Statistik Indonesia

Number of Houses in Indonesia

2009-08-31T13:47:00.001+07:00

BPS counting the number of houses according to their quality with the potential village census (Podes, 2008). Podes-2008 census is an activity that results will be used as the basis of 2010 Population Census. BPS quality house divided into 3 types of Permanent Houses, semipermanent and Not Permanent.

Permanent house are houses whose walls were made of the wall / wood (high quality), the floors made of tile / ceramic / high quality wood and its roof made of zinc / tiles / shingles / asbestos.

Semi-permanent house was the home whose walls a half wall / brick without plaster / wood (low quality), floor tile / cement / low-quality wood and corrugated iron roof / roof tile / shingle / asbestos.

The house is not permanent is the house whose walls are simple (bamboo / board / leaf), from the ground floor, and roof of leaves or a mixture of roof tile / zinc used and the like.

Based on calculations, in the year 2008 there were approximately 54.7 million houses in Indonesia (not including commercial, Rukan, beds, & other buildings rather than as a residence). The majority (50%) is the permanent house and about 23% houses are not permanent. Approximately 58.6% houses located on the island of Java, where Java, East Java, West and has the largest number of houses, close to 10 million house. As for Babel, Gorontalo, West Sulawesi, Maluku and North Maluku has a number of houses less than 300 thousand houses.

The number of these houses may be a measure of poverty in terms of housing, but the form of a houses in Indonesia is strongly influenced local culture and environment (forests, swamps, mountains and weather).

Child Health & Malnutrition

2009-08-19T16:23:00.002+07:00

---------------------------------------------------------------------------------------------------
List of Indicators > Child Health & Malnutrition
---------------------------------------------------------------------------------------------------

Child Health

Percent of children (ages 0 to 4) with any form of immunization
Percent of children (ages 0 to 4) immunized against measles
Percent of children (ages 0 to 4) immunized - DPT
Percent of children (ages 0 to 4) immunized - Polio
Percent of children (ages 0 to 4) immunized - BCG
Percent of children (ages 0 to 4) fully immunized
Child (ages 0 to 4) monthly morbidity rate
Child (ages 0 to 4) average number of days lost due to illness

Child Malnutrition

Percent of children ages 0 to 4 breastfed
Average duration of breastfeeding without supplementary food - children ages 2 to 4
Average duration of breastfeeding with supplementary food - children ages 2 to 4
Average duration of total breastfeeding - children ages 2 to 4

Child Access to/Use of Medical Facilities/Personnel

Child (ages 0 to 4) visit rate to modern health faciltiies or personnel
Child (ages 0 to 4) contact rate to modern health faciltiies or personnel conditional on illness
Children (ages 0 to 4) doing self-medication

Prevalence/Control of Disease

2009-08-19T16:20:00.002+07:00

---------------------------------------------------------------------------------------------------
List of Indicators > Prevalence/Control of Disease
---------------------------------------------------------------------------------------------------

Monthly morbidity rate
Average number of days lost due to illness
Visit rate to modern health faciltiies or personnel
Contact rate at modern health faciltiies or personnel conditional on illness
Percent of population doing self-medication
Percent of population with access to affordable essential drugs
Contact rate at traditional healer conditional on illness

School Attendance

2009-08-19T16:16:00.002+07:00

-------------------------------------------------------------------------------------------------
List of Indicators > School Attendance
-------------------------------------------------------------------------------------------------

Gross enrollment rate - primary school
Male Gross enrollment rate - primary school
Female Gross enrollment rate - primary school
Gross enrollment rate - junior secondary school
Male Gross enrollment rate - junior secondary school
Female Gross enrollment rate - junior secondary school
Gross enrollment rate - senior secondary school
Male Gross enrollment rate - senior secondary school
Female Gross enrollment rate - senior secondary school
Gross enrollment rate - secondary school
Male Gross enrollment rate - secondary school
Female Gross enrollment rate - secondary school
Gross enrollment rate - tertiary level
Male Gross enrollment rate - tertiary level
Female Gross enrollment rate - tertiary level
Net enrollment rate - primary school
Male Net enrollment rate - primary school
Female Net enrollment rate - primary school
Net enrollment rate - junior secondary school
Male Net enrollment rate - junior secondary school
Female Net enrollment rate - junior secondary school
Net enrollment rate - senior secondary school
Male Net enrollment rate - senior secondary school
Female Net enrollment rate - senior secondary school
Net enrollment rate - secondary school
Male Net enrollment rate - secondary school
Female Net enrollment rate - secondary school
Net enrollment rate - tertiary level
Male Net enrollment rate - tertiary level
Female Net enrollment rate - tertiary level
Age-specific enrollment rate - primary school
Male Age-specific enrollment rate - primary school
Female Age-specific enrollment rate - primary school
Age-specific enrollment rate - junior secondary school
Male Age-specific enrollment rate - junior secondary school
Female Age-specific enrollment rate - junior secondary school
Age-specific enrollment rate - senior secondary school
Male Age-specific enrollment rate - senior secondary school
Female Age-specific enrollment rate - senior secondary school
Age-specific enrollment rate - secondary school
Male Age-specific enrollment rate - secondary school
Female Age-specific enrollment rate - secondary school
Age-specific enrollment rate - tertiary level
Male Age-specific enrollment rate - tertiary level
Female Age-specific enrollment rate - tertiary level
Ratio of girls to boys - primary school
Ratio of girls to boys - junior secondary school
Ratio of girls to boys - senior secondary school
Ratio of girls to boys - secondary school
Ratio of girls to boys - tertiary level

