Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini berfokus pada aktivitas sektor pariwisata dan pertumbuhan ekonomi regional provinsi di Indonesia. Tujuan dari penelitian ini adalah pertama-tama untuk membuktikan adanya efek spatial spillover dalam aktivitas pariwisata dan kemudian untuk memahami faktor-faktor apa saja yang dapat mempengaruhi aktivitas pariwisata pada tingkat provinsi di Indonesia. Penelitian ini juga mengidentifikasi keberadaan efek konvergensi beta absolut pada pertumbuhan ekonomi setiap provinsi di Indonesia, dan kemudian menguji apabila aktivitas sektor pariwisata dapat mempengaruhi tingkat steady state dari konvergensi tersebut. Memahami fakta-fakta ini dapat membantu pembuat kebijakan untuk membuat kebijakan pembangunan yang tepat dan juga memahami dampak yang dihasilkan dari kebijakan tersebut. Peneliti menyimpulkan bahwa pertumbuhan sektor pariwisata menghasilkan efek spatial spillover dan berdampak positif terhadap kecepatan konvergensi pertumbuhan ekonomi regional antar provinsi di Indonesia.

---

This research focuses on tourism activity and regional economic growth in provinces of Indonesia. The purpose of the research is to firstly prove the existence of spatial spillover effect from tourism activity, and then to identify the factors that is affecting tourism activity in Indonesia at the provincial level. This research also tests the existence of absolute beta convergence between the economic growth of each province of Indonesia, and then seek to test whether tourism activity can affect the steady state to which the economic growth convergence heading. Understanding these facts could help policy makers in make the right development policy and also to better understand the effects of the policy. This research concluded that development in tourism produces spatial spillover effect and positively increase the speed of convergence of regional economic growth between provinces in Indonesia."

"ABSTRAKAngka kematian ibu didefinisikan sebagai jumlah kematian ibu pada saat masa kehamilan atau dalam kurun waktu 42 hari setelah masa kehamilan berhenti setiap seratus ribu kelahiran hidup. Salah satu tujuan dari Millenium Development Goals MGDs Indonesia adalah untuk mengurangi angka kematian ibu. Salah satu faktor yang menentukan angka kematian ibu adalah jumlah kematian ibu. Menurut profil kesehatan Indonesia tahun 2014 provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur berkontribusi 26 persen dari total jumlah kematian ibu di Indonesia. Variabel-variabel yang diduga memengaruhi kematian ibu adalah jumlah tenaga kesehatan, program pemberian beras miskin, ketersediaan air bersih, jumlah penduduk yang buta huruf, dan jumlah kelahiran yang dibantu oleh tenaga kesehatan. Data yang digunakan adalah data spasial yang merupakan data yang memiliki informasi koordinat di dalamnya. Menurut Cressie 1993, kejadian di suatu wilayah cenderung dipengaruhi oleh kejadian di sekitarnya dan ketergantungan spasial seringkali ditemukan di dalam analisis regresi. Oleh karena itu diduga bahwa jumlah kematian ibu di suatu wilayah dipengaruhi oleh jumlah kematian ibu di wilayah lainnya yang berdekatan. Pemodelan jumlah kematian ibu dilakukan dengan pendekatan regresi spasial menggunakan model Spatial Autoregressive dan Spatial Error, sehingga dapat diketahui variabel apa saja yang signifikan serta seberapa besar faktor spasial memengaruhi jumlah kematian ibu di Jawa Barat, Jawa Tengah, dan Jawa Timur. Pada ketiga daerah tersebut, juga akan dideteksi Kabupaten/kota mana saja yang memiliki jumlah kematian ibu tertinggi secara statistik menggunakan metode Spatial Scan Statistics. Hasil pemodelan menunjukkan bahwa jumlah tenaga kesehatan, program pemberian beras miskin, dan jumlah penduduk buta huruf merupakan faktor yang signifikan memengaruhi jumlah kematian ibu dan didapatkan cluster daerah yang memiliki jumlah kematian ibu tertinggi secara statistik.

---

ABSTRACTMaternal mortality is defined as the number of maternal deaths during pregnancy or within 42 days of termination of pregnancy every hundred thousands live births. One of the Millennium Development Goals MGDs of Indonesia was to reduce maternal mortality. One of the factors that determine maternal mortality is the number of maternal deaths. According to Indonesia 39s health profile in 2014, West Java, Central Java and East Java provinces contributed 26 percents of the total number of maternal deaths in Indonesia. The variabels suspected affect maternal deaths are the number of health workers, poor rice programs, the availability to access clean water, the number of illiterate people, and the number of births assisted by health personnel. The data is spatial data which has coordinate information in it. According to Cressie 1993, events in a region tend to be influenced by surrounding events and spatial dependence is often found in spatial data. Therefore it is suspected that the number of maternal deaths in a region is affected by the number of maternal deaths in other surrounding areas. Maternal deaths data was analyzed by spatial regression approach using Spatial Autoregressive and Spatial Error Model to know which variabels are significant and to know whether spatial factor influences the number of maternal deaths in West Java, Central Java, and East Java. In all three areas, the highest number of maternal deaths will also be detected statistically using the Spatial Scan Statistics method. The modeling results showed that the number of health workers, poor rice program, and the number of illiterate people were significant factors that affect the number of maternal deaths and the cluster areas that have highest number of maternal deaths were obtained statistically. "

