2KS3 / KELOMPOK 12
2023
Kata Pengantar
Puji syukur penulis haturkan kehadirat Tuhan Yang Maha Pengasih dan Penyayang karena
atas kemurahan beliaulah akhirnya penulis dapat menyelesaikan sebuah makalah yang
berjudul “”.
Dalam kesempatan yang berbahagia ini, penulis mengucapkan terima kasih yang sebesar
besarnya kepada semua pihak yang telah membantu dan memberikan bimbingan sehingga
penulis dapat merasa terus termotivasi untuk melangkah lebih maju.
Penulis begitu menyadari bahwa makalah ini masih jauh dari sempurna. Oleh karena itu,
kritik dan saran yang membangun dari pembaca sangat penulis harapkan demi kemajuan
penulis untuk kedepannya. Bila ada hal-hal yang kurang berkenan terhadap isi makalah ini
penulis memohon maaf yang sebesar-besarnya. Atas perhatian pembaca, penulis
mengucapkan terima kasih.
Penulis
Daftar Isi
JUDUL 1
Kata Pengantar 2
Daftar Isi 3
BAB I Pendahuluan 4
1.3 Tujuan......................................................................................................................4
1.4 Manfaat....................................................................................................................4
BAB II Pembahasan 5
3.1. Kesimpulan..............................................................................................................6
3.2. Saran........................................................................................................................6
Daftar Pustaka 7
BAB I
Pendahuluan
1.1 Latar belakang
Statistik adalah salah satu bidang yang berkembang pesat dalam berbagai bidang
kehidupan saat ini,mulai dari bisnis,pemerintahan,hingga ilmu pengetahuan.Pengumpulan,
pengolahan, dan penyajian data statistik merupakan aspek penting dalam kegiatan statistik.
Hasil dari kegiatan statistik sangat dibutuhkan oleh berbagai pihak, seperti pemerintah,
sektor swasta, akademisi, dan masyarakat umum. Statistik kualitas dan akurasi data sangat
penting dalam mengambil keputusan yang berkaitan dengan kebijakan, perencanaan, dan
evaluasi program dan kegiatan
Pada awalanya,produksi statistik dilakukan secara terpisah-pisah dan tidak terorganisir
dengan baik.Hal ini menyebabkan kurangnya koordinasi antara unit kerja yang terlibat dan
sulit untuk menjamin kualitas data yang dihasilkan.
Untuk meningkatkan kualitas dan efisiensi dalam pengumpulan, pengolahan, dan
penyajian data statistik, diperlukan kerangka kerja yang jelas dan sistematis. Salah satu
kerangka kerja yang digunakan di bidang statistik adalah Generic Statistical Business
Process Model (GSBPM) dan Generic Statistical Business Process Model
(GAMSO).GAMSO dan GSBPM dikembangkan sebagai kerangka kerja yang membantu
mengorganisir dan meningkatkan produksi statistik secara sistematis dan konsisten.
GSBPM dikembangkan oleh Organisasi Statistik dan Ekonomi Eropa (Eurostat) sebagai
kerangka kerja umum yang dapat diterapkan di seluruh dunia. GSBPM memberikan
kerangka kerja yang jelas untuk mengelola seluruh siklus hidup statistik, mulai dari
perencanaan hingga pengolahan, analisis, dan penyebarluasan data. Dalam GSBPM, ada
enam tahapan yang harus dilakukan dalam statistik produksi, yaitu perencanaan,
pengumpulan, pengolahan, analisis, penyebarluasan, dan evaluasi.
GAMSO memperluas dan melengkapi GSBPM melingkupi kegiatan statistik yang lebih
baik. Adapun fungsinya sebagai dasar perencanaan sumber daya, pengukuran produksi
statistik resmi, aspek implementasi alat modernisasi, mendukung manajemen risiko, dan
mendukung arsitektur pelajsanaan perusahaan untuk nilai dari modernisasi.GAMSO
membantu untuk memperjelas peran dan tanggung jawab setiap unit kerja dalam statistik
produksi dan memastikan bahwa semua tahapan dilakukan secara sistematis dan konsisten.