Educational Qualification

2009-08-19T16:12:00.002+07:00

--------------------------------------------------------------------------------------------------
List of Indicators > Educational Qualification
--------------------------------------------------------------------------------------------------

Mean years of schooling (ages 15 and over)
Male Mean years of schooling (ages 15 and over)
Female Mean years of schooling (ages 15 and over)
Mean years of schooling - prime working ages (ages 20 to 54)
Male Mean years of schooling - prime working ages (ages 20 to 54)
Female Mean years of schooling - prime working ages (ages 20 to 54)
Percent of population (ages 15 and over) with primary education or less
Male Percent of population (ages 15 and over) with primary education or less
Female Percent of population (ages 15 and over) with primary education or less
Percent of youth population (ages 15 to 24) with primary education or less
Male Percent of youth population (ages 15 to 24) with primary education or less
Female Percent of youth population (ages 15 to 24) with primary education or less
Percent of prime working age population (ages 20 to 54) with primary education or less
Male Percent of prime working age population (ages 20 to 54) with primary education or less
Female Percent of prime working age population (ages 20 to 54) with primary education or less
Percent of population (ages 15 and over) with senior secondary education or more
Male Percent of population (ages 15 and over) with senior secondary education or more
Female Percent of population (ages 15 and over) with senior secondary education or more
Percent of prime working age population (ages 15 to 24) with senior secondary education or more
Male Percent of prime working age population (ages 15 to 24) with senior secondary education or more
Female Percent of prime working age population (ages 15 to 24) with senior secondary education or more
Percent of prime working age population (ages 20 to 54) with senior secondary education or more
Male Percent of prime working age population (ages 20 to 54) with senior secondary education or more
Female Percent of prime working age population (ages 20 to 54) with senior secondary education or more

Adult Literacy

2009-08-19T15:58:00.001+07:00

-------------------------------------------------------------------------------------------------
List of Indicators > Adult Literacy
-------------------------------------------------------------------------------------------------

Adult literacy rate (ages 15 and over)
Male Adult literacy rate (ages 15 and over)
Female Adult literacy rate (ages 15 and over)
Young adult literacy rate (ages 15 to 24)
Male Young adult literacy rate (ages 15 to 24)
Female Young adult literacy rate (ages 15 to 24)
Ratio of literate females to males (ages 15 and over)
Ratio of literate females to males (ages 15 to 24)
Adult language ability (ages 15 and over)
Male Adult language ability (ages 15 and over)
Female Adult language ability (ages 15 and over)
Adult literacy rate (ages 20 and over)
Male Adult literacy rate (ages 20 and over)
Female Adult literacy rate (ages 20 and over)
Adult language ability (ages 20 and over)
Male Adult language ability (ages 20 and over)
Female Adult language ability (ages 20 and over)

Housing Conditions & Access to Basic Services

2009-08-19T15:53:00.003+07:00

-------------------------------------------------------------------------------------------------
List of Indicators > Housing Conditions & Access to Basic Services
-------------------------------------------------------------------------------------------------

Housing Conditions

Average floor area per capita
Percent of households with less than 10 sq. m. of floor area per capita
Percent of households living in own house
Percent of households with floor mainly of earth
Percent of households with floor mainly of earth or bamboo
Percent of households with walls mainly of bamboo
Percent of households with roof mainly of grass or leaves
Percent of households with roof mainly of wood, grass or leaves

