Pemodelan Faktor-Faktor yang Berpengaruh Terhadap Kemiskinan dengan Efek Spasial di Provinsi Papua

PROPOSAL PENELITIAN PNBP

PEMODELAN FAKTOR-FAKTOR YANG BERPENGARUH TERHADAP KEMISKINAN DENGAN EFEK SPASIAL DI PROVINSI PAPUA

OLEH :

Nicea Roona Paranoan, M.Si. (Ketua) NIP. 19950312 202203 2 008

Caecilia Bintang Girik Allo, M. Stat. (Anggota) NIP. 19951021 202203 2 016

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS CENDERAWASIH

FEBRUARI, 2024

STATISTIKA

ii

iii DAFTAR ISI

DAFTAR ISI ... iii

A. JUDUL ... iv

B. RINGKASAN PROPOSAL ... iv

C. PENDAHULUAN... 1

1. Latar Belakang ... 1

2. Tujuan dan Manfaat Penelitian ... 2

D. TINJAUAN PUSTAKA DAN PETA JALAN (ROAD MAP) PENELITIAN 2 1. Regresi Ordinary Least Square ... 2

2. Spatial Autoregressive (SAR) ... 3

3. Estimasi Parameter Spatial Autoregressive Model (SAR) ... 5

4. Road Map Penelitian ... 5

E. METODE PENELITIAN ... 6

1. Sumber Data, Variabel Penelitian, dan Teknik Pengumpulan Data ... 6

2. Tahapan Analisis Data ... 6

3. Luaran dan Indikator Capaian ... 7

4. Tugas Anggota Pengusul ... 7

F. JADWAL PENELITIAN ... 7

G. DAFTAR PUSTAKA... 8

H. JUSTIFIKASI ANGGARAN ... 8

I. LAMPIRAN ... 11

BIODATA PENELITI ... 11

CAPAIAN LUARAN PENELITIAN ... 17

SURAT PERNYATAAN JUDUL TIDAK PERNAH DIDANAI ... 18

SURAT PERNYATAAN KESEDIAAN ANGGOTA ... 19

iv A. JUDUL

“Pemodelan Faktor-Faktor yang Berpengaruh Terhadap Kemiskinan dengan Efek Spasial di Provinsi Papua”

B. RINGKASAN PROPOSAL

Salah satu masalah sosial yang disebabkan faktor ekonomi adalah kemiskinan.

Kemiskinan merupakan masalah sosial yang serius dan hingga saat ini masih dihadapi oleh pemerintah Indonesia. Provinsi Papua merupakan wilayah yang memiliki persentase penduduk miskin tertinggi di Indonesia dari tahun 2020 hingga 2023. Provinsi Papua memiliki sumber daya alam yang melimpah dan potensi yang besar untuk dimanfaatkan bagi kesejahteraan masyarakat. Akan tetapi, pemanfaatan sumber daya alam tersebut belum mampu meningkatkan kesejahteraan masyarakat Papua, sehingga perlu dilakukan penelitian mengenai faktor-faktor apa saja yang mempengaruhi kemiskinan di Provinsi Papua menggunakan analisis spasial.

Melalui pendekatan spasial, dapat diketahui distribusi spasial dari kemiskinan beserta faktor-faktor yang mempengaruhinya dan dapat mengidentifikasi pola-pola yang mungkin terjadi pada Kabupaten/Kota di Provinsi Papua. Tahapan awal yang dilakukan pada penelitian ini yaitu mengumpulkan data persentase penduduk miskin dan faktor-faktor yang diduga mempengaruhi kemiskinan di Provinsi Papua, kemudian mendeskripsikan data penelitian, mendapatkan model regresi klasik (Ordinary Least Square). Langkah selanjutnya adalah membuat matriks pembobot spasial yang akan digunakan untuk menguji efek spasial pada sebaran data, kemudian melakukan uji dependensi spasial dengan Moran’s I dan penggandaan Lagrange Multiplier (LM). Setelah itu, dipilih model regresi yang sesuai dengan uji LM lalu dilakukan estimasi dan pemodelan SAR. Langkah akhir adalah menginterpretasikan model terbaik dan menarik kesimpulan. Luaran yang ditargetkan dalam penelitian ini adalah jurnal nasional terakreditasi.