"DKI Jakarta merupakan sebuah kota megapolitan dengan masyarakat yang beragam. Pemilihan Gubernur dan Wakil Gubernur DKI Jakarta memiliki syarat unik, yaitu perolehan suara lebih dari 50%.Keberagaman penduduk dan dinamika Pemilu yang kompleks akibat peraturan tersebut menjadi latar belakang penelitian ini. Tujuan penelitian ini menganalisis sebaran spasial perolehan suara pasangan calon di setiap kelurahan, pengaruh faktor variabel penelitian terhadap hasil suara pada masing-masing paslon dan dependensi spasial perolehan suara pada masing-masing paslon Pilkada DKI Jakarta 2017. Penelitian ini menggunakan metode analisis deskriptif, regresi klasik, dan regresi spasial. Data berupa perolehan suara hasil Pilkada DKI Jakarta 2017 dan demografi penduduk di tingkat kelurahan. Hasil menunjukkan bahwa pada putaran pertama Pilkada, Paslon 1 memiliki 122 basis, Paslon 2 memiliki 113 basis, dan Paslon 3 memiliki 146 basis. Pada putaran kedua, Paslon 2 memiliki 111 basis dan Paslon 3 memiliki 156 basis. Penduduk nonmuslim menjadi faktor signifikan terhadap kemenangan Paslon 3. Sedangkan faktor penduduk pekerja formal, gabungan parpol koalisi, kepadatan penduduk, pemilih pemula, dan pendidikan minimal SMA, secara statistik berpengaruh tidak signifikan. Temuan ini mengindikasikan bahwa agama berperan penting dalam pemenangan kontestan pada Pilkada DKI Jakarta 2017 yang lalu.

---

DKI Jakarta is a megapolitan city with a diverse population. The regional election of DKI Jakarta has unique requirements, namely the vote acquisition is more than 50%. The diversity of the population and the complex dynamics of the election due to these regulations are the background for this research. The purposes of this research is to analyze the spatial distribution of votes obtained by candidate pairs in each sub-district, the influence of research variable factors on the results of the each candidate pair and the spatial dependencies of the votes obtained by each candidate pair of the 2017 DKI Jakarta Regional Election. This research uses descriptive analysis, classical regression and spatial regression methods. Data in the form of vote acquisition results from the 2017 DKI Jakarta Regional Election and population demographics at the sub-district level. The results show that in the first round of the Pilkada, Paslon 1 had 122 bases, Paslon 2 had 113 bases, and Paslon 3 had 146 bases. In the second round, Paslon 2 had 111 bases and Paslon 3 had 156 bases. The nonmuslim population were significant factors in the victory of Paslon 3. Meanwhile, the combined factors the formal working population, factors of coalition political parties, population density, first-time voters and minimum high school education had no statistically significant effect. These findings indicate that religion an important role in the victory of contestants in the 2017 DKI Jakarta Pilkada."

"Angka kematian bayi (AKB) didefinisikan sebagai jumlah kematian bayi di bawah usia satu tahun per 1000 kelahiran hidup pada satu tahun tertentu. Angka kematian bayi merupakan salah satu indikator penting yang dapat mencerminkan derajat kesehatan suatu masyarakat. Target angka kematian bayi pada Sustainable Development Goals (SDGs) yang berlaku sejak tahun 2015 sampai tahun 2030 adalah 12 kematian per 1000 kelahiran hidup. Berdasarkan hasil long form sensus penduduk BPS, AKB di Indonesia tahun 2022 adalah 17 kematian per 1000 kelahiran hidup, angka tersebut masih tergolong tinggi apabila dibandingkan dengan beberapa negara di ASEAN. Angka kematian bayi dipengaruhi oleh beberapa variabel. Analisis mengenai variabel-variabel yang memengaruhi AKB dapat dilakukan dengan analisis regresi linier klasik. Namun, nilai pengamatan seperti AKB dan variabel-variabel yang memengaruhinya memuat informasi lokasi (spasial), sehingga seringkali terjadi ketergantungan spasial antar pengamatan yang mengakibatkan asumsi saling bebas pada model regresi linier tidak terpenuhi. Oleh karena itu, pemodelan dapat dilakukan dengan menggunakan model regresi spasial yang memperhatikan keterkaitan antar lokasi. Tujuan dari penelitian ini adalah menganalisis ketergantungan spasial pada data AKB di  Pulau Jawa dan memodelkan AKB di Pulau Jawa tahun 2022 menggunakan General Nesting Spatial Model (GNSM) untuk menganalisis variabel-variabel yang memengaruhinya. Hasil uji autokorelasi spasial menggunakan uji Moran’s I menyimpulkan bahwa terdapat autokorelasi spasial pada variabel terikat (AKB), variabel bebas, dan pada residual model regresi linier. Berdasarkan nilai AIC dan, diperoleh kesimpulan General Nesting Spatial Model (GNSM) lebih baik dalam memodelkan Angka Kematian Bayi (AKB) di Pulau Jawa tahun 2022 dibandingkan Spatial Durbin Model (SDM) dan General Spatial Model(GSM).