Access to Basic Services

Percent of households with any source of electric lighting
Percent of households with PLN electric lighting
Percent of households with own drinking water facilities
Percent of households with pipe or pump source of drinking water
Percent of households with piped, pumped or protected well or spring source of drinking water
Percent of households buying drinking water
Percent of households with own sanitation facilities
Percent of households with toilet facilities
Percent of households with sewerage or septic tanks
Percent of Households with Save Drinking Water (Distance >10m from sawerage)

Expenditure Distribution and Inequality

2009-08-19T15:48:00.001+07:00

List of Indicators > Expenditure Distribution and Inequality

Mean level of household expenditure (Rupiah)
Mean per-capita household expenditure (Rupiah)
Median per-capita household expenditure (Rupiah)
Mean per-capita household expenditure on food (Rupiah)
Mean per-capita household expenditure on non-food (Rupiah)
Gini ratio
Percent of total expenditure on food (Engel Coefficient)
Percent of total expenditure on education
Percent of total expenditure on health
Share of expenditure for the poorest expenditure quintile
Share of expenditure for the second expenditure quintile
Share of expenditure for the third expenditure quintile
Share of expenditure for the fourth expenditure quintile
Share of expenditure for the highest expenditure quintile
Expenditure ratio (ratio of first to fifth expenditure quintile)
Expenditure ratio (ratio of bottom two to fifth expenditure quintile)

Poverty

2009-08-19T15:36:00.002+07:00

List of Indicators > Poverty

Number of population below the poverty line ('000)
Percent of population below the poverty line
Poverty gap index (P1)
Poverty severity (FGT) index (P2)
Number of households below the poverty line ('000)
Percent of households below the poverty line
Number of population below the poverty line raised by 25% ('000)
Percent of population below the poverty line raised by 25%
Poverty gap index (P1) - poverty line raised by 25%
Poverty severity (FGT) index (P2) - poverty line rasied by 25%
Number of households below the poverty line raised by 25% ('000)
Percent of households below the poverty line raised by 25%

List of Indicators

2009-08-06T23:25:00.002+07:00

1. Poverty
2. Expenditure Distribution and Inequality
3. Housing Conditions & Access to Basic Services
4. Adult Literacy
5. Educational Qualification
6. School Attendance
7. Prevalence/Control of Disease
8. Child Health & Malnutrition
9. Fertility & Reproductive Health
10. Population & Household Composition
11. Labor Force Participation
12. Economic Infrastructure and Services
13. Social Infrastructure and Services
14. Participation on the Market (Sectoral)

Population Below Poverty Line by Districts

2009-08-06T22:50:00.000+07:00

This table describes percentage of Indonesia population that expenditure percapita per month below poverty line. We use National Socioeconomics Survey from 1996 until 2007.

This pdf file can donwload free but you can not print, copy or convert to other format.
Please contact Andi (andidn@gmail.com) for excel format table.

Percentage of Indonesia Population below Poverty Lines by Districts 1996-2007 -

Statistik Perikanan Indonesia

2009-02-25T16:04:00.001+07:00

Berikut ini adalah statistik perikanan yang diterbitkan oleh BPS.

Number of Fishery Establishments by Investment Facility Status

Number of Fish Culture Establishment by Tipe of Culture

Production of Marine Fisheries by Province, 2000-2006 (Ton)

Number of Fishing Boats, Fish Cultured Areas and Quantity of Production by Fishery Sub Sector, 2002-2006

Quantity of Fish capture Production by Province and Fishery Sub Sector (ton), 2004 - 2006

Quantity of Fish Culture Production by Province and Fishery Sub Sector (ton), 2004 - 2006

Sumber: www.bps.go.id

Ibu di perkotaan kebanyakan ibu rumah tangga

2006-12-05T14:25:00.000+07:00

Dari hasil pengolahan data Badan Pusat Statistik yaitu Survei Sosial Ekonomi Nasional 2004. Ternyata di perkotaan sebagian besar ibu usia kurang dari 40 tahun yang mempunyai anak, hanya mengurus rumah tangga saja (63.3%) dan yang bekerja hanya 29.6% saja. Sedangkan di Pedesaan, ibu (dengan kreteria di atas) yang mengurus rumah tangga saja sekitar 52.7% dan yang bekerja sekitar 41.1%. Berarti ibu di daerah perkotaan tidak banyak yang bekerja dan hanya mengurus rumah tangga dibanding dengan pedesaan. Kemungkinan hal ini terjadi karena tingkat kesejahteraan yang berbeda. Di perkotaan, kesejahteraan keluarga lebih baik dibandingkan di pedesaan. Akibatnya ibu di pedesaan banyak mencari nafkah untuk rumah tangganya, sedangkan ibu di perkotaan sepertinya sudah cukup dengan nafkah dari suami.

