Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Studi ini bertujuan melihat peran amenitis (fasilitas) terhadap perbedaan upah dan sewa antar kabupaten/kota di Indonesia. Indeks fasilitas adalah karakteristik spesifik daerah yang mencakup fasilitas umum. Penelitian ini menggunakan data Badan Pusat Statistik dari 231 kabupaten perkotaan di Indonesia, yaitu dari Podes, Sakernas dan Susenas tahun 2008, 2011, 2014. Teknik analisis ekonometrik simultan-panel-spasial digunakan dalam studi. Studi ini menemukan bahwa indeks fasilitas seperti pendidikan umum, aksesibilitas, fasilitas komersial dan bisnis dapat menjelaskan perbedaan upah regional. Aksesibilitas, fasilitas komersial, area bisnis dan fasilitas hiburan menjelaskan perbedaan sewa regional. Indeks fasilitas di suatu daerah berperan menjelaskan upah atau sewa antar daerah. ......This study examines the role of amenities on differences in wages and rents between districts in Indonesia, controlling spatial effects. Amenities are specific facilities that include public facilities in an index. Secondary data from 231 urban districts are combined from Podes, Sakernas, and Susenas in 2008, 2011, and 2014 from BPS. A SAR model is used in this study. This study finds that general education, accessibility, and commercial and business facilities indices can explain regional wage differences. Accessibility, and commercial, business, and entertainment facilities explain regional rental differences. Amenities play a role in explaining wages or rents between regions.

Abstrak :
ABSTRAK
Dalam rangka mewujudkan kesejahteraan masyarakat, maka diperlukan pembangunan secara kontinyu di berbagai bidang. Guna mengetahui tingkat kesejahteraan masyarakat di suatu wilayah, salah satunya dapat dilihat dari tingkat kerentanan kemiskinan di wilayah tersebut. Permasalahan kemiskinan bersifat kompleks dan multidimensional. Kemiskinan tidak hanya berkaitan dengan pemenuhan kebutuhan pokok, namun dapat terkait pula dengan aksesibilitas serta kualitas kesehatan dan pendidikan masyarakat. Di samping itu, kondisi spasial juga dapat memengaruhi pola kemiskinan di berbagai wilayah. Pola kemiskinan di suatu wilayah dapat dipengaruhi oleh pola kemiskinan di wilayah lain yang bertetangga dengan wilayah tersebut. Penelitian ini bertujuan untuk menganalisis pengaruh dimensi kesehatan dan pendidikan terhadap kemiskinan dan mengidentifikasi efek spasial antarkecamatan terkait kualitas, kuantitas, pertumbuhan, serta kapasitas pelayanan kesehatan dan pendidikan dalam hubungannya dengan kondisi kemiskinan pada 47 kecamatan di Kabupaten Sukabumi. Penelitian dilakukan berdasarkan data sekunder yang diperoleh dari berbagai instansi dan lembaga, yang meliputi data demografi, data aksesibilitas dan spasial, serta data indikator dan fasilitas infrastruktur kesehatan dan pendidikan, dengan menggunakan metode estimasi regresi data panel klasik dan spasial serta analisis Skalogram dan Indeks Sentralitas Marshal ISM . Hasil estimasi menunjukkan bahwa model terbaik yang mampu menggambarkan pengaruh kesehatan dan pendidikan terhadap kemiskinan di Kabupaten Sukabumi adalah Spatial Durbin Model SDM . Model SDM ini membuktikan bahwa selain berpengaruh pada variabel terikat tingkat kemiskinan , efek spasial juga saling memengaruhi tujuh variabel bebas yang terdapat pada model persamaan, yaitu Angka Kematian Ibu AKI , Angka Kematian Bayi AKB , prevalensi gizi buruk balita, rasio fasilitas kesehatan ibu dan anak terhadap jumlah ibu dan balita, jumlah fasilitas kesehatan umum, Angka Partisipasi Kasar APK jenjang SMA, dan rasio fasilitas infrastruktur Sekolah Dasar sederajat terhadap jumlah penduduk usia 7-12 tahun. Sementara itu, hasil analisis Skalogram dan ISM menunjukkan bahwa efek spasial juga terlihat pada tingkat pertumbuhan serta kapasitas pelayanan fasilitas kesehatan dan pendidikan di Kabupaten Sukabumi, dimana wilayah-wilayah dengan corak perkotaan berada pada hierarki tertinggi.

