Workshop Penulisan Karya Tulis Ilmiah

Presentasi berjudul: "Workshop Penulisan Karya Tulis Ilmiah"— Transcript presentasi:

1 Workshop Penulisan Karya Tulis Ilmiah
Badan Pusat Statistik Kamis, 27 Oktober 2016

2 Apa yang paling sulit dalam menulis karya ilmiah?

3

4 Output yang diharapkan:
Setiap peserta dapat memformulasikan topik karya ilmiah, serta kemungkinan metode analisis yang dapat digunakan

5 7 Jurus Menemukan Topik Sekuensi - Prediksi Komparasi Spesifikasi
Analogi Anomali Eksplorasi Elaborasi

6 Penelitian? Riset Research = Re + Search Re = kembali Search = mencari

7 Baca Data Baca Data Kuncinya:

8 TOPIK PENELITIAN: Gap antara kondisi aktual dengan kondisi ideal
Actual Ideal Gap Masalah Penelitian Faktor penyebab Dampak positif/negatif Prediksi ke depan Solusi untuk mengatasi dsb

9 Gap: masalah penelitian Dampak positif/negatif Solusi untuk mengatasi
Alur Memperoleh Topik Actual Ideal Jumlah wisatawan ke Lombok sangat kecil dibandingkan dengan Bali, tetangganya Nilai Rupiah terdepresiasi, tetapi ekspor cenderung stagnan Pulau Lombok indah, seharusnya mampu menarik banyak wisatawan Teori: Jika nilai tukar terdepresiasi, maka ekspor akan meningkat Gap: masalah penelitian TOPIK Faktor penyebab Dampak positif/negatif Prediksi ke depan Solusi untuk mengatasi dsb What Where When How Why

10

11 Sekuensi - Prediksi Sekuensi – Prediksi. Menggunakan deretan data yang tersedia, untuk memprediksi kondisi ke depan. Auto-prediction. Gunakan deretan data (nilai suatu variabel) yang tersedia, untuk memprediksi nilai variabel itu sendiri pada periode berikutnya. Cross-prediction. Gunakan deretan data (nilai suatu variabel) yang tersedia , untuk memprediksi nilai variabel lain pada periode berikutnya.

12 auto-prediction (forecasting)
Sumber data metode auto-prediction (forecasting) Time series decomposition Trend, cyclic, seasonal, irregular Smothing method Exponential Holt’s Holt - Winters ARIMA, dkk dll Direktorat Statistik Harga. Harga komoditas dalam paket komoditas inflasi Direktorat Statistik Pertanian Produksi komoditas pertanian Internet IHSG, Kurs, dkk (bisa harian) WDI (data series 200-an negara 200-an variabel, sejak 1960) DLL Lebih dari seribu topik dapat dipilih dari sini…!!

13 cross-prediction Indeks produksi industri bulanan (data tersedia cepat), dapat digunakan sebagai proxy pergerakan PDB Indeks Keyakinan Konsumen, Indeks Persepsi Bisnis, bisa digunakan untuk memprediksi performa perekonomian ke depan Pelajari: Coincident indicator Leading indicator Lagging indicator

14 Spesifikasi Spesifikasi. Proses, cara, perbuatan melakukan pemilihan (perincian); Split untuk kasus yang spesifik, kemungkinan ada perbedaan/kekhususan yang menarik Spesifikasi waktu Spesifikasi wilayah/lokasi Spesifikasi gender Spesifikasi kondisi dll

15 contoh Dari SUSENAS, sangat flexible melakukan spesifikasi ini:
Misal: Partisipasi dalam KB (Menurut jenis kelamin, usia, urban/rural, dsb) “Konsumsi kosmetik meningkat ketika pendapatan meningkat”  split, apakah ada perbedaan antara laki-laki dg perempuan “pemerintah membangun infrastruktur fisik untuk menarik investasi”,  split, apakah efek infrastruktur tsb sama antara indonesia timur dengan jawaa Apakah ada perbedaan ekspor-impor dan atau mobilitas pekerja Indonesia setelah dengan sebelum MEA Lakukan spesifikasi ketika: - hubungan tidak signifikan, - ingin memodifikasi suatu teori

