatan administrasi pemerintah kolonial, sehingga disarankan ibu kota Hindia Belanda sebaiknya dipindahkan ke Kota Bandung. Proses perencanaan dan pembangunan terus berlangsung hingga didirikannya Technische Hoogeschool te Bandoeng, Gedung Sate, stasiun radio Malabar, hingga fasilitas dan sarana kota lainnya. Sayangnya pembangunan Kota Bandung kurang mendapatkan dukungan dari pemerintah pusat sebagai persiapan pemindahan ibu kota Hindia-Belanda dan harus terhenti pada 1933, dikarenakan adanya Krisis Malaise yang terjadi sejak 1929. Penelitian ini berfokus pada perencanaan dan pembangunan Kota Bandung dalam persiapan pemindahan ibu kota Hindia Belanda pada 1916–1933 dengan menggunakan metode sejarah yang terdiri dari heuristik, verifikasi, interpretasi, dan historiografi.

---

This article discuss the plan and development of Bandung City as an initiative to relocate the capital of the Netherlands East Indies in 1916-1933. The plan to relocate the capital city began when there were hygiene problems in Batavia in the early 1900s. In 1916, H.F. Tillema reported that the cities on the north coast of Java were incapable to be used as the center of administrative colonial government activities because of its unhealthiness, thus recommended that the capital of the Netherlands East Indies should be relocated to the Bandung City. The planning and development process continued until the establishment of the Technische Hoogeschool te Bandoeng, Gedung Sate, Malabar radio station, and other city facilities and infrastructure. Unfortunately, the development of Bandung City lacked support from the central government in preparation for the relocation of the capital of the Netherlands East Indies and was stopped in 1933, due to the Malaise Crisis that had occurred since 1929. This research focuses on the planning and development of Bandung City in preparation for the transfer of the capital of the Netherlands East Indies in 1916-1933 using historical methods consisting of heuristic, verification, interpretation, and historiography."

"Pemerintah Indonesia mengeluarkan kebijakan untuk melakukan pemindahan ibu kota negara (IKN) dari Jakarta ke Kalimantan di tahun 2019. Hal tersebut menuai respons dari masyarakat, ada kelompok yang setuju dan ada yang tidak setuju. Opini dari masyarakat tentang pemindahan ibu kota banyak beredar melalu sosial media khususnya Twitter. Pemindahan ibu kota butuh proses panjang dan direncanakan dimulai di tahun 2024. Sampai saat ini sudah banyak kebijakan turunan dari pemerintah agar proses pemindahan ibu kota negara tetap berlangsung. Begitu juga dengan opini masyarakat di Twitter bermunculan menanggapi kebijakan tersebut. Sudah hampir 4 tahun sejak ditetapkan, sudah cukup banyak juga opini dari masyarakat tentang pemindahan IKN. Maka dari itu penelitian ini bertujuan untuk mengetahui sentimen masyarakat tentang pemindahan ibu kota negara beserta topik-topik yang menjadi perbincangannya. Penelitian ini dilakukan dengan cara mengumpulkan data dari Twitter sejak 2019 sampai 2022 tentang pemindahan ibu kota negara. Data yang dikumpulkan akan melewati serangkaian data preprosesing yang kemudian diklasifikasikan ke dalam sentimen positif, netral, dan negatif. Pemodelan sentimen dilakukan menggunakan lima model klasifikasi untuk mencari keakuratan terbaik, yaitu Naïve Bayes (NB), Support Vector Machine (SVM), Logistic Regression (LR), Decision Tree (DT), dan Random Forest (RF). Masing-masing algoritma dijalankan dua kali dari 2 sampel yang tanpa melewati balancing, dan satunya lagi menggunakan oversampling. Pemodelan topik dilakukan menggunakan Latent Dirichlet Allocation (LDA). Kedua pemodelan ini digunakan untuk memvisualisasikan sentimen dan topik-topiknya ke dalam visualisasi time series. Pemodelan sentimen terbaik yang dihasilkan adalah RF dari sampel oversampling dengan nilai akurasi 82%. Pemodelan tersebut menghasilkan distribusi sentimen dengan sentimen positif mendominasi sebanyak 46.5%, sentimen netral sebanyak 31.6%, dan sentimen negatif sebanyak 21.9%. Hasil visualisasi time series menunjukkan bahwa sentimen positif tidak selalu mendominasi, namun hanya pada tahun 2022. Pemodelan topik menghasilkan 15 topik untuk sentimen positif, 11 topik untuk sentimen netral, dan 8 topik untuk sentimen negatif. Visualisasi topik time series memperlihatkan bahwa beberapa topik mendominasi perbincangan di Twitter, namun hanya pada bulan-bulan tertentu. Visualisasi time series dapat memberikan gambaran yang lebih komprehensif pada penelitian analisis sentimen dan pemodelan topik.