Kata kunci : Kemiskinan, Lagrange Multiplier, Moran’s I, Ordinary Least Square

1 C. PENDAHULUAN

1. Latar Belakang

Permasalahan yang masih harus ditangani hingga saat ini baik secara nasional maupun regional yaitu kemiskinan. Kemiskinan adalah masalah sosial yang kompleks dan mempengaruhi berbagai aspek kehidupan manusia. Kemiskinan tidak hanya menimbulkan masalah sosial tetapi juga menimbulkan masalah dalam pertumbuhan ekonomi. Dengan semakin meningkatnya pertumbuhan ekonomi diharapkan dapat mengurangi tingkat kemiskinan. Tujuan pertumbuhan ekonomi lebih sulit dicapai apabila tingkat kemiskinan tinggi. Daya beli masyarakat akan turun karena pendapatan menurun, sehingga tidak mampu menyediakan kebutuhan pokok yang seharusnya dapat meningkatkan taraf hidup (Trisno et al., 2021).

Indonesia merupakan negara yang berkembang dengan masalah kemiskinan masih menjadi perhatian utama. Hal ini terlihat dari tingginya tingkat kemiskinan di beberapa provinsi di Indonesia. Provinsi Papua merupakan wilayah di Indonesia yang memiliki presentase penduduk miskin tertinggi. Berdasarkan hasil survei Badan Pusat Statistik (2021), pada bulan September 2020 sebesar 26,80 persen dan mengalami peningkatan menjadi 26,86 persen pada Maret 2021. Walaupun persentase penduduk miskin pada tahun 2023 tercatat sebesar 26,06 persen yang dapat dikatakan mengalami penurunan, angka tersebut masih menjadikan Provinsi Papua sebagai wilayah dengan tingkat kemiskinan tertinggi di Indonesia. Masalah kemiskinan yang terjadi di Provinsi Papua merupakan salah satu persoalan yang sangat penting untuk ditindak lanjuti oleh pemerintah daerah. Riani (2012) dalam penelitiannya mengatakan bahwa Provinsi Papua memiliki sumber daya alam yang melimpah diantaranya hasil perikanan, perkebunan, kehutanan dan lain lain serta memiliki potensi yang besar untuk dimanfaatkan bagi kesejahteraan masyarakat.

Namun pada kenyataannya, pemanfaatan sumber daya alam tersebut belum mampu meningkatkan kesejahteraan masyarakat Papua. Dengan demikian perlu dilakukan penelitian mengenai faktor-faktor yang mempengaruhi kemiskinan di Provinsi Papua.

Salah satu metode yang dapat digunakan untuk mengetahui faktor apa saja yang berpengaruh terhadap kemiskinan adalah analisis regresi spasial. Pemodelan dengan regresi spasial digunakan apabila terdapat korelasi antar satu lokasi dengan

2

lokasi lainnya yang saling berdekatan sehingga disebut dengan dependensi spasial.

Regresi spasial dapat memodelkan efek ketergantungan spasial, yang dimana terdapat hubungan antara nilai di suatu lokasi dengan nilai di lokasi-lokasi tetangganya. Dalam hal ini, efek tersebut kurang dapat dijelaskan dalam pemodelan dengan regresi linear berganda. Model yang dapat mengatasi dependensi spasial salah satunya adalah Spatial Autoregressive Model (SAR). Model SAR merupakan model regresi linear yang pada variabel dependennya terdapat korelasi spasial (Akolo, 2022). Dengan demikian, penelitian ini bertujuan faktor-faktor yang mempengaruhi kemiskinan dengan efek spasial pada Kabupaten/Kota di Provinsi Papua. Melalui pendekatan ini, dapat diketahui distribusi spasial dari kemiskinan beserta faktor-faktor yang mempengaruhinya dan dapat mengidentifikasi pola-pola yang mungkin terjadi pada Kabupaten/Kota di Provinsi Papua.