Artikel lengkapnya lihat di sini

Penduduk DKI Jakarta Berkurang

2006-09-22T11:23:00.000+07:00

Penduduk Jakarta Selatan dan Pusat dalam jangka waktu 10 tahun mengalami penurunan sebesar 15% (Jak-Sel) dan 21% (Jak-Pusat), sedangkan wilayah Jakarta lainnya mengalami kenaikan jumlah penduduk yang besarnya bervariasi. Secara keseluruhan penduduk Provinsi DKI Jakarta menurun 1% dalam kurun waktu 10 tahun ini.
Dari kacamata awam, sepertinya fakta dari data ini kurang benar karena DKI Jakarta sebagai ibukota negara, pusat ekonomi dan perdagangan, dan pusat informasi dan hiburan masih merupakan primadona para pencari pekerjaan yang makin hari makin bertambah saja baik dari penduduk DKI sendiri ataupun dari luar provinsi DKI.

Selengkapnya

18% Penduduk Tunggu Waktu untuk Miskin

2006-09-19T16:52:00.000+07:00

Angka kemiskinan baru saja diributkan oleh banyak kalangan baik dari kalangan politik dan kalangan ekonom. Semuanya intinya meragukan angka kemiskinan yang dipidatokan oleh Presiden SBY, atau tepatnya dengan angka BPS. Kemiskinan mempunyai dimensi yang banyak, tetapi walaupun begitu tetap harus diukur untuk kebijakan pemerintah. Pemerintah melalui BPS menentukan kemiskinan dari garis kemiskinan yang diformulasikan oleh ahli-ahli di BPS, sebenarnya BKKBN juga punya kriteria tertentu untuk menentukan keluarga miskin. Keduanya sangat berbeda dari segi metode pengukurannya.

Selengkapnya disini atau disini

Modifikasi Garis Kemiskinan BPS

2006-09-19T16:48:00.000+07:00

BPS menentukan angka kemiskinan dengan garis kemiskinan yang diformulasikan oleh ahli-ahlinya. Kita dapat menemukan di dalam publikasi BPS katalog No: 2331 berjudul “Data dan Informasi Kemiskinan”, Buku 1 : Propinsi dan Buku 2 : Kabupaten yang jelas-jelas di salah satu tabelnya dicantumkan besarnya garis kemiskinan untuk Propinsi (Kota/Desa/Kota+Desa), Indonesia (Kota/Desa/Kota+Desa) dan Kabupaten/Kota. Buku ini mulai dipublikasikan sejak tahun 2002 sampai 2005.

selengkapnya

Tahun 1996-2006, Sektor Perdagangan Masih Urat Nadi Ekonomi Indonesia

2006-09-18T17:10:00.000+07:00

Pada tanggal 3 September 2006, Kepala BPS mengumumkan hasil Sensus Ekonomi (SE) 2006. Hasilnya, ada sekitar 22.7 juta perusahaan (diluar sektor pertanian) yang ada di Indonesia. Sedangkan pada sensus 10 tahun sebelumnya, terdapat 16.4 juta, berarti terdapat kenaikan 38.4% atau bertambah sebesar 6.3 juta. Jadi rata-rata dalam 1 tahun terdapat sekitar 630 ribu perusahaan, tetapi rata-rata ini sebenarnya bisa lebih besar lagi mengingat setelah krisis ekonomi 1997, banyak sekali perusahaan yang tidak bisa bertahan hidup. Kenaikan jumlah perusahaan yang mendekati angka 40% ini cukup menggembirakan bagi dunia kerja di Indonesia, tetapi ini belumlah cukup karena tingkat penggangguran masih tinggi. Masih perlu dikaji tentang jumlah pegawai di perusahaan tersebut, dibandingkan dengan jumlah penggangguran di Indonesia.

Kondisi tahun 1996 dan 2006 tidak jauh beda dalam hal sektor dimana terdapat perusahaan yang bergerak. Sektor perdangan, hotel dan restoran/tempat makan sekitar 57% (hampir setengahnya), sedangkan sektor yang lain dibawah 15%. Hal ini menunjukan bahwa perdagangan merupakan urat nadi perekonomian Indonesia. Orang tidak akan menyangkal hal tersebut, disekitar kita saja, makin menjamur toko-toko kecil baik kelontong maupun yang partai besar, pusat perbelanjaan dibangun dimana-mana untuk menyediakan tempat untuk berdagang. Hal ini juga disebabkan karena banyak orang yang tidak bisa diterima kerja di sektor formal akhirnya mencoba keberuntungaannya dengan berdagang.