16 Sebaik apapun hasil penelitian, kebenarannya bersifat tidak mutlak
Sebaik apapun hasil penelitian, kebenarannya bersifat tidak mutlak. Ada perbedaan / pengecualian untuk kasus-kasus tertentu, baik karena waktu, tempat maupun keadaan. Ekonomi rumah tangga nelayan, umumnya miskin Ada perbedaan antara nelayan di pantai utara Jawa Barat (Karawang, Indramayu dan sekitarnya) dengan nelayan di pantai selatan Jawa Barat. Pantai selatan lebih sejahtera, mengapa? Kenaikan harga BBM, pengaruhnya terhadap konsumsi BBM berbeda antara penduduk kaya dg penduduk miskin Pengaruh Growth thd Pengentasan Kemiskinan berbeda antar daerah Kontrol/split dengan ketimpangan/distribusi pendapatan (mis. Gini)

17 Timpang 1: Gini =< 0.37 (rendah)
Timpang 2: Gini => 0.38 (tinggi)

18 PDRB PERKAPITA TERHADAP KEMISKINAN
Peningkatan PDRB perkapita tidak signifikan dalam menurunkan tingkat kemiskinan The regression equation is MISKIN = CAPPDRB Predictor Coef SE Coef T P Constant CAPPDRB S = R-Sq = 3.6% R-Sq(adj) = 0.4% Torm (2003): riset di 6 negara bekas Soviet. Pertumbuhan ekonomi menurunkan tingkat kemiskinan hanya di 3 dari 6 negara yang diteliti. Pertumbuhan ekonomi harus employment-intensive, sehingga meningkatkan produktivitas TK, meningkatkan income dan menurunkan kemiskinan Blank and Card (1993): pertumbuhan ekonomi di masa kini menjadi kurang sensitif terhadap penurunan tingkat kemiskinan dibandingkan dengan situasi 1960s (studi di US). Formby et all (2001): efek pertumbuhan ekonomi terhadap penurunan kemiskinan menurun (studi di US)

19 PDRB PERKAPITA TERHADAP KEMISKINAN
Pengaruh PDRB perkapita terhadap penurunan kemiskinan, tergantung pada tingkat kesenjangan yang terjadi. The regression equation is MISKIN = CAPPDRB GINI*CAPPDRB Predictor Coef SE Coef T P Constant CAPPDRB GINI*CAPPDRB R-Sq = 15.9% R-Sq(adj) = 15.0% Perubahan tingkat kemiskinan untuk setiap unit peningkatan PDRB Perkapita, JIKA TIDAK ADA PERUBAHAN DLM KESENJANGAN Perubahan tingkat kemiskinan untuk setiap unit peningkatan KESENJANGAN (RASIO GINI), pada tingkat PDRB Perkapita Tertentu

20 Analogi Analogi. Persamaan atau persesuaian antara dua benda atau hal yang berlainan. Membuat sesuatu yang baru berdasarkan contoh yang sudah ada. Runtutan topik pembahasan yang sama, pandang dari sisi yang berbeda Tipologi pembahasan /metodologi yang sama, analogikan untuk kasus / bidang yang berbeda

21 Ilustrasi: Kriteria Miskin (Berdasarkan penelitian sebelumnya)
Sayogyo dan Sam F. Poli (UGM): ekivalen konsumsi beras per kapita. BPS: Garis Kemiskinan Makanan + Garis Kemiskinan Non Makanan Essensial. Disesuaikan dengan inflasi, dibedakan antar daerah (kota/desa) dan antar propinsi. World Bank: 1,08 US$ per kapita per hari BKKBN: 23 variabel untuk menentukan Pra-KS, KS-1, KS-2, KS-3 dan KS-3 plus. Miskin: Pra KS, KS-1 dan alasan ekonomi Pendataan Sosial Ekonomi (PSE-BPS, 2005): Berdasarkan skoring 14 variabel (hasil studi dengan regresi logistik data Susenas 3 tahun terakhir).

