Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pendaftaran tanah merupakan kegiatan penting dan pokok guna menjamin kepastian hukum atas tanah. Kantor Pertanahan ATR/BPN Kabupaten Karawang mendeklarasikan Program Desa Lengkap sebagai upaya dalam membangun data bidang tanah terdaftar yang terpetakan dengan kualitas KW1. Dalam mewujudkan desa lengkap atau menuju kota/kabupaten lengkap, problematika di lapangan banyak ditemui baik terkait aspek fisik maupun aspek yuridis. Strategi dalam mewujudkan desa lengkap ini meliputi proses perencanaan, pembentukan panitia ajudikasi, sosialisasi masyarakat secara berjenjang, pengumpulan data yuridis dan fisik, serta data atribut pelengkap (surat ukur, buku tanah) untuk validasi. Hasil penelitian ini menunjukkan terdapat beberapa kendala dalam mewujudkan desa lengkap yakni adanya overlap bidang tanah, terdapat bidang tekstual double entri data, dan pada aplikasi terdapat bidang tanah yang tidak terbaca. Untuk mengatasi hal tersebut maka solusi yang dilakukan terhadap bidang yang overlap yakni dengan mengembalikan pada posisi sebenarnya, terhadap bidang tanah yang double entry maka dilakukan proses penghapusan data, sementara terhadap permasalahan aplikasi diperlukan koordinasi dengan pusat data dan informasi pada Kementerian ATR/BPN. Dalam kajian ini proses perbaikan kualitas data juga dilakukan dengan mereposisi bidang tanah agar sesuai dengan kondisi eksisting sebenarnya, melandingkan bidang K4, melakukan deliniasi fitur geografis dan unsur non geografis, perbaikan batas administrasi dan memastikan data spasial yang disajikan telah valid, tidak overlap, akurat serta selisih luas administrasi memenuhi toleransi. Untuk mewujudkan Desa Lengkap maka perbaikan terhadap data tekstual juga dilakukan melalui validasi buku tanah yakni memastikan informasi dalam buku tanah sesuai dengan data pada KKP serta memastikan semua buku tanah telah terentry. Perbaikan data non spasial juga dilakukan melalu ivalidasi surat ukur yakni memastikan luasan sesuai dengan data yang telah tercatat serta memastikan surat ukur yang ada secara fisik telah sesuai dengan data pada KKP. Upaya perbaikan data spasial dan tekstual ini menjadi syarat mutlak dalam mewujudkan desa lengkap di seluruh Indonesia.

---

Land registration is an important and basic activity to ensure legal certainty over land. The Agrarian and Spatial Planning/National Land Agency (ATR/BPN) Land Office of Karawang Regency declared the Complete Village Program as an effort to develop mapped registered land parcels with KW1 quality. In realizing complete villages or towards a complete city/regency, many problems are encountered in the field, both related to physical and juridical aspects. The strategy in realizing complete villages includes the planning process, the formation of an adjudication committee, community socialization in stages, juridical and physical data collection, as well as complementary/attributive data (measurement letters, measuring books) for validation. The results of this study indicate that there were several obstacles in realizing complete villages: overlapping plots of land, double entry of data in terms of textual plots, and an unreadable plot of land in the application. To overcome these problems, the solution for overlapping plots was to return to the actual position; for double-entry land parcels, a data deletion process was carried out; and for application problems, there needed to be coordination with the data and information center at the Ministry of ATR/BPN. In this study, the process of improving data quality was also carried out by repositioning land parcels to match the actual existing conditions, comparing K4 fields, delineating geographical features and nongeographical elements, improving administrative boundaries, and ensuring that the spatial data presented was valid, did not overlap, was accurate, and that administrative area difference met the minimum requirements. To realize a complete village, improvements of textual data were also carried out through land book validation by ensuring that the information in the land book was in accordance with the data in the Land Activity Computerization (KKP) and that data in all land books had been entered. Improvements of non-spatial data were also carried out through validation of measurement letters by ensuring that the area was in accordance with the recorded data and that the existing physical measurement documents were in accordance with the data in the KKP. Efforts to improve spatial and textual data are an absolute requirement in realizing complete villages throughout Indonesia."