Sumber data: Berita dari detikfinance.com dan data diolah kembali oleh penulis.

Statistik Deskriptif, Percentile dengan SPSS

2005-12-26T16:56:00.000+07:00

My SPSS: Statistik Deskriptif, Percentile, Quartile dan Histogram

Prosedur frekuensi banyak sekali menyediakan ringkasan statistik. Kebayakan diperoleh dari data yang normal atau setidaknya bentuk histogramnya simetrik. Jadi rataan/mean, standar deviasi, ragam/variance, standar error of mean, skweness, dan kurtosis digunakan jika data normal dan tidak ada pencilan. Statistik deskriptif disebut Robust jika data yang dihitung menyebar normal.

Dalam latihan ini akan digunakan statistik sebagai berikut:

Rataan, Median, Std Deviasi, Std Error of Mean, Minimum dan Maksimum.

Percentile pada 10 dan 90 serta Quartile (25,50,75 percentile).

Histogram nilai dengan menggunakan rataan contah dan std deviasi untuk menampilkan kurva normal di atas histogram tersebut.

Langkah-langkah:
Gunakan file WORLD95 dan variabel Calories (average daily calories intake)

Open data World95.sav dari direktori SPSS

Klik Analyze + Desciptive Statistics + Frequencies

Masukan variabel dengan label Daily Calories intake (Calories) ke jendela Variable(s)

Non-aktifkan Display Frequencies Tables dengan menghilangkan tanda cek (v) supaya output tabel frekuensi tidak terlalu banyak/panjang karena variabel calories merupakan data berskala ratio (bukan data kode sepert sebelumnya).

Klik Statistics untuk masuk ke menu pilihan statistik

Untuk Percentile Value,aktifkan Quartiles

Aktifkan juga Percentile(s) kemudian ketik angka 10 dan klik Add. Untuk percentile ke 90, ketik kembali angka 90 dan klik Add sehingga terdapat dua angka (10 dan 90) dalam jendela kecil di bawah Percentile(s). Apabila ingin menambhakan lakukan seperti sebelumnya.

Untuk Central Tendency pilih Mean dan Median sebagai ukuran nilai tengah.

Untuk Dispersion, pilih Std. Deviation, Minimum, Maximum dan S.E.mean untuk ukuran keragaman data.

Untuk mengakhiri klik Continue

Klik Chart, untuk masuk ke jendela pilihan chart

Pilih Histogram dan aktifkan with Normal Curve dan klik Continue

Klik OK untuk mengakhirinya.

Output:

Jumlah negara yang dianalisis sebanyak 75 negara dan terdapat 34 negara yang tidak mempunyai data tentang jumlah kalorie per hari (Daily Calorie Intake). Rata-rata kalori per hari sebanyak 2753.83 Kalori. Median dari data sebesar 2653 kalori. Median adalah pengamatan tengah-tengah jika data yang jumlahnya ganjil diurutkan dari kecil ke besar. Jika jumlah data genap, median adalah rata-rata dari 2 nilai tengah setelah diurutkan.
Jumlah kalori per hari terkecil sebesar 1667 kal dan yang terbanyak 3825 kal.
Std Deviasi mengukur penyebaran nilai-nilai pengamatan terhadap rataan. Jika data menyebar normal, 68% pengamatan berada pada selang 1 Std Dev terhadap rataan dan 95% pengamatan berada pada selang 2 Std Dev. Misalkan, jika rataan sebesar 2753.83, dengan std dev 567.83, maka 95% pengamatan berada di antara nilai 2753.83 ( (2(567.83) atau antara 2186 s/d 3321.66.
Std Error of Mean adalah suatu ukuran yang menunjukan berapa banyak nilai rataan yang berbeda dari sampel-sampel yang diambil dari populasi yang sama. Ukuran ini dapat digunakan sebagai pembanding rataan pengamatan dengan rataan yang dihipotesiskan.

MAPFRAME 3 for ACEH & NIAS

2005-12-22T16:21:00.000+07:00

Earthquake/Tsunami Rehabilitation and Reconstruction
In Nanggroe Aceh Darusallam and Nias:
Village-Level Map Frame and Database

Rebuilding communities affected by the major earthquakes and tsunami as viable social and economic entities is one of the major challenges facing those engaged in rehabilitation and reconstruction activities.  Meeting this challenge requires a wide range of highly localized information to help providers, local governments and communities in assessing need and developing appropriate community and higher-level solutions to comprehensively address the disruptions in family and community structure, shelter, infrastructure and livelihoods faced by the people of Aceh and Nias as result of this natural disaster.