---

Indonesian government issued a policy to move the national capital or ibu kota negara (IKN) from Jakarta to Kalimantan in 2019. This drew pros and cons from the public, there were groups who agreed and there were those who disagreed. Opinions from the public regarding the relocation of the capital city are widely circulated through social media, especially Twitter. Moving the capital city requires a long process and is planned to begin in 2024. Until now, there have been many derivative policies from the government so that the process of moving the national capital continues. Likewise, public opinion has sprung up ont Twitter in response to this policy. It's been almost 4 years since it was established, so there's been quite a lot of opinion from the public about the transfer of the IKN. Therefore this study aims to determine public sentimen about the relocation of the national capital along with the topics of discussion. This research is conducted by collecting data from Twitter from 2019 to 2022 regarding the relocation of the national capital. The data collected will go through a series of pre-processing data which are then classified into positive, neutral and negative sentimens. Sentimen modeling is carried out using five classification models to find the best accuracy, namely Naïve Bayes (NB), Support Vector Machine (SVM), Logistic Regression (LR), Decision Tree (DT), and Random Forest (RF). Each algorithm is run twice from 2 samples without going through balancing, and the other uses oversampling. Topic modeling is done using Latent Dirichlet Allocation (LDA). These two models are used to visualize sentimen and topics into a time series visualization. The best sentimen modeling produced is RF from oversampling samples with an accuracy value of 82%. This modeling produces a sentimen distribution with positive sentimen dominating by 46.5%, neutral sentimen by 31.6%, and negative sentimen by 21.9%. The results of the time series visualization show that positive sentimen does not always dominate, but only in 2022. The topic modeling produces 15 topics for positive sentimen, 11 topics for neutral sentimen, and 8 topics for negative sentimen. The time series topic visualization shows that several topics dominate the conversation on Twitter, but only in certain months. Time series visualization can provide a more comprehensive picture of sentimen analysis research and topic modeling."

"Ibu Kota memiliki peran penting dalam menggambarkan seberapa besar kekuatan politik, kultural, dan ekonomi suatu negara. Apabila Ibu Kota suatu negara memiliki banyak masalah yang tidak terselesaikan, permasalahan tersebut dapat menjadi faktor–faktor yang memengaruhi suatu negara memindahkan Ibu Kotanya. Setelah ditelusuri, terdapat banyak negara yang pernah memindahkan Ibu Kotanya termasuk Indonesia. Tujuan dari penelitian ini adalah untuk membentuk model dan menganalisis faktor–faktor yang memengaruhi negara–negara di dunia memindahkan Ibu Kota dengan data yang mengandung masalah: 1. Outlier, 2. Missing values, 3. Data tak seimbang, 4. Multikolinearitas. Jika data mengandung masalah, maka model yang terbentuk menjadi tidak representatif dan sulit untuk diinterpretasikan. Sehingga diperlukan metode yang dapat digunakan untuk menangani 4 (empat) masalah tersebut, yaitu berturut-turut: 1. Quantile–Based Flooring Capping, 2. K–Nearest Neighbor, 3. Adaptive Synthetic (ADASYN), dan 4. Menerapkan model Least Absolute Shrinkage and Selection Operator (LASSO) pada regresi logistik. Hasilnya menunjukkan bahwa faktor yang memengaruhi suatu negara memindahkan Ibu Kotanya adalah ukuran populasi di Ibu Kota, populasi negara, luas area (km2), Usia Negara, sistem pemerintahan, Income Category, dan Sedangkan faktor yang tidak masuk ke dalam model yaitu Gross Domestic Product (GDP), Logistic Performance Index (LPI) Score, Regulatory Quality Index, dan E–Government Development Index adalah prediktor yang mengalami multikolinearitas, sehingga model LASSO pada regresi logistik berhasil menyusutkan prediktor tersebut menjadi 0. Adapun model akhir dari Least Absolute Shrinkage and Selection Operator (LASSO) pada regresi logistik yang diperoleh adalah g(x) = 0,3399 – 0,8019 POP_CITY + 3,5925 POP_COUNTRY + 0,3406 AREA – 0,0156 AIRPOL + 0,0679 GEI + 0,8351 PS_AVT – 0,5682 GOV_EFFECT – 1,8643 AGE – 0,7043 SYSTEM_A – 1,4408 SYSTEM_B – 0,7036 INCOME_A – 0,5272 INCOME_B – 3,7404 INCOME_C – 0,9489 ARCHIPELAGO.

---

The capital city plays an important role in portraying how much political, cultural and economic power a country has. If the capital city has many unresolved problems, these problems can become factors that influence the country to move its capital city. After being traced, there are many countries that have moved their capital cities, including Indonesia. The purpose of this study is to model and analyze the factors that influence countries in the world to move its capital city with data containing problems: 1. Outliers, 2. Missing values, 3. Imbalanced data, 4. Multicollinearity. If the data contains these problems, the model formed becomes unrepresentative and difficult to interpret. Therefore, the methods that can be used to handle these 4 (four) problems, respectively: 1. Quantile-Based Flooring Capping, 2. K-Nearest Neighbor, 3. Adaptive Synthetic (ADASYN), and 4. Applying the Least Absolute Shrinkage and Selection Operator (LASSO) model in logistic regression. The results showed that the factors that influence a country to move its capital city are population size in the capital city, country population, area (km2), air pollution level (mg/m3), Global Entrepreneurship Index (GEI), Political Stability and No Violence/Terrorism Index, Government Effectiveness Index, Country Age, government system, Income Category, and whether a country is an archipelago or not. While the factors that did not enter the model, namely the Gross Domestic Product (GDP), Logistic Performance Index (LPI) Score, Regulatory Quality Index, and E-Government Development Index were predictors that experienced multicollinearity, so the LASSO model in logistic regression successfully shrinks these predictors to 0. The final Least Absolute Shrinkage and Selection Operator (LASSO) model in logistic regression obtained is g(x) = 0,3399 – 0,8019 POP_CITY + 3,5925 POP_COUNTRY + 0,3406 AREA – 0,0156 AIRPOL + 0,0679 GEI + 0,8351 PS_AVT – 0,5682 GOV_EFFECT – 1,8643 AGE – 0,7043 SYSTEM_A – 1,4408 SYSTEM_B – 0,7036 INCOME_A – 0,5272 INCOME_B – 3,740"