No abstract

Pengangguran merupakan suatu kondisi di mana seseorang tidak mempunyai pekerjaan dan sedang mencari pekerjaan Jika ditelusuri dengan melihat jumlah pengangguran yang terjadi pada tahun 2018 menuju tahun 2019 di Indonesia, trend jumlah pengangguran menunjukkan adanya kenaikan, di mana terjadi kenaikan sebesar 0,64% jumlah pengangguran pada tahun 2019. Selain itu, tingkat pengangguran di Indonesia pada tahun 2019 yaitu sebesar 5,28% masih belum mencapai target tingkat pengangguran terbuka yang telah ditentukan oleh Kementerian Ketenagakerjaan (Kemnaker) Republik Indonesia pada tahun 2019. Hal ini bertolak belakang dengan langkah yang telah ditempuh oleh Kementerian Ketenagakerjaan Republik Indonesia dengan penyediaan lapangan kerja dan peningkatan produktivitas tenaga kerja yang mencapai 109,49%. Oleh sebab itu, diduga terdapat faktor-faktor yang memengaruhi jumlah pengangguran di Indonesia. Pada penelitian ini menggunakan metode Generalized Poisson Regression dan Regresi Binomial Negatif untuk mendapatkan model terbaik yang dapat merepresentasikan faktor-faktor yang berpengaruh terhadap jumlah pengangguran. Sumber data yang digunakan pada penelitian ini merupakan data sekunder jumlah pengangguran dan faktor-faktor yang diduga berpengaruh di mana data tersebut diambil dari publikasi Badan Pusat Statistik (BPS). Didapatkan hasil pada pemodelan terbaik dengan menggunakan regresi binomial negatif di mana variabel yang berpengaruh signifikan terhadap jumlah pengangguran yaitu jumlah penduduk dan jumlah usaha mikro dan kecil yang terdapat di masing-masing provinsi. Model yang diperoleh diharapkan pemerintah pusat maupun daerah dapat lebih memperhatikan faktor tersebut untuk mengatasi permasalahan pengangguran di Indonesia.

In essence, data in real-life always needs to be pre-processed or better known as pre-processing data. Preprocessing data is one of the early techniques for converting raw data from various sources into cleaner information that can be used for further analysis. There are three types of pre-processing data, missing values, checking outlier data, and identifying the types of distribution in the data. Currently, statistical software that offers to be used in pre-processing data analysis has been widely and is quite familiar. However, the user is often can not run the analysis quickly. Therefore, the idea is to create and develop an application or dashboard that can be used to solve these problems. The application are designed using the updated technology, where users can use menus that are designed practically in order to pre-processing data. The application this at is offered and trying to be developed is called "DPD (Dashboard Pre-Processing Data)". This application serves as a tool to pre-process data quickly and efficiently. In addition, with this application, it's expected that users can identify missing values, data outliers, and some types of data distribution, so users can determine the analysis method that will be used on the research data they have.

Salah satu target pembangunan berkelanjutan (Sustainable Development Goals/SDGs) adalah meningkatkan kualitas pendidikan. Kualitas pendidikan dapat dilihat dari tingkat Indeks Pembangunan Manusia (IPM). Salah satu unsur yang digunakan untuk menghitung IPM, yaitu angka melek huruf, di mana hal tersebut dapat ditingkatkan melalui minat baca. Kota Surabaya merupakan kota besar di Indonesia, di mana minat baca di Kota Surabaya sudah tergolong tinggi.  Tingginya minat baca tersebut, diduga terdapat faktor memengaruhi, seperti faktor teknologi, peran sekolah, peran orang tua dan metode bercerita. Untuk mengetahui faktor mana yang sebenarnya berpengaruh secara signifikan maka dianalisis dengan menggunakan metode Structural Equation Modelling (SEM). Hasil analisis menyimpulkan bahwa peran orang tua dan peran sekolah merupakan faktor yang berpengaruh signifikan terhadap minat baca siswa SD/sederajat di Kota Surabaya. Sedangkan teknologi dan metode bercerita tidak berpengaruh signifikan terhadap minat baca siswa SD/sederajat di Kota Surabaya.