This Aceh/Nias Map Frame and Database is designed to assist in this process by providing users with a means to access information at district, sub-district and village levels for all of the nearly 6000 villages in the province of Nanggroe Aceh Darusallam and more than 700 villages on the Island of Nias in North Sumatra.  It includes a map frame based on GIS maps from the Indonesian Central Statistics Agency (BPS) that shows the approximate geographic location of each of these administrative areas and that can be used to search the database for information relevant to the needs of particular users.  The map frame incorporates the most recent set of location codes and names from BPS valid as of mid-2005.  However, references are also provided to location codes and names from earlier datasets where necessary to account for changes in numbers of administrative areas and boundaries over the past several years.

Construction of the database has focused on information available from major BPS censuses and surveys.  The current version (3.0) contains pre-tsunami information from the 2002 National Village Potential Survey (PODES) along with summary population data from the Special National Election Census of 2003 (P4B).  Post-tsunami information is provided based on the 2005 PODES that was implemented in Aceh in July and in Nias in September of 2005.  It is expected that a subsequent version will include data from the Special Population Census of Aceh and Nias that was carried out in August/ September 2005 when results are made available by BPS.  Data are presented at village level along with summaries for all sub-districts and districts in these areas.  Special summaries are also provided for groups of “affected villages” that have been identified from inventories made for Aceh by the province office of BPS in Banda Aceh (conditions as of April 12, 2005) and for Nias, by the North Sumatra province office in Medan.

PODES data are presented in 12 data tables covering the following topics:

Geography and Government

Population and Economic Activity

Housing and Basic Needs Infrastructure

Education Facilities

Health Facilities and Personnel

Health Conditions

Religious, Social and Cultural Facilities and Groups

Sports and Recreation Facilities

Transportation Facilities

Communication and Information

Land Use

Trade and Indusry

A single table is used to present selected statistics from the P4B Census. Users should note that the 2005 PODES was considerably less detailed than in 2003. Therefore, there are a number of indicators included in the database for 2003 for which comparable data were not collected in 2005. A limited amount of data, notably that on land use, was also not released by BPS due to concerns with data quality. These are noted as being Not Available (NA) in the relevant tables.

This Map Frame and Database has been prepared under coordination of Aceh and North Sumatra Rehabilitation and Reconstruction Team in the National Development Planning Agency (Bappenas). It was developed by PT Insan Hitawasana Sejahtera (IHS) under a contract from the Asian Development Bank (TA 3041-INO, Monitoring and Evaluating the Social Protection Sector Development Program Loan). Besides these, the close collaboration and cooperation of the Central Statistics Agency (BPS), the source of the maps and data utilized in the map frame, and the support of the Nanggroe Aceh Darusallam and Nias Rehabilitation and Reconstruction Board (BRR) are gratefully acknowledged.

How Can We Get It?
I hope, I can finish this Map Frame in January 2006. IHS and ADB will give Map frame to everyone. This Map Frame can be copied without permission from IHS and ADB. If you like to get this Map Frame, You can contact me (021) 798 6768.

INFLASI BULAN NOVEMBER 2005 1.31%

2005-12-14T16:54:00.000+07:00

BULAN NOVEMBER 2005 INFLASI MENCAPAI 1,31 PERSEN

Pada bulan November 2005 terjadi inflasi 1,31 persen. Dari 45 kota tercatat 44 kota mengalami inflasi dan hanya satu kota yang mengalami deflasi yaitu Ternate 0,28 persen. Inflasi tertinggi terjadi di Bandung sebesar 3,37 persen, dan inflasi terendah di Kediri 0,14 persen.

Inflasi terjadi karena adanya kenaikan harga yang ditunjukkan oleh kenaikan indeks pada semua kelompok barang dan jasa sebagai berikut : kelompok bahan makanan naik sebesar 2,47 persen, kelompok makanan jadi, minuman, rokok & tembakau 2,06 persen, kelompok perumahan, air, listrik, gas & bahan bakar 0,64 persen, kelompok sandang 0,33 persen, kelompok kesehatan 0,59 persen, kelompok pendidikan, rekreasi dan olahraga 0,29 persen dan kelompok transpor, komunikasi & jasa keuangan yang mencapai 0,53 persen.

Laju inflasi tahun kalender (Januari-November) 2005 sebesar 17,17 persen, sedangkan tingkat inflasi “year on year” (November 2005 terhadap November 2004) sebesar 18,38 persen.