---

Infant mortality rate (IMR) is defined as the number of deaths of infants under one year of age per 1000 live births in a given year. Infant mortality rate is one of the important indicators that can reflect the health level of a community. The infant mortality target in the Sustainable Development Goals (SDGs) that apply since 2015 to 2030 is 12 deaths per 1000 live births. Based on the results of the BPS long form population census, the IMR in Indonesia in 2022 is 17 deaths per 1000 live births, which is still relatively high compared to several countries in ASEAN. Infant mortality rates are influenced by several variables. Analysis of the variables that influence IMR can be done with classical linear regression analysis. However, observation values such as IMR and the variables that affect it contain location (spatial) information, so there is often spatial dependence between observations which results in the assumption of mutual independence in linear regression models not being met. Therefore, modeling can be done using spatial regression model that considers the interrelationships between locations. The purpose of this study is to analyze the spatial dependence of IMR data in Java Island and model IMR in Java Island in 2022 using the General Nesting Spatial Model (GNSM) to analyze the variables that affect it. The results of the spatial autocorrelation test using Moran's I test concluded that there is spatial autocorrelation in the dependent variable (IMR), independent variables, and in the residuals of the linear regression model. Based on the AIC and  values, it is concluded that General Nesting Spatial Model (GNSM) is better in modeling the Infant Mortality Rate (IMR) in Java Island in 2022 than Spatial Durbin Model (SDM) and General Spatial Model (GSM)."

"Seiring dengan semakin ketatnya persaingan dalam industri Fast Moving Consumer Goods (FMCG), perusahaan FMCG perlu mengetahui jumlah permintaan yang potensial di suatu wilayah. Dengan begitu perusahaan dapat menyesuaikan supply yang optimal untuk menghindari tidak terpenuhinya permintaan pelanggan. Metode ekonometrik merupakan salah satu solusi untuk memodelkan estimasi permintaan dengan melihat faktor-faktor yang mempengaruhinya. Pada penelitian ini digunakan data cross section sehingga perlu dilakukan uji dependensi spasial untuk melihat apakah antar wilayah memiliki dependensi spasial atau tidak. Hasilnya pada model regresi tidak terdapat dependensi spasial sehingga digunakan analisis regresi non-spasial sebagai model estimasi permintaan. Selain itu juga diperoleh hasil bahwa permintaan konsumen dipengaruhi oleh faktor jumlah penduduk, PDRB perkapita, rata-rata pengeluaran konsumsi rumah tangga, dan kategori wilayah rural atau urban.

---

Along with the strict competitiveness of Fast Moving Consumer Goods (FMCG) industry, companies need to know the number of potential demands in an area. So, companies can adjust optimal supply to avoid consumer's demands unfulfillment. Econometric method is one of the solution to model the demand estimation considering factors affecting it.

This research use cross section data, so spatial dependence was conducted to investigate whether there is a spatial dependency between the region. The result revealed that there was no spatial dependency. Therefore, non-spatial regression analysis was used as a model of demand estimation. Beside that, the result also show that consumer?s demands are influenced by number of population, Gross Domestic Regional Product (GDRP), average of household expenditure, and the category of the area (rural or urban)."

"Model regresi data panel spasial error dinamis adalah model regresi data panel yang melibatkan lag dari variabel dependen dan komponen dependensi spasial error. Karena terdapat korelasi antara lag dari variabel dependen dan komponen error, estimasi dengan Ordinary Least Squares menjadi bias dan tidak konsisten. Oleh karena itu, dibutuhkan metode lain untuk menaksir parameter dalam model. Metode yang dapat digunakan adalah perluasan metode Arellano dan Bond yang mencakup metode instrumental variabel menggunakan variabel instrumen yang disarankan oleh Mutl (2006) dan prinsip Generalized Method of Moments (GMM). Kemudian ditambah dengan metode pendekatan Kapoor, Kelejian, dan Prucha (KKP) sehingga dihasilkan taksiran yang konsisten.

---

The dynamic spatial error panel data regression model is panel data regression model which involves lag of the dependent variable and error spatial dependence. Because there is correlation between the lag of the dependent variable and error components, the ordinary least squares estimator becomes biased and inconsistent. Therefore, we need another method to estimate parameters in the model. The method which can be used is the extended method of Arellano and Bond covering instrumental variable method using instrument variables suggested by Mutl (2006) and the principle of the Generalized Method of Moments (GMM). Then the method is coupled with the method of Kapoor, Kelejian, and Prucha (KKP) approach so that it produces consistent estimators."