scholarly journals Penyusunan Indeks Pembangunan Smart City Di Indonesia Tahun 2018

2021 ◽  
Vol 2021 (1) ◽  
pp. 45-59
Author(s):  
Nabil Miftah Irfandha ◽  
Jeffry Raja Hamonangan Sitorus

Pembangunan di wilayah perkotaan membutuhkan manajemen kota untuk menyelesaikan  permasalahan yang terjadi akibat dari tingginya pertumbuhan penduduk. Kompleksitas permasalahan pada wilayah perkotaan sangat bervariasi, diantaranya penurunan kualitas pelayanan publik, berkurangnya ketersediaan lahan permukiman, kemacetan di jalan raya, konsumsi energi yang berlebihan, penumpukan sampah, peningkatan angka kriminalitas, dan masalah-masalah sosial lainnya. Pembentukan Indeks Pembangunan Smart City (IPSC) dipandang mampu memberi solusi yang efektif dan efisien dalam mengurangi permasalahan kota yang ada. Tujuan penelitian ini adalah mengetahui gambaran umum dan mendapatkan faktor- faktor pembentuk IPSC, mendapatkan hasil pengukuran IPSC, mengkaji uncertainty analysis dan sensitivity analysis dari IPSC dan melihat hubungan antara IPSC dengan IPM, serta mendapatkan klasifikasi berdasarkan 5 kategori di Indonesia. Berdasarkan hasil analisis faktor, terdapat 6 faktor yang terbentuk dimana wilayah IPSC tertinggi dengan jumlah penduduk kurang dari 200.000 jiwa terdapat di Kota Madiun, wilayah IPSC tertinggi dengan jumlah penduduk antara 200.000 hingga 1.000.000 jiwa terdapat di Kota Yogyakarta dan wilayah IPSC tertinggi dengan jumlah penduduk di atas 1.000.000 jiwa terdapat di Kota Tangerang. Hasil uncertainty analysis dan sensitivity analysis menunjukkan bahwa IPSC yang terbentuk sudah cukup robust dan reliable. Secara umum, IPSC memiliki hubungan yang positif terhadap IPM. Pembentukan indeks ini diharapkan mampu mempermudah pemerintah daerah dan pemerintah pusat dalam mengkaji kebijakan mengenai pengalokasian dana agar pembangunan smart city yang diharapkan sesuai dengan kondisi yang ada.

Author(s):  
Susan Griffin

This chapter covers methods for describing how lack of knowledge impacts on the conduct and findings of distributional cost-effectiveness analysis (DCEA). It also sets out methods for describing how different value judgments can alter the findings. It explains why and how to distinguish uncertainty about facts from heterogeneity in values, and the role of each in informing decisions. It shows how the standard tools of uncertainty analysis in economic evaluation—including deterministic and probabilistic sensitivity analysis, and value of information analysis—can be applied to DCEA to provide information about uncertainty in the estimated health distributions and summary measures of equity impact. The chapter also shows how to use deterministic sensitivity analyses to investigate the implications of alternative value judgments and inequality metrics for DCEA findings and recommendations.


2012 ◽  
Vol 55 ◽  
pp. 459-470 ◽  
Author(s):  
Clara Spitz ◽  
Laurent Mora ◽  
Etienne Wurtz ◽  
Arnaud Jay

Sign in / Sign up

Export Citation Format

Share Document