"Data spasial wilayah kerja statistik digunakan dalam pelaksanaan sensus dan survei agar tidak terjadi ganda cacah dan lewat cacah di Indonesia. Data spasial wilayah kerja statistik ini juga dapat diakses oleh publik hingga setingkat desa. Kualitas data spasial mengandung banyak ketidakpastian disebabkan kesalahan yang terjadi. Pengguna data perlu mendapatkan informasi data yang akan digunakan berdasarkan spesifikasi produsen agar memberikan pilihan data yang akan digunakan. Evaluasi terhadap kualitas data spasial wilayah kerja statistik saat ini dilakukan secara tunggal pada setiap dataset. Berdasarkan SNI ISO 19157:2015, bahwa produsen peta perlu menyusun spesifikasi produk untuk melakukan evaluasi komponen secara agregat agar memuaskan pengguna data. Oleh karena itu, penelitian ini bertujuan mengidentifikasi unsur yang berperan dalam penilaian data spasial wilayah kerja statistik, elemen dan sub elemen kualitas data spasialnya dengan metode entropi, membuat kriteria penilaian, dan menyusun klasifikasi kelas kualitas data spasial untuk mendapatkan nilai Indeks Grad Peta. Terdapat enam unsur yang berperan dalam penilaian kualitas data yaitu batas wilayah kerja statistik, titik batas, titik infrastruktur, sistem koordinat, kode dan nama wilayah, dan metadata. Metode evaluasi dilakukan dengan melakukan agregasi terhadap hasil evaluasi setiap unsur dengan menggunakan Indeks Grad Peta untuk menyatakan kualitas data spasial wilayah kerja statistik. Nilai Indeks Grad Peta dari data spasial wilayah kerja statistik adalah A(> 2.96, sangat baik), AB(> 2,80 dan ≤ 2,96, baik), B(> 2,64 dan ≤ 2,80, memadai), BC(≥ 1,96 dan ≤ 2,64, meragukan), dan C(< 1,96, tidak baik). Metode penilaian ini telah diujicobakan di enam sampel Wilayah Kerja Statistik Kota Jakarta Selatan dengan mempertimbangkan jarak, biaya, kemudahan akses, dan sumber daya manusia dalam melakukan groundtruth. Hasil penilaian yang didapatkan adalah BC dan C. Hasil dari penelitian ini menjadi rekomendasi dalam kegiatan evaluasi dan peningkatan kualitas data spasial wilayah kerja statistik di Badan Pusat Statistik pada masa yang akan datang.

---

Spatial data is an important part in supporting census and survey activity in order to avoid missed counting and doubled counting of respondent in Central Bureau of Statistics. This spatial data can also be accessed by public sector until village level. The quality of spatial data contains many uncertainties due to errors that occur. Data users need to get data information that will be used based on manufacturer specifications in order to provide data choices to be used Evaluation of spatial data is still done by single evaluation on each dataset. Based on National Standard of Indonesia ISO 19157:2015, evaluation in single element does not make user satisfied. Therefore, the purpose of this research is to find out each dimension, element, and sub element used to measure quality of spatial data and their weight using entropy method. The result will be used in Indeks Grade Peta to aggregate the data quality result as an indices. The result of five IGP classifications for spatial data of enumeration areas namely are A(> 2.96, very good), AB(> 2,80 dan ≤ 2,96, good), B(> 2,64 dan ≤ 2,80, sufficient), BC (≥ 1,96 dan ≤ 2,64, doubtful), dan C (< 1,96, not good). This evaluation method has also been tested in some enumeration areas in South Jakarta with some considerations namely are distance, cost, easiness of access, and human resources in conducting groundtruth. The result is BC and C. The results of this research will be discussed in future activities to improve activity of evaluation and spatial data quality at Central Bureau of Statistics."