2. Tujuan dan Manfaat Penelitian

Adapun tujuan dari penelitian ini adalah sebagai berikut:

a. Dapat memberikan kontribusi terhadap perkembangan ilmu pengetahuan dalam bidang statistika.

b. Dapat memberikan gambaran kepada pemerintah sebagai bahan pertimbangan dalam mengambil kebijakan agar dapat terus meningkatkan kesejahteraan penduduk di Provinsi Papua.

D. TINJAUAN PUSTAKA DAN PETA JALAN (ROAD MAP) PENELITIAN 1. Regresi Ordinary Least Square

Analisis regresi merupakan alat statistika yang banyak digunakan di berbagai bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel respon dan variabel prediktor. Persamaan regresi klasik (OLS) adalah persamaan regresi dengan satu variabel respon dengan lebih dari satau variabel prediktor 𝑋₁, 𝑋₂, … , 𝑋_𝑛. Hubungan antara variabel tersebut dapat dirumuskan dalam bentuk model :

𝑌 = 𝛽₀+ 𝛽₁𝑋₁+ 𝛽₂𝑋₂+ ⋯ + 𝛽_𝑛𝑋_𝑛 + 𝜀 (1) Dimana :

Y : Variabel respon

𝑋₁, 𝑋₂, … , 𝑋_𝑛 : Variabel prediktor 𝛽₀ : Konstanta

3 𝛽₁, 𝛽₂, … , 𝛽_𝑛 : Koefisien regresi

𝜀 : Error

Pengujian kesesuaian model secara serentak dilakukan dengan hipotesis berikut:

𝐻₀: 𝛽₁ = 𝛽₂ = ⋯ = 𝛽_𝑝 = 0

𝐻₁: Paling sedikit ada satu 𝛽_𝑘 ≠ 0, 𝑘 = 1,2, … , 𝑝 Statistik uji dalam pengujian tersebut adalah :

𝐹_ℎ𝑖𝑡 = ^𝑀𝑆𝑅

𝑀𝑆𝐸 (2)

MSR : Mean Square Regression (Rataan Kuadrat Regresi) MSE : Mean Square Error (Rataan Kuadrat Sisa)

Dengan keputusan model regresi sesuai untuk data yang digunakan jika 𝐹_ℎ𝑖𝑡>

𝐹_{𝛼,𝑣1𝑣2} dimana 𝑣₁ = 𝑝 𝑑𝑎𝑛 𝑣₂ = (𝑛 − 𝑝 − 1)

Untuk mengetahui variabel mana saja yang secara statistik signifikan mempengaruhi variabel respon dilakukan uji signifikansi parsial dengan hipotesis:

𝐻₀: 𝛽_𝑘 = 0

𝐻₁: 𝛽_𝑘 ≠ 0, 𝑘 = 1,2, … , 𝑝

Statistik uji yang digunakan dalam pengujian parsial adalah : 𝑡_ℎ𝑖𝑡 = ^𝛽̂𝑘

𝑠𝑒(𝛽̂ )𝑘 = ^𝛽̂𝑘

√𝑣𝑎𝑟(𝛽̂_𝑘)

~𝑡^𝛼

2,𝑛−𝑝−1 dimana 𝑑𝑓 = 𝑛 − 𝑝 − 1

Dimana 𝛽̂_𝑘 adalah nilai estimasi 𝛽_𝑘 (yang diperoleh dari metode OLS) dan 𝑠𝑒(𝛽̂_𝑘) adalah standard error bagi 𝛽_𝑘.

Keputusan yang diambil dapat diperoleh dari perbandingan nilai 𝑡_ℎ𝑖𝑡 dengan nilai 𝑡_{𝑡𝑎𝑏𝑒𝑙} (𝑡₍^𝑎

2,𝑛−𝑝−1)) atau bisa juga dilakukan dengan melihat nilai signifikansinya. Kriteria pengambilan keputusannya adalah tolak 𝐻₀ ketika 𝑡_ℎ𝑖𝑡 >

𝑡₍^𝑎

2;𝑛−𝑝−1) atau p-𝑣𝑎𝑙𝑢𝑒 ≤ 𝛼 (Kurniawan dan Yuniarto, 2016).