Berdasarkan hasil pemantauan BPS di 45 kota pada bulan November 2005 terjadi inflasi 1,31 persen, atau terjadi kenaikan Indeks Harga Konsumen (IHK) dari 135,15 pada bulan Oktober 2005 menjadi 136,92 pada bulan November 2005. Laju inflasi tahun kalender (Januari-November) 2005 sebesar 17,17 persen, sedangkan inflasi “year on year” (November 2005 terhadap November 2004) adalah 18,38 persen.
Inflasi terjadi karena adanya kenaikan harga yang ditunjukkan oleh kenaikan indeks pada semua kelompok barang dan jasa sebagai berikut : kelompok bahan makanan naik sebesar 2,47 persen, kelompok makanan jadi, minuman, rokok & tembakau 2,06 persen, kelompok perumahan, air, listrik, gas & bahan bakar 0,64 persen, kelompok sandang 0,33 persen, kelompok kesehatan 0,59 persen, kelompok pendidikan, rekreasi dan olahraga 0,29 persen dan kelompok transpor, komunikasi & jasa keuangan yang mencapai 0,53 persen.
Beberapa komoditas yang mengalami kenaikan harga selama bulan November 2005 antara lain: nasi beserta lauk, beras, daging ayam ras, bawang merah, mie, angkutan dalam kota, daging sapi, ikan segar, kontrak rumah, tomat sayur, cabe rawit, cabe merah, kelapa, bubur, semen, pembasmi nyamuk cair, telur ayam ras, buncis, kacang panjang, kangkung, petai, sawi hijau, kacang tanah, tempe, apel, jeruk, bawang putih, kerupuk udang, bubur kacang hijau, gado-gado, ketupat/lontong sayur, kue basah, kue kering berminyak, martabak, sate, soto, kopi bubuk, rokok kretek filter, keramik, upah tukang bukan mandor, gas elpiji, minyak tanah, sabun cream detergen, emas perhiasan, mobil dan jasa perpanjangan STNK. Komoditas yang mengalami penurunan harga adalah: minyak goreng dan gula pasir.
Pada bulan November 2005 kelompok-kelompok komoditi yang memberikan andil/sumbangan inflasi adalah sebagai berikut : kelompok bahan makanan sebesar 0,62 persen, kelompok makanan jadi, minuman, rokok dan tembakau 0,36 persen; kelompok perumahan, air, listrik, gas & bahan bakar 0,17 persen; kelompok sandang 0,02 persen; kelompok kesehatan 0,02 persen; kelompok pendidikan, rekreasi dan olahraga 0,02 persen dan kelompok transpor, komunikasi & jasa keuangan 0,10 persen.

CATATAN
Sumber data : Berita Resmi Statistik No.60/VIII/ 1 Desember 2005
Tabel dan grafik tidak disertakan. Jika Anda ingin mnedapatkannya, bisa download dari alamat www.bps.go.id atau hubungi email andidn@gmail.com

Hasil Awal Sensus Penduduk NAD & Nias (SPAN) 2005

2005-12-13T11:15:00.000+07:00

Hasil Awal Sensus Penduduk Aceh dan Nias (SPAN) 2005

Apa itu SPAN?
SPAN adalah Sensus Penduduk yang diadakan di Aceh dan Nias sebagai tuntutan kebutuhan data dasar pasca musibah gempa bumi dan tsunami di NAD dan Nias yang sangat mendesak, terutama dalam upaya rehabilitasi dan rekonstruksi NAD dan Nias.

SPAN dilakukan oleh BPS dengan bantuan dana dari UNFPA, CIDA, AusAID, dan NZAID. Sensus dilakukan serentak dari 15 Agustus s/d 15 September 2005. Karena suntikan dana yang cukup besar dan dengan monitoring yang ketat baik dari BPS sebagai pelaksana dan dari penyandang dana sendiri, maka hasil SPAN ini diklaim sebagai sensus yang terbaik dalam sejarah pengumpulan data di Aceh dan Nias. Apalagi dengan kondisi keamanan di Aceh yang membaik. Seperti diketahui bahwa hasil sensus sebelumnya (Sensus Penduduk 2000 dan Pendataan P4B untuk pemilu) hasilnya tidak memuaskan.

Isi dari SPAN
SPAN berisi semua informasi tentang penduduk (jenis kelamin, hubungan keluarga, status perkawinan, umur, agama) dan status pengungsi, status tempat tinggal, pendidikan, kegiatan sehari-hari. Semua informasi tersebut dihubungkan dengan kondisi sebelum dan setelah Tsunami. Tetapi jangan harap mendapatkan daftar nama lengkap penduduk NAD dan Nias, karena sensus ini tidak boleh mengumpulkan informasi nama lengkap tetapi hanya initial saja.

