ANALISIS GARIS KEMISKINAN DI INDONESIA BERDASARKAN DATA PROVINSI TAHUN 2024 DENGAN METODE BUSINESS INTELLIGENCE
Abstract
ABSTRAK
ANALISIS GARIS KEMISKINAN DI INDONESIA BERDASARKAN DATA PROVINSI TAHUN 2024 DENGAN METODE BUSINESS INTELLIGENCE. Garis kemiskinan merupakan indikator utama yang digunakan untuk mengukur tingkat kesejahteraan masyarakat serta menentukan jumlah penduduk miskin di Indonesia. Badan Pusat Statistik (BPS) secara rutin menghitung garis kemiskinan setiap periode Maret dan September untuk memantau dinamika kondisi ekonomi masyarakat. Penelitian ini bertujuan untuk menganalisis perbedaan dan tren garis kemiskinan antar provinsi di Indonesia tahun 2024 menggunakan pendekatan Business Intelligence (BI). Metode yang digunakan adalah deskriptif kuantitatif dengan me-manfaatkan data sekunder BPS tahun 2024. Data dianalisis dan divisualisasikan melalui grafik batang, grafik garis, dan perbandingan antar periode untuk mengidentifikasi pola perubahan garis kemiskinan serta keterkai-tannya dengan jumlah penduduk miskin dan harga komoditas pangan. Hasil analisis menunjukkan bahwa seluruh provinsi mengalami kenaikan garis kemiskinan dari Maret ke September 2024, dengan DKI Jakarta sebagai provinsi dengan garis kemiskinan tertinggi dan Gorontalo terendah. Meskipun demikian, sebagian besar provinsi mengalami penurunan persentase penduduk miskin, yang mengindikasikan adanya perbaikan daya beli masyarakat di tengah kenaikan biaya hidup. Temuan ini diharapkan dapat menjadi dasar dalam pe-rumusan kebijakan pengentasan kemiskinan berbasis data..
Kata kunci: Garis Kemiskinan, Business Intelligence, Kemiskinan, BPS, Analisis Provinsi.
ABSTRACT
POVERTY LINE ANALYSIS IN INDONESIA BASED ON PROVINCIAL DATA IN 2024 USING THE BUSINESS INTELLIGENCE METHOD .The poverty line is a key indicator used to measure community welfare and determine the number of poor people in Indonesia. Statistics Indonesia (BPS) calculates the poverty line twice a year, in March and September, to monitor economic conditions. This study aims to analyze provincial poverty line trends in Indonesia in 2024 using a Business Intelligence (BI) approach. A quantitative descriptive method was applied using secondary data from BPS. Data were analyzed and visualized through bar charts, line graphs, and inter-period comparisons to identify changes in poverty lines, the number of poor populations, and food commodity prices. The results show that all provinces experienced an increase in the poverty line from March to September 2024, with DKI Jakarta recording the highest poverty line and Gorontalo the lowest. How-ever, most provinces showed a decline in the percentage of poor population, indicating an improvement in pur-chasing power despite rising living costs. These findings provide valuable insights for data-driven poverty alle-viation policies..
Keywords: MSEs, labor costs, Business Intelligence, Statistics Indonesia (BPS), provincial analysis.