2. Spatial Autoregressive (SAR)

Spatial Autoregressive (SAR) merupakan salah satu model spasial pendekatan area dengan mengkombinasikan model regresi sederhana dengan spasial lag pada variabel dependen dengan menggunakan data cross section (Anselin, 1988). Jika 𝜌 ≠ 0 dan 𝜆 = 0 maka model tersebut merupakan model Spatial Autoregressive.

Bentuk umum SAR adalah sebagai berikut:

4 𝒚 = 𝜌𝑾𝒚 + 𝑿𝜷 + 𝜺

𝜺~𝑁(0, 𝜎²𝑰) Dimana:

𝒚 : Vektor variabel dependen berukuran 𝑛 × 1 𝜌 : Parameter koefisien spasial lag variabel dependen

𝑾𝒚 : Matriks pembobot spasial variabel dependen berukuran 𝑛 × 𝑛 𝜷 : Vektor parameter koefisien regresi berukuran (𝑝 + 1) × 1 𝑿 : Matriks variabel independen berukuran 𝑛 × (𝑝 + 1) 𝜺 : Vektor error berukuran 𝑛 × 1

𝑛 : Jumlah lokasi pengamatan

𝑰 : Matriks identitas dengan ukuran 𝑛 × 𝑛 Persamaan diatas dapat diekspresikan menjadi : 𝒚 − 𝜌𝑾𝒚 = 𝑿𝜷 + 𝜺 (𝑰 − 𝜌𝑾)𝒚 = 𝑿𝜷 + 𝜺

𝜺 = (𝑰 − 𝜌𝑾)𝒚 − 𝑿𝜷 (3) Estimasi parameter model SAR dengan menggunakan MLE, membentuk fungsi likelihood (𝐿) dari 𝜀 dan fungsi likelihood dari variabel 𝑦 seperti pada persamaan berikut.

𝐿(𝜎²; 𝜺) = ( 1 2𝜋𝜎²)

𝑛⁄2

exp (− 1

2𝜎²(𝜺^𝑇𝜺)) (4) 𝐿(𝜌, 𝛽, 𝜎²|𝑦) = ( 1

2𝜋𝜎²)

𝑛⁄2

(𝑱)exp (− 1

2𝜎²(𝜺^𝑇𝜺)) (5) 𝐿(𝜌, 𝛽, 𝜎²|𝑦) = ( 1

2𝜋𝜎²)

𝑛⁄2

|𝑰 − 𝜌𝑾|exp (− 1

2𝜎²[((𝑰 − 𝜌𝑾)𝒚

− 𝑿𝜷)^𝑇((𝑰 − 𝜌𝑾)𝒚 − 𝑿𝜷)])

(6)

Sehingga dengan memaksimalkan fungsi pada persamaan (6), operasi logaritma natural likelihood maka didapatkan persamaan berikut :

ln(𝐿) = −𝑛

2ln(2𝜋) −𝑛

2ln(σ²) + ln|𝑰 − 𝜌𝑾| − 1

2𝜎²[( (𝑰 − 𝜌𝑾)𝒚

− 𝑿𝜷)^𝑇((𝑰 − 𝜌𝑾)𝒚 − 𝑿𝜷)] (7)

5

Pada model SAR ini pendugaan parameternya menggunakan metode kemungkinan maksimum (Maximum Log Likelihood) dimana setiap parameter yang belum diketahui diperoleh dengan memaksimumkan suatu fungsi kemungkinan (likelihood function) (Yasin, et al, 2020).

3. Estimasi Parameter Spatial Autoregressive Model (SAR)

Estimasi untuk parameter 𝜎² dan 𝛽 diperoleh dengan memaksimumkan fungsi log likelihood pada persamaan (7). Estimator untuk 𝜎² diperoleh melalui turunan persamaan (7) terhadap 𝜎², sehingga didapatkan estimator parameter untuk 𝜎² sebagai berikut :

𝜎̂² =((𝑰 − 𝜌𝑾)𝒚 − 𝑿𝜷)^𝑇((𝑰 − 𝜌𝑾)𝒚 − 𝑿𝜷) 𝑛

(8) Estimasi untuk parameter 𝜷 diperoleh dengan cara yang sama yaitu memaksimumkan ln likelihood melalui turunan persamaan (7) terhadap 𝛽, sehingga didapatkan estimator parameter untuk 𝛽 sebagai berikut :