22 Maka: Buat alternatif kriteria kemiskinan yang lain:
TEMUKAN TOPIK BARU: Maka: Buat alternatif kriteria kemiskinan yang lain: Konsumsi energi: BBM, memasak, listrik Kepemilikan asset Multidimensional, dll

23 TEMUKAN TOPIK BARU: ANALOGI. Binary Logistic Regression kriteria miskin PSE-2005, dapat dianalogikan untuk kasus yang lain: Kriteria apakah suatu Bank Sehat atau Tidak Sehat Kriteria apakah Bank menyetujui aplikasi kredit atau tidak Kriteria apakah suatu daerah layak dimekarkan atau tidak Kriteria apakah lamaran diterima atau tidak

24 TEMUKAN TOPIK BARU: dari “Kriteria Miskin World Bank” kita dapat kembangkan topik, misalnya:
Dengan standar US$ (versi World Bank), kemiskinan akan bersifat fluktuatif mengikuti kurs. Kemiskinan dapat dibedakan menjadi: Chronic poverty Transient poverty Terinspirasi untuk menyusun “Alternatif klasifikasi kemiskinan’ yang lain: Chronic vs transient poverty Economic vs socio-cultural Moneter vs non moneter, dll Masih terbuka untuk dikaji, relevansi pilihan komoditas untuk Garis Kemiskinan Makanan maupun Non Makanan versi BPS

25 Komparasi Komparasi. Membandingkan dua atau beberapa hal, untuk diketahui persamaan dan perbedaannya. Bandingkan dua atau beberapa penelitian sebelumnya: mana lebih baik, dalam kondisi bagaimana, oleh siapa dan bagaimana seharusnya Tawarkan ‘cara’ baru, dan bandingkan dengan ‘cara’ lama

26 TEMUKAN TOPIK BARU: dari “Kriteria Miskin PSE-2005 dg Regresi Logistik” kita dapat kembangkan topik sbb: KOMPARASI. Regresi logistik memiliki beberapa kelemahan diantaranya tidak mampu melihat gradasi tingkat kemiskinan, bandingkan dengan metode baru yang ditawarkan, misal: Ordinal Regresi Logistik: Sangat Miskin, Miskin, Hampir Miskin, Tidak Miskin Model atau metode lainnya yang lebih baik

27 TEMUKAN TOPIK BARU: dari “Kriteria-kriteria Miskin” tersebut kita dapat kembangkan topik, misalnya:
Bandingkan hasil antar kriteria. Ada perbedaan angka yang mencolok? Apa yang membedakan? Bagaimana rekomendasinya.

28 Anomali Anomali. Ketidaknormalan; penyimpangan dari normal; kelainan; keanehan; di luar kebiasaan Teliti hal-hal yang tidak sesuai teori atau ‘di luar kebiasaan yang seharusnya’

29 Uji apa penyebabnya, bagaimana rekomendasinya
Anggaran pengentasan kemiskinan meningkat tajam, penurunan kemiskinan sangat lamban. 56 % asset nasional dikuasai oleh 0,2 % penduduk (440 ribu orang). Dimana 62-87% (tergantung propinsinya), asset tersebut berupa tanah (perkebunan, tambang, dan property) Kemiskinan nasional tidak pernah menyentuh angka 10 persen Uji apa penyebabnya, bagaimana rekomendasinya

30 TEMUKAN TOPIK BARU: Test Anomali-anomali yang terjadi, apa sebabnya dan kalau bisa berikan solusinya. Misalnya: Konsumsi rokok penduduk miskin cenderung tinggi Pengeluaran penduduk miskin untuk HP dan Pulsa masih tinggi Willingness to pay (WTP) pendidikan < ability to pay (ATP) pendidikan WTP HP/Pulsa > ATP HP/Pulsa WTP rokok > WTP pendidikan & kesehatan Anomali karena konsep data, dan atau perbedaan karakteristik dari yang diteorikan

31 TINGKAT PENGANGGURAN The regression equation is MISKIN = UNEMPLY Predictor Coef SE Coef T P Constant UNEMPLY S = R-Sq = 0.7% R-Sq(adj) = 0.0% Analysis of Variance Source DF SS MS F P Regression Residual Error Total Tidak ada hubungan antara Pengangguran dengan Kemiskinan. Mengapa? Lihat konsep pengangguran Perhatikan realita => Apa alasan orang menganggur?

32 SETENGAH PENGANGGUR Setengah Penganggur adalah orang yang bekerja tetapi di bawah jam kerja normal. Upah rendah. Dikecualikan untuk jenis pekerjaan tertentu.

33 “Mari diskusikan”: Sudah terpikir topik penelitian apa?
Kita diskusikan metodenya

34 TERIMA KASIH شكرا 谢谢 Obrigado! ευχαριστία Thank you cảm ơn bạn
təşəkkür edirəm TERIMA KASIH Dankeschön hvala tack Matur nuwun salamat gracias merci mulțumesc 谢谢