Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu tantangan yang kita hadapi saat ini adalah menghubungkan kinerja keberlanjutan proyek infrastruktur dengan SDGs. Insinyur sipil perlu memiliki alat yang praktis untuk menilai dampak pada proyek yang layak untuk kemudian dilakukan pengambilan tindakan terkait sustainabilitas. Saat penelitian ini dibuat, masih belum ada kerangka penilaian sustainabilitas yang berbasis SDGs yang secara khusus diarahkan untuk mengevaluasi proyek infrastruktur transportasi. Penelitian ini bertujuan untuk mengisi kesenjangan tersebut dengan mengusulkan kerangka sistem untuk menilai dampak infrastruktur transportasi pada tahap perencanaan serta mengembangkan model machine learning yang mampu memprediksi hasil penilaian berdasarkan indikator dari kerangka yang diberikan. Melalui serangkaian studi literatur, diusulkan kerangka sistem penilaian dengan 15 indikator yang merepresentasikan empat pilar sustainabilitas, sosial, ekonomi, lingkungan, dan institusional. Indikator merefleksikan 25 target dari 12 tujuan SDGs. Berdasarkan pembobotan indikator dengan metode Analytic Hierarchy Process, didapatkan indikator persentase pekerja disabilitas memiliki bobot kepentingan terbesar, yaitu 8.08%, dan indikator jumlah pengaduan yang diajukan oleh masyarakat setempat memiliki bobot kepentingan terkecil sebesar 5.30%. Indikator sosial memiliki tingkat kepentingan yang paling tinggi, dilanjutkan dengan indikator lingkungan, ekonomi, dan institusional. Model machine learning yang dihasilkan menggunakan tiga algoritma pengklasifikasi, Naïve Bayes, ANN/Deep Learning, dan Decision Tree. Model dengan algoritma Naïve Bayes memiliki akurasi sebesar 64.7%, algoritma ANN/Deep Learning memiliki akurasi sebesar 86.7%, dan algoritma Decision Tree memiliki akurasi sebesar 75.3%.

---

One of the challenges we face today is linking the sustainability performance of infrastructure projects with the SDGs. Civil engineers need to have a viable practical tool for assessing impacts on a project to be able to take sustainable actions. At the time this research was conducted, there was no framework for SDG-based sustainability assessment that was specifically directed at evaluating transportation infrastructure projects. This study aims to fill this gap by proposing a system framework to assess the impact of transportation infrastructure at the planning stage and develop a machine learning model that can predict the results of the assessment based on indicators from the given framework. Through a series of literature studies, a scoring system framework with 15 indicators is proposed, representing the four pillars of sustanability, social, economic, environmental, and institutional. The indicators reflect 25 targets of the 12 SDGs goals. Based on the weighting of the indicators using the Analytic Hierarchy Process method, it was found that the percentage of disabled workers indicator has the largest importance weight, which is 8.08%, and the indicator of the number of complaints submitted by the local community has the lowest importance with a weight of 5.30%. Social indicators have the highest importance, followed by environmental, economic, and institutional indicators. The resulting machine learning model uses three classifier algorithms, Naïve Bayes, ANN/Deep Learning, and Decision Tree. The model with Naïve Bayes algorithm has an accuracy of 64.7%, the ANN/Deep Learning model has an accuracy of 86.7%, and the Decision Tree model has an accuracy of 75.3%."

"ABSTRAKKoperasi dapat menjadi organisasi yang relevan dengan kondisi petani kecil yang menghadapi kendala produksi dan pemasaran. Pada subsektor perikanan budidaya, koperasi berperan mengurangi biaya transaksi dan meningkatkan posisi tawar pembudidaya kecil. Bukti empiris mengenai dampak keanggotaan koperasi terhadap pendapatan pembudidaya masih terbatas. Untuk itu, menggunakan data cross section dan skala nasional, penelitian ini menganalisis dampak keanggotaan koperasi terhadap pendapatan rumah tangga pembudidaya ikan di Indonesia. Model Propensity Score Matching (PSM) digunakan untuk mengestimasi efek kausal dari keanggotaan koperasi dengan mengurangi bias seleksi. Sampel penelitian terdiri dari rumah tangga pembudidaya nila, lele, gurame, bandeng dan rumput laut. Hasil penelitian menunjukan bahwa keanggotaan koperasi menghasilkan dampak positif dan signifikan secara statistik terhadap pendapatan anggota koperasi rumah tangga pembudidaya nila dan bandeng. Sementara bagi rumah tangga pembudidaya lele, gurame dan rumput laut, keanggotaan koperasi belum berdampak signifikan. Temuan ini mengindikasikan bahwa koperasi memiliki potensi untuk dikembangkan lebih lanjut dalam subsektor perikanan budidaya. Namun perlu upaya untuk meningkatkan layanan ekonomi yang diberikan koperasi kepada anggota.