𝜷̂ = (𝑿^𝑻𝑿)^−𝟏𝑿^𝑻𝒚 − 𝜌(𝑿^𝑇𝑿)⁻¹𝑿^𝑇𝑾𝒚 (9) 4. Road Map Penelitian

Peneliti telah menyusun road map penelitian yang terliha pada Gambar 1. Pada tahun 2023, peneliti telah melakukan penelitian mengenai performa algoritma K- Means dan DBSCAN dalam clustering Produk Domestik Regional Bruto di Indonesia. Pada tahun 2024, peneliti ingin melakukan penelitian untuk memperoleh faktor-faktor yang berpengaruh terhadap kemiskinan dengan efek spasial di Provinsi Papua

2023

Pemodelan menggunakan analisis clustering

2024

Pemodelan menggunakan analisis spasial

2025

Pemodelan menggunakan analisis regresi data panel

6 E. METODE PENELITIAN

1. Sumber Data, Variabel Penelitian, dan Teknik Pengumpulan Data

Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh publikasi pemerintah dari Badan Pusat Statistik (BPS) Provinsi Papua dan website Direktorat Jendral Perimbangan Keuangan (DJPK) Kementerian Keuangan. Pada penelitian ini, data yang digunakan yaitu 29 Kabupaten/Kota di Provinsi Papua.

Variabel yang digunakan dalam penelitian ini antara lain.

Tabel 1. Variabel Penelitian

Variabel Keterangan Satuan Variabel Keterangan Satuan 𝑌 Persentase Penduduk

Miskin

Persen 𝑋₅ Jumlah Bidan

Jiwa

𝑋₁ PDRB per kapita Juta 𝑋₆ Jumlah

Panjang Jalan

KM

𝑋₂ Tingkat Pengangguran Terbuka

Persen 𝑋₇ Alokasi Dana Desa

Juta 𝑋₃ Tingkat Partisipasi

Angkatan Kerja

Persen 𝑋₈ Rata-rata Lama Sekolah

Tahun

𝑋₄ Rasio Ketergantungan Persen

2. Tahapan Analisis Data

Terdapat tiga tahapan besar pada penelitian ini sebagai berikut:

Tabel 2. Tahapan Analisis Data

No Tahap Keterangan

1 Pengumpulan Data Peneliti akan bekerja sama untuk mengumpulkan data 9 variabel penelitian dari 29 Kabupaten/Kota di Provinsi Papua.

2 Tahap Analisis Data Pada tahap ini akan dilakukan pengolahan data, yaitu analisis deskriptif, preprocessing data, modeling, evaluasi model, penarikan kesimpulan.

7

3 Tahap Pelaporan Pada tahap ini dilakukan penulisan laporan akhir dan publikasi.

3. Luaran dan Indikator Capaian

Luaran yang ditargetkan pada penelitian ini adalah Submitted pada jurnal nasional terakreditasi. Indikator capaian pada penelitian ini yaitu didapatkan faktor- faktor yang berpengaruh terhadap kemiskinan di Provinsi Papua dengan efek spasial dan laporan akhir penelitian

4. Tugas Anggota Pengusul

Penelitian ini terdiri dari dua orang diantaranya satu orang ketua dan satu orang anggota. Adapun pembagian tugas adalah sebagai berikut:

a. Ketua Peneliti

i. Mengkoordinasi semua kegiatan penelitian

ii. Mencari dan mempelajari literatur yang berkaitan dengan penelitian iii. Mengolah data menggunakan Software

iv. Membuat laporan penelitian dan publikasi jurnal b. Anggota Peneliti

i. Membantu ketua dalam mencari dan mempelajari literatur yang berkaitan dengan penelitian

ii. Mengumpulkan data

iii. Membantu mengolah data menggunakan Software iv. Membantu pembuatan laporan penelitian dan publikasi F. JADWAL PENELITIAN

Kegiatan yang mencakup dalam penelitian ini akan diselesaikan dalam waktu tujuh bulan. Jadwal kegiatan dapat dilihat pada Tabel 2.

