No abstract

The novel coronavirus disease (COVID-19) has been rapidly spreading, causing a severe health crisis all around the world, including Indonesia.  As expected, due to Indonesia’s diverse topography and population, there are variations in the number of cases amongst its provinces.  Therefore clustering is needed to develop a map of COVID-19 cases to enable optimal handling of this pandemic. The provinces are clustered using K-means method according to their respective COVID-19 case numbers. Data taken from Indonesian Ministry of Health in November 2020 is used in this study, covering COVID-19 cases in Indonesia’s 34 provinces. K-means results in seven optimal clusters with variance ratio of 0.185. Clusters 1 to 3 cover most provinces in Java, including DKI Jakarta in Cluster 1 as the province with the most cases. Each of Clusters 4 and 5 consists of 5 provinces, while each of Clusters 6 and 7 consists of 10 provinces.  Cluster 7 comprises provinces with lowest cases of COVID-19.

Ikan merupakan salah satu produk pangan hewani yang memiliki kontribusi cukup besar terhadap konsumsi protein penduduk di Indonesia. Dari tahun ke tahun tingkat konsumsi ikan terus meningkat; namun ironisnya, tingkat konsumsi ikan di Indonesia masih tergolong rendah. Selain itu, data menunjukkan bahwa persebaran konsumsi ikan nasional per pulau selama ini tidak merata. Tingginya disparitas tingkat konsumsi ikan di Jawa atau Kawasan Barat Indonesia dengan Kawasan Timur Indonesia menyebabkan tingkat konsumsi ikan nasional relatif rendah. Salah satu cara yang dapat digunakan untuk memantau tingkat kecukupan konsumsi ikan dengan mudah adalah dengan mengelompokkannya di seluruh Indonesia. Dengan adanya klasterisasi kemudian pemetaan, perencanaan, monitoring dan evaluasi, serta sistem peringatan dini masalah kelangkaan konsumsi dapat dilakukan dengan baik. Kajian ini dilakukan dengan tujuan untuk menilai tingkat konsumsi ikan di Indonesia dengan cara mengelompokkan dan memetakannya; sehingga dapat dirumuskan rekomendasi kebijakan peningkatan konsumsi ikan penduduk Indonesia secara akurat. Data yang digunakan dalam penelitian ini adalah data sekunder SUSENAS 2019 yang diselenggarakan oleh Badan Pusat Statistik. Variabel yang digunakan dalam penelitian ini adalah tingkat konsumsi ikan, tingkat partisipasi, dan tingkat pengeluaran untuk ikan. Pengelompokan dilakukan berdasarkan metode cluster K-means. Hasil analisis menunjukkan bahwa jumlah cluster yang optimal dengan rasio variance terkecil adalah 5 cluster. Klaster 1 dengan tingkat konsumsi, partisipasi dan pengeluaran ikan terendah adalah provinsi Daerah Istimewa Yogyakarta dan Jawa Tengah. Klaster 2 terdiri dari 5 provinsi yaitu Lampung, Jawa Barat, Jawa Timur, Bali, Nusa Tenggara Timur. Klaster 3 terdiri dari 8 provinsi, yaitu Sumatera Barat, Sumatera Selatan, Bengkulu, Banten, Nusa Tenggara Barat, Sulawesi Tengah, Gorontalo, dan Sulawesi Barat. Klaster 4 terdiri dari 11 provinsi yaitu Sumatera Utara, Jambi, DKI Jakarta, Kalimantan Barat, Kalimantan Selatan, Sulawesi Utara, Sulawesi Tenggara, Maluku, Maluku Utara dan Papua. Sedangkan cluster 5 dengan tingkat konsumsi, partisipasi, dan pengeluaran ikan tertinggi terdiri dari 8 provinsi, yaitu Aceh, Riau, Kepulauan Bangka Belitung, Kepulauan Riau, Kalimantan Tengah, Kalimantan Timur, Kalimantan Utara, dan Papua Barat

ABSTRAKTulisan ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi permintaan produk ikan penduduk Indonesia dan menduga elastisitas harga dan pendapatan beberapa kelompok ikan menurut kelompok pendapatan. Data yang digunakan adalah data SUSENAS 2008 modul konsumsi rumahtangga yang diperoleh dari Badan Pusat Statistik. Metode multistage budgetting approach dengan pendekatan model Quadratic Almost Ideal Demand System (QUAIDS) digunakan dalam penelitian ini.Hasil analisis menunjukkan bahwa pendugaan permintaan dengan model QUAIDS memberikan hasil cukup baik. Nilai dugaan koefisien sistem permintaan ikan menunjukkan bahwa semua peubah berpengaruh signifikan terhadap fungsi permintaan kelompok ikan dengan nilai koefisien determinasi sistem 67,3%. Dugaan koefisien peubah wilayah perkotaanperdesaan, peubah jumlah anggota rumah tangga, serta peubah dummy wilayah kepulauan semua bertanda positif. Nilai elastisitas pengeluaran ikan terhadap total pengeluaran pangan untuk semua kelompok pendapatan lebih besar dari dari satu (elastis) dengan kisaran 1,7 sampai 3,9; nilainya semakin kecil dengan semakin meningkatnya pendapatan. Elastisitas pengeluaran kelompok ikan terhadap total pengeluaran ikan semua juga bertanda positif dengan nilai berkisar dari 1,1 sampai 2,9. Hal ini menunjukkan bahwa keempat kelompok ikan yang dianalisis merupakan barang normal. Bila pengeluaran rumahtangga untuk seluruh ikan naik 1%, maka permintaan terhadap kelompok ikan yang dimaksud akan naik sebesar hampir 3%. Elastisitas harga kelompok ikan segar dan ikan awetan pada semua kelompok pendapatan bertanda negatif dengan nilai berkisar dari -0,4 sampai -0,8; sedangkan elastisitas harga untuk udang/hewan air lain (bukan ikan) yang diawetkan adalah -1. Kata Kunci: permintaan ikan, model QUAIDS, elastisitas pendapatan, elastisitas harga

Model regresi merupakan model yang digunakan untuk menggambarkan hubungan antara variabel bebas dan tidak bebas. Salah satu metode yang sering digunakan untuk menduga parameter model regresi adalah metode OLS (Ordinary Least Square). Dalam model regresi dimungkinkan terdapat outlier (pencilan) yang menyebabkan beberapa asumsi regresi tidak terpenuhi sehingga nilai prediksi menjadi kurang akurat oleh karena itu digunakan metode yang dapat menangani data outlier. Salah satunya adalah metode regresi robust dengan menggunakan estimasi S (Scale) dan MM (Methode of Moment) karena memiliki breakpoint (jumlah maksimum data pencilan yang dapat ditoleransi oleh sebuah model) yang tinggi. Penelitian ini bertujuan untuk menerapkan dan membandingkan estimasi OLS, estimasi S dan estimasi MM yang mengandung data pencilan. Data yang digunakan adalah data sekunder berupa kemampuan membaca sekelompok anak yang berumur 4 sampai 7 tahun, umur, skor daya ingat dan IQ. Hasil penelitian menunjukkan metode regresi robust estimasi S merupakan metode terbaik dibandingkan estimasi OLS & estimasi MM karena memiliki nilai R2 tertinggi yaitu sebesar 94,29%. Berdasarkan metode estimasi S diperoleh model  dengan Y adalah skor membaca anak-anak yang berumur 4 sampai 7 tahun, X1adalah umur, X2 adalah skor daya ingat dan X3 adalah IQ.