Tabel-Tabel Hasil SPAN

Info SPAN Lainnya
Hasil SPAN ini diperoleh dari kegiatan deseminasi data SPAN di BPS Jakarta, 29 November 2005. Rencananya seminggu setelah itu akan dilakukan juga hal yang sama di Banda Aceh.

Data SPAN nantinya merupakan data yang bersifat public domain, setiap orang akan bisa memanfaatkannya. BPS berjanji pada Januari 2005, data SPAN bisa direlease ke public. Silahkan hubungi BPS.

Ingin Tabel Hasil SPAN Lainnya?
Sebenarnya masih banyak Tabel dari hasil SPAN ini, misalnya Tabel Kepadatan Penduduk, Jumlah Penduduk menurut status tempat tinggal dan status pengungsinya, Penduduk menurut pengaruh tsunami, Penduduk menurut Pendidikannya, dan Penduduk menurut kegiatannya.

Jika Anda ingin mendapatkannya bisa hubungi Andi di 08561810301 atau email: andidn@gmail.com. Kami berharap bulan Januari 2006, kami bisa mendapatkan raw data SPAN ini dan bisa melakukan analisa yang lebih mendalam dari data SPAN ini.

Pendidikan SLTP di NTT sangat Tertinggal

2005-12-12T11:54:00.000+07:00

Pendidikan SLTP di Nusa Tenggara Timur (NTT) sangat Tertinggal

NTT adalah salah satu propinsi di Indonesia yang termasuk miskin. Jumlah penduduk dibawah garis kemiskinan 27% tahun 2004, dan akan meledak menjadi 50% jika garis kemiskinan kita naikkan 25% saja. Walaupun bukan propinsi yang paling buncit dalam hal angka kemiskinan tetapi jika dilihat dari segi pendidikan SLTP-nya, NTT paling tertinggal termasuk dibandingkan dengan Papua.

Definisi dan Sumber Data
Angka Partisipasi Murni (APM) SLTP adalah angka yang menunjukan persentase anak (umur 13-15 tahun) yang sedang sekolah ditingkat SLTP sederajat terhadap jumlah anak usia 13-15 tahun.

Sumber data: diolah dari data asli Survei Sosial Ekonomi Nasional (SUSENAS), Badan Pusat Statistik (BPS) tahun 1993 sampai dengan 2004. Pada Susenas 2002, sample di Papua hanya diambil di Kota Jayapura.

Analisa Sederhana
Jika kita bandingkan APM NTT dengan APM Nasional maupun dengan APM propinsi tetangganya (NTB) maka bisa disimpulkan bahwa NTT sangat tertinggal, baik secara total maupun percepatan kenaikan APM tiap tahunnya. Dalam rentang 12 tahun, NTT hanya bisa mengangkat APM sekitar 17% (dari 26% ke 43%). Hal ini sangat berbeda dengan propinsi tetangganya yaitu NTB.

Sumber : Susenas 1993 s/d 2004 BPS
Catatan: Th 2002, Papua hanya disurvei di Kota Jayapura saja.

Jika kita lihat lebih jauh tentang APM NTT terutama berhubungan dengan kesempatan bersekolah untuk RT miskin, maka ada indikasi positif bahwa masyarakat yang berada di kelompok miskin (Kuintil 1 dan 2) ternyata APM SLTP makin meningkat sejak 1993 sampai 2004. Berbeda sekali dengan kelompok RT kaya. Perlu ada penelitian yang lebih lanjut untuk mengetahui Kenapa kelompok Miskin ternyata kesempatan bersekolah di SLTP meningkat (walaupun belum besar)?

Sumber : Susenas 1993 s/d 2004 BPS
Catatan: Kuintile (Q) adalah pengelompokan RT menjadi 5 kelompok berdasarkan pengeluaran perkapita RT tersebut. Q1 adalah kelompok termiskin dengan pengeluaan perkapita terkecil.

Jika Anda tertarik
Jika Anda tertarik dengan tulisan ini atau dengan sumber datanya, Anda bisa hubungi Andi di 0856 181 0301 atau email ke andidn@gmail.com.
Data yang tersedia adalah data APM SLTP dari Susenas 1993 s/d 2004 menurut jenis kelamin, Quintile dan Provinsi/Kab. Baik berupa tabel maupun rawdata.