Tabel 3. Jadwal Kegiatan Penelitian

No. Uraian Kegiatan Waktu Pelaksanaan (Bulan) 1 2 3 4 5 6 7 8 9 10 11 1 Pembuatan proposal

penelitian

2 Penelusuran referensi

pendukung (buku dan jurnal) 3 Pengambilan data

4 Pengolahan data

8 a. Analisis Deskriptif

b. Preprocessing Data c. Modelling

d. Evaluasi Model e. Kesimpulan 6 Penyusunan laporan akhir,

seminar hasil penelitian dan pembuatan publikasi jurnal G. DAFTAR PUSTAKA

Akolo, I. R. (2022). Perbandingan Matriks Pembobot Rook dan Queen Contiguity dalam Analisis Spatial Autoregressive Model (SAR) dan Spatial Error Model (SEM). Jambura Journal of Probability and Statistics. 3(1): 11-18.

Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers.

Badan Pusat Statistik (BPS). (2022). Papua Dalam Angka 2022. Jayapura: Badan Pusat Statistik Provinsi Papua.

Kurniawan, R. dan Yuniarto, B. 2016. Analisis Regresi: Dasar dan Penerapannya dengan R. Jakarta: Kencana.

Riani, I. A. P., dan Pudjihardjo, M. (2012). Analisis Dampak Pemekaran Wilayah Terhadap Pendapatan Perkapita, Kemiskinan, Dan Ketimpangan Antar Wilayah di Provinsi Papua. Jurnal Bumi Lestari, 12(1), 137–148.

Trisno, T. U., Munajat dan Oktarina, Y. (2021). Pengaruh Kemiskinan Terhadap Indeks Pembangunan Manusia (IPM) Di Provinsi Sumatera Selatan Tahun 2016-2020. Jurnal Bakti Agribisnis, 7(02), 25-32.

Yasin, H., Warsito, B., & Hakim, A. R. 2020. REGRESI SPASIAL (Aplikasi dengan R). Wade Group.

H. JUSTIFIKASI ANGGARAN a. Belanja Pegawai

No. Pelaksana Kegiatan

Jumlah Orang

Satuan (Rp)

Waktu (Jam/minggu/bulan)

Jumlah Biaya (Rp) 1 Asisten 1 9.000 7 jam/ minggu x 6 bulan 1.512.000 2 Teknisi 1 8.000 7 jam/minggu x 5 bulan 1.120.000 Sub Total (Rp) 2.632.000

9 4.2. Peralatan Penunjang

No. Peralatan/ Bahan Volume Satuan Biaya satuan (Rp)

Jumlah biaya (Rp)

1 Hardisk internal 1 buah 800.000 800.000

2 Kabel roll 1 buah 93.000 93.000

3 Flashdisk 2 buah 200.000 400.000

4 Software 1 paket 2.000.000 2.000.000

Sub Total (Rp) 3.293.000 4.3. Belanja Jasa

a. Perjalanan

No. Tujuan Volume Biaya Satuan

(Rp)

Jumlah Biaya (Rp) 1 Transport pengolahan

data 3 org x 10 kali 30.000 900.000

2 Transport rapat

koordinasi 2 org x 10 kali 30.000 600.000

Sub Total (Rp) 1.500.000 b. Bahan habis pakai

No. Material Volume Biaya satuan Jumlah Biaya

(Rp)

1 Kertas A4 4 rim 65.000 260.000

2 Catridges hitam 1 buah 250.000 250.000

3 Catridges warna 1 buah 300.000 300.000

4 Refill tinta hitam 1 buah 150.000 150.000

5 Refill tinta hitam 1 buah 165.000 165.000

6 Fotocopy 1 paket 300.000 300.000

7 Jilid 1 paket 350.000 350.000

8 CD RW 6 buah 25.000 150.000

9 Paket Internet 1 paket 500.000 500.000

10

Sewa jasa plagiarism

checker 1 paket 650.000 650.000

11

Konsumsi pengolahan

data 3 org x 10 kali 50.000 1.500.000

12 Konsumsi rapat 2 org x 10 kali 50.000 1.000.000

Sub Total (Rp) 5.575.000

10 c. Lain-lain

No. Material Volume Biaya Satuan

(Rp)