---

ABSTRACT
Progressing to welfare society requires sustainable development on every sector. One of the key indicators to acknowledge society rsquo s welfare is the vulnerability poverty rate within the region. Poverty is complex and multidimensional. It is not entirely related to basic needs, but also accessibility and quality of health and education. In addition, spatial condition could influence poverty pattern surround the neighboring area. This study aims to analyze the health and education dimension on poverty and identify spatial effect among districts on quality, quantity, growth and capacity of health and education services in 47 districts in Sukabumi Regency. This study used data consist of demographic, accessibility and spatial data taken from certain agencies. These data were estimated and analyzed by classical and spatial data panel method, Scalogram and Marshal rsquo s Centrality Index MCI . The best model to describe the impact of health and education to poverty in Sukabumi Regency is Spatial Durbin Model SDM . This model proves spatial effect influenced not only poverty rate but also Maternal Mortality Rate MMR , Infant Mortality Rate IMR , child malnutrition prevalence, the ratio of maternal and child health facilities to the number of maternals and infants, general health facilities, Gross Enrollment Rate GER of Upper Secondary Education, and infrastructure ratio of elementary school to numbers of population age 7 12 years old. Meanwhile, Scalogram and MCI analysis result shows that spatial effect contribute to growth rate, health and education facilities and services in Sukabumi Regency where urban areas hold the highest hierarchy.

Abstrak :
Coronavirus Disease 2019 (COVID-19) adalah suatu penyakit menular yang disebabkan oleh jenis baru dari coronavirus yang belum pernah ditemukan sebelumnya. COVID-19 pertama kali ditemukan di daerah Wuhan, China pada tanggal 31 Desember 2019.Organisasi Kesehatan Dunia (WHO) telah resmi menetapkan COVID-19 sebagai pandemi sejak 11 Maret 2020 dan mengimbau negara-negara untuk mengambil tindakan sesegera mungkin untuk mencegah infeksi, menyelamatkan nyawa, dan meminimalkan dampak COVID-19. Berdasarkan data WHO, diketahui ada lebih dari 200 juta kasus terkonfirmasi dan lebih dari 3 juta kematian akibat COVID-19 hingga saat ini. Penelitian ini bertujuan untuk menganalisis hubungan jumlah kasus COVID-19 dengan faktor-faktor yang mempengaruhinya di Pulau Jawa. Data dalam penelitian ini berasal dari Badan Pusat Statistik (BPS) dan Satgas COVID-19. Penelitian ini menggunakan metode analisis data berupa Regresi Linier Berganda dan Geographically Weighed Negative Binomial Regression (GWNBR). Hasil penelitian ini dengan menggunakan model GWNBR, terdapat 4 variabel yang mempengaruhi jumlah kasus COVID-19 di Pulau Jawa, yaitu jumlah penduduk, pengeluaran per kapita, persentase lansia, dan jumlah tenaga kesehatan. Jumlah penduduk dan pengeluaran per kapita berpengaruh positif terhadap jumlah kasus COVID-19, sedangkan persentase lansia dan jumlah tenaga kesehatan berpengaruh berbeda-beda. ......Coronavirus Disease 2019 (COVID-19) is an infectious disease caused by a new type of coronavirus that has never been detected before but was first discovered in Wuhan, China on December 31, 2019. The World Health Organization (WHO) officially classified this disease as a pandemic on March 11, 2020 and urged countries to take immediate action to prevent further infections in order to save lives and minimize its impact. The WHO data showed that there have been over 200 million confirmed cases and more than 3 million deaths up to the present moment. Therefore, this study aims to analyze the relationship between the number of COVID-19 cases and its influencing factors in Java. Data were obtained from Badan Pusat Statistik (BPS) and Satgas COVID-19, and analyzed using Multiple Linear Regression and Geographically Weighted Negative Binomial Regression (GWNBR). The results of the GWNBR model showed that there are 4 variables affecting the number of COVID-19 cases which include population, per capita expenditure, the elderly percentage, and the number of healthcare workers. It was discovered that the population and per capita expenditure have a positive effect on the number of cases while the elderly percentage and the number of healthcare workers have varying effects.