---

ABSTRACTCooperatives could be an organization that is relevant to the conditions of small farmers facing production and marketing constraints. In the aquaculture subsector, cooperatives play a role in reducing transaction costs and increasing the bargaining position of small fish farmers. Empirical evidence regarding the impact of cooperative membership on farmers income is still limited. For this reason, using cross section and national scale data, this study analyzes the impact of cooperative membership on fish farmer household income in Indonesia. The Propensity Score Matching (PSM) model is used to estimate the causal effect of cooperative membership by reducing selection bias. The research sample consisted of tilapia, catfish, carp, milkfish and seaweed farmer households. The results show that cooperative membership exerts a positive and statistically significant impact on member income of the tilapia and milkfish farmer household. While for households of catfish, carp and seaweed farmer, cooperative membership has not had a significant impact. This finding indicates that cooperatives have the potential to be further developed in the aquaculture subsector. However, efforts are needed to improve the economic services provided by cooperatives to members."

"Tulisan ini membahas mengenai kewajiban Penilaian Dampak Pelindungan Data Pribadi terkait pemrosesan Data Pribadi atas Data Pribadi karyawan yang dilakukan oleh PT Bursa Efek Indonesia. Tulisan ini disusun menggunakan metode penelitian hukum normatif berdasarkan peraturan perundang-undangan yang berlaku. Penilaian dampak Pelindungan Data Pribadi merupakan kewajiban baru yang diatur dalam Pasal 34 Undang-undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (UU PDP). Penilaian dampak Pelindungan Data Pribadi tersebut wajib dilakukan oleh Pengendali Data Pribadi atas pemrosesan Data Pribadi yang memiliki potensi risiko tinggi. Meskipun PT Bursa Efek Indonesia merupakan perusahaan yang memiliki karakteristik berbeda dengan perusahaan pada umumnya, namun wajib untuk tetap tunduk pada pengaturan UU PDP. Berdasarkan pengaturan dalam UU PDP, PT Bursa Efek Indonesia memiliki peran sebagai Pengendali Data Pribadi dan juga Prosesor Data Pribadi. PT Bursa Efek Indonesia sebagai Pengendali Data Pribadi melakukan beberapa pemrosesan Data Pribadi, salah satu contohnya adalah Data Pribadi karyawannya. Sehubungan dengan pemrosesan Data Pribadi karyawannya tersebut khususnya pemrosesan Data Pribadi yang memiliki potensi risiko tinggi, maka PT Bursa Efek Indonesia memiliki kewajiban untuk melakukan penilaian dampak Pelindungan Data Pribadi berdasarkan UU PDP.

---

This article discusses the obligation to assess the impact of personal data protection regarding the processing of personal data on employee personal data carried out by PT Bursa Efek Indonesia. This article was prepared using normative legal research methods based on applicable laws and regulations. Assessment of the impact of Personal Data Protection is a new obligation regulated in Article 34 of Law Number 27 of 2022 concerning Personal Data Protection (PDP Law). An assessment of the impact of Personal Data Protection must be carried out by the Personal Data Controller regarding the processing of Personal Data that has a high potential risk. Even though the Indonesian Stock Exchange is a company that has different characteristics from companies in general, it is obliged to comply with the regulations of the PDP Law. Based on the provisions in the PDP Law, PT Bursa Efek Indonesia has the role of Personal Data Controller and Personal Data Processor. PT Bursa Efek Indonesia as the Personal Data Controller carries out several processes of Personal Data, one of example is the Personal Data of its employees. In connection with the processing of its employees' Personal Data, especially the processing of Personal Data which has the potential for high risk, PT Bursa Efek Indonesia has an obligation to assess the impact of Personal Data Protection based on the PDP Law."