Jumlah Biaya (Rp) 1 Biaya Publikasi 1 paket 1.000.000

1.000.000

2 Pembuatan laporan 1 paket 1.000.000

1.000.000

Sub Total (Rp)

2.000.000

Total (Rp) 15.000.000

Personalia Tenaga Peneliti Beserta Kualifikasinya

No. Nama/NIDN Kualifikasi Alokasi Waktu

Uraian Tugas Bidang Ilmu (Jam/Minggu)

1 Nicea Roona

Paranoan, M.Si. / 0031088704

Statistika 10 jam/minggu ^1. Mengkoordinasi semua kegiatan penelitian 2. Mencari dan

mempelajari literatur 3. Melakukan

pengolahan data 4. Membuat publikasi

jurnal dan laporan penelitian

5. Membuat laporan penelitian

2 Caeciliia Bintang Girik Allo, M.Stat. / 0021109502

Statistika 9 jam/minggu 1. Membantu mengkaji teori 2. Mengumpulkan data 3. Membantu

pengolahan data 4. Membuat publikasi

jurnal dan laporan penelitian

11 I. LAMPIRAN

BIODATA PENELITI 1. Ketua Peneliti

I. Identitas Diri

1. Nama Lengkap : Nicea Roona Paranoan, M.Si.

2. Jabatan Fungsional : Asisten Ahli

3. NIP : 19950312 202203 2 008

4. NIDN : 0012039504

5. ID SINTA : 6808518

6. Tempat, Tanggal Lahir : Surabaya, 12 Maret 1995

7. Nomor HP : 0812 3476 6734

8. Bidang Keilmuan : Statistik

9. Mata Kuliah yang diampu : 1. Analisis Multivariat 2. Pengantar Data Sains 3. Proses Stokastik 5. Statistika Spasial 6. Ekonometrika 7. Teknik Sampling II. Riwayat Pendidikan

S1 Sarjana S2 Magister

Nama Perguruan Tinggi

Institut Teknologi Sepuluh Nopember Surabaya

Institut Teknologi Bandung

Bidang Ilmu Statistika Aktuaria

Tahun Masuk 2013 2018

Tahun Lulus 2017 2020

Judul Skripsi/Tesis Pemodelan Faktor-Faktor yang Mempengaruhi Indeks Pembangunan Manusia di Provinsi Sumatera Utara Menggunakan Regresi Nonparametrik Spline

Analisis Data Covid-19 di Provinsi Bali Menggunakan Model SIR Rantai Markov Waktu Diskret

Nama Pembimbing Prof. Dr. Drs. I. Nyoman Budiantara, M.Si.

1. Sapto Wahyu Indratno, M.Sc., Ph.D.

12

2. Dumaria R. Tampubolon, M.Sc., Ph.D.

III. Pengalaman Penelitian

No. Tahun Judul Penelitian Pendanaan

Sumber Jumlah (Rp)

1. 2023

Performa Algoritma K-Means dan DBSCAN dalam

Clustering Produk Domestik Regional Bruto di Indonesia

PNBP FMIPA

UNCEN Rp. 20.000.000,-

IV. Pengalaman Penulisan Artikel Ilmiah Dalam Jurnal

No. Tahun Judul Artikel Volume/ Nomor Nama Jurnal

1 2023

Analisis Matematika Pada Penyebaran Virus Nipah (NiV)

dengan Menggunakan Kendali Optimal Metode Pontryagin

Maximum Principle (PMP)

Vol. 2/No. 1

KOLONI:

Jurnal Multidisplin

Ilmu

2. 2023

Perbandingan Metode Klasifikasi Kegagalan Simulasi

Model Iklim

Vol. 2/No. 1

KOLONI:

Jurnal Multidisiplin

Ilmu

3. 2023

Penentuan Rute di Aplikasi Google Maps dengan Menggunakan Graf dan

Algoritma Prim

Vol. 2/No. 1 KOLONI:

Jurnal Multidisiplin

Ilmu

4. 2022

Perbandingan Metode Klasifikasi Decision Tree, Naïve Bayes, K- Nearest Neighbor, dan Logistic Regression pada Dataset Phising

Vol. 1/No. 1

CENDERAWA SIH: Journal of Statistics and Data Science

13 V. Penulisan Buku

No. Tahun Judul Buku Jumlah Halaman Nama Penerbit

VI. Penghargaan yang Pernah Diraih

No. Tahun Jenis Penghargaan Institusi Pemberi

Semua data yang saya isikan dan cantumkan dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi dari Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Cenderawasih.