"Stunting adalah kondisi gagal tumbuh pada balita akibat dari kekurangan gizi kronis,sehingga anak terlalu pendek pada usianya. Stunting memiliki dampak yang burukterhadap pertumbuhan dan perkembangan anak serta berpengaruh terhadap kualitassumber daya manusia di masa depan. Dalam rangka menurunkan angka stunting diIndonesia, pada tahun 2018, pemerintah menetapkan 100 kabupaten/kota sebagai daerahprioritas penanganan kasus stunting di Indonesia. Penetapan 100 kabupaten/kota prioritastersebut ditentukan berdasarkan indikator jumlah balita stunting, prevalensi stunting, dantingkat kemiskinan. Penelitian ini bertujuan untuk mengetahui variabel-variabel yangmemengaruhi status daerah prioritas penanganan stunting di Indonesia agar pemerintahlebih fokus dalam menangani kasus stunting di setiap daerah. Model yang digunakandalam penelitian ini adalah Geographically Weighted Logistic Regression (GWLR).Untuk variabel respon, kategori 0 adalah daerah bukan prioritas penanganan stunting(prevalensi stunting kurang dari rata-rata prevalensi stunting Indonesia tahun 2018sebesar 32,01%) dan kategori 1 adalah daerah prioritas penanganan stunting (prevalensistunting lebih besar dari rata-rata prevalensi stunting Indonesia tahun 2018 sebesar32,01%). Model Geographically Weighted Logistic Regression (GWLR) merupakanpengembangan dari model regresi logistik dengan memperhitungkan pengaruh spasial.Pengaruh spasial tersebut digambarkan melalui matriks pembobot di setiap lokasipengamatan sehingga menghasilkan pendugaan parameter model yang bersifat lokaluntuk setiap lokasi pengamatan. Metode penaksiran parameter yang digunakan adalahmetode Maximum Likelihood Estimation (MLE) dengan fungsi pembobot spasial adalahfungsi pembobot kernel Fixed Gaussian dan Fixed Bisquare. Pada penelitian ini datayang digunakan mengandung missing values sehingga diperlukan penanganan lebihlanjut. Penanganan missing values yang digunakan pada penelitian ini adalah metodeimputasi data menggunakan Classification and Regression Tree (CART). Model GWLRterbaik pada pemodelan kasus stunting di Indonesia tahun 2018 adalah model GWLRdengan pembobot fungsi kernel Fixed Bisquare dengan nilai AIC sebesar 622,806477dan akurasi klasifikasi model sebesar 0,7257.

---

Stunting is a condition of failure to thrive in children under five because of chronic

malnutrition so that the child is too short for his/her age. Stunting has bad effect on

children's growth and the quality of human resources in the future. To reduce the number

of stunting in Indonesia, in 2018, the government determined 100 districts/cities as

priority areas for handling stunting cases in Indonesia. The 100 priority districts/cities are

determined based on the number of stunting children, stunting prevalence, and poverty

level. This study aims to determine the variables that affect the status of priority areas for

stunting handling in Indonesia so the government can be more focused on handling

stunting cases in each region. The model used in this study is Geographically Weighted

Logistic Regression (GWLR) with 0 as the category of a non-priority area for handling

stunting cases (stunting prevalence is less than the average stunting prevalence of

Indonesia in 2018) and 1 as the category of a priority area for handling cases stunting (the

prevalence of stunting is greater than the average stunting prevalence of Indonesia in

2018). The average stunting prevalence of Indonesia in 2018 that used in this study is

32,01%. The Geographically Weighted Logistic Regression (GWLR) model is a

development of the logistic regression model which considers spatial influence. The

spatial influence is illustrated through a weighting matrix at each observation location to

produce an estimation of the local model parameters for each observation location. The

parameter estimation method used is the Maximum Likelihood Estimation (MLE) method

with the spatial weighting function is the Fixed Gaussian and Fixed Bisquare kernel

weighting function. There are missing values in the study data so Classification and

Regression Tree (CART) method used to handle the missing values. The results showed

that the best GWLR model on stunting cases modeling in Indonesia in 2018 is the GWLR

model with Fixed Bisquare kernel function weighting with AIC value of 622,806477 and

accuracy of model classification of 0,7257."