Demikian biodata ini saya buat dengan sebenar-benarnya untuk memenuhi salah satu persyaratan dalam pengajuan proposal penelitian Universitas Cenderawasih.

Jayapura, 22 Februari 2024 Yang Membuat,

Nicea Roona Paranoan, M.Si.

NIP. 19950312 202203 2 008

14 2. Anggota 1

I. Identitas Diri

1. Nama Lengkap : Caecilia Bintang Girik Allo, M.Stat.

2. Jabatan Fungsional : Asisten Ahli

3. NIP : 19951021 202203 2 016

4. NIDN : 0021109502

5. ID SINTA : 6841766

6. Tempat dan Tanggal Lahir : Sentani, 21 Oktober 1995

7. Nomor HP : 0822 2866 5902

8. Bidang Keilmuan : Statistika 9. Matakuliah yang diampu : 1. Basis Data

2. Data Mining 3. Kalkulus I dan II 4. Kewirausahaan

5. Manajemen Logistik & Rantai Pasok 6. Modern Prediction & Machine

Learning

7. Sociopreneurship

8. Statistika Pengendalian Mutu II. Riwayat Pendidikan

No. Tahun Judul Penelitian Pendanaan

Sumber Jumlah (Rp.) 1. 2023 Performa Algoritma K-

means dan DBSCAN Dalam Clustering Produk Domestik Regional Bruto di Indonesia

PNBP FMIPA Universitas Cenderawasih

Rp.

20.000.000,-

III. Pengalaman Penulisan Artikel Ilmiah dalam Jurnal

No. Tahun Judul Artikel Volume/Nomor Nama Jurnal 1. 2023 Performance of K-Means

and DBSCAN Algorithm in Clustering Gross Regional Domestic Product

Vol. 6/ No. 5 JICP

15

No. Tahun Judul Artikel Volume/Nomor Nama Jurnal 2. 2023 Comparing Logistic

Regression and Support Vector Machine in Breast Cancer Problem

Vol. 4/ No. 1 JAMBURA

3. 2023 Perbandingan Metode Klasifikasi Kegagalan Simulasi Model Iklim

Vol. 2/ No. 1 KOLONI:

Jurnal Multidisplin Ilmu

4. 2023 Penentuan Rute di Aplikasi Google Maps dengan Menggunakan Graf dan Algoritma Prim

Vol. 2/ No. 1 KOLONI:

Jurnal Multidisplin Ilmu

5. 2023 Analisis Matematika Pada Penyebaran Virus Nipah

(NiV) dengan

Menggunakan Kendali Optimal Metode Pontryagin Maximum Principle (PMP)

Vol. 2/ No. 1 KOLONI:

Jurnal Multidisplin Ilmu

IV. Penulisan Buku

No. Tahun Judul Buku Jumlah Halaman Nama Penerbit

V. Penghargaan Yang Pernah Diraih

No. Tahun Jenis Penghargaan Institusi Pemberi

Semua data yang saya isikan dan cantumkan dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima

16

sanksi dari Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Universitas Cenderawasih.

Demikian biodata ini saya buat dengan sebenar-benarnya untuk memenuhi salah satu persyaratan dalam pengajuan proposal penelitian Unoversitas Cenderawasih.

Jayapura, 22 Februari 2024 Yang Membuat,

Caecilia Bintang Girik Allo, M.Stat.

NIP. 19951021 202203 2 016

17

CAPAIAN LUARAN PENELITIAN

18

SURAT PERNYATAAN JUDUL TIDAK PERNAH DIDANAI

19

SURAT PERNYATAAN KESEDIAAN ANGGOTA