Implementasi GAMSO dan GSBPM membantu meningkatkan kualitas dan efisiensi dalam
statistik produksi.GAMSO dan GSBPM menggambarkan proses bisnis yang
menggambarkan seluruh siklus hidup statistik,mulai dari perencanaan hingga
penyebarluasan data.Namun, penerapan kedua model ini juga dapat menimbulkan
beberapa tantangan, seperti kesulitan dalam mendapatkan sumber daya yang cukup,
perbedaan budaya organisasi, dan kesulitan dalam mengkoordinasikan berbagai unit kerja
yang terlibat.
1.2 Rumusan masalah
Berdasarkan uraian yang telah dikemukakan pada latar belakang, maka
dapat dirumuskan beberapa permasalahan yaitu:
1. Bagaimana definisi GAMSO?
2. Bagaimana GAMSO di Jepang?
3. Bagaimana definisi GSBPM?
4. Bagaimana GSBPM di Jepang?
5. Bagaimana perbandingan GAMSO di Jepang dan Indonesia?
6. Bagaimana perbandingan GSBPM di Jepang dan Indonesia?
7. Apa saja jenis-jenis klasifikasi internasional?
8. Apa klasifikasi yg digunakan di Indonesia?
1.3 Tujuan
Berdasarkan uraian yang telah dikemukakan pada latar belakang, maka dapat
dirumuskan beberapa tujuan yang ingin dicapai yaitu:
1. Untuk memahami definisi GAMSO.
2. Untuk mengetahui GAMSO di Jepang.
3. Untuk memahami definisi GSBPM.
4. Untuk mengetahui GSBPM di Jepang.
5. Untuk mengetahui perbandingan GAMSO di Jepang dan Indonesia.
6. Untuk mengetahui perbandingan GSBPM di Jepang dan Indonesia.
7. Untuk mengetahui jenis-jenis klasifikasi internasional.
8. Untuk mengetahui klasifikasi yg digunakan di Indonesia.
1.4 Manfaat
Manfaat yang diharapkan dalam penulisan makalah ini adalah sebagai
berikut:
1. Pembaca dapat memperluas pengetahuan tentang GAMSO, GSBPM dan
klasifikasi.
2. Penulis dapat menyalurkan pengetahuan tentang GAMSO, GSBPM dan
klasifikasi.
3. Penulis dapat melatih kemampuan menulis dan berpikir kritis.
4. Penulis mengajak pembaca untuk memajukan statistik Indonesia.
BAB II
Pembahasan
2.1 Definisi GAMSO
Generic Activity Model for Statistical Organizations (GAMSO) menjelaskan dan
mendefinisikan kegiatan yang yang terjadi di dalam suatu lembaga yang menghasilkan
Official Statistics.GAMSO memperluas dan melengkapi Generic Statistical Business
Process Model (GSBPM) dengan menambahkan aktivitas tambahan yang diperlukan untuk
mendorong kegiatan produksi statistik.GAMSO menjelaskan kegiatan yang dilakukan oleh
lembaga statistik,sedangkan GSBPM menjelaskan proses produksi statistik.
GAMSO terdiri dari tiga level.Level pertama terdiri dari empat area aktivitas:Strategy and
Leadership, Capability Management, Corporate Support, dan Production. Level kedua
dari Strategy and Leadership, Capability Management, Corporate Support terdiri dari
sub-kegiatan.Level ketiga terdiri dari deskripsi tekstual dari tingkat kedua.
2. Capability Management
3. Corporate Support
C. Manage Quality
E. Manage Consumers
G. Manage Finances
I. Manage IT
Kegiatan ini meliputi koordinasi dan pengelolaan sumber daya dan solusi
informasi dan teknologi,termasuk pengelolaan keamanan data.Contoh
kegiatannya adalah mengelola asset IT,mengelola keamanan IT,dan
mengelola perubahan IT.
4. Production
1. Definisi
Generic Statistical Business Process Model (GSBPM) menjelaskan dan
mendefinisikan serangkaian proses bisnis yang diperlukan untuk menghasilkan statistik
resmi. GSBPM memberikan kerangka kerja standar dan terminologi yang diselaraskan
untuk membantu organisasi statistik memodernisasi proses produksi statistik mereka, serta
berbagi metode dan komponen. GSBPM juga dapat digunakan untuk mengintegrasikan
standar data dan metadata, sebagai template untuk dokumentasi proses, untuk
menyelaraskan infrastruktur komputasi statistik, dan untuk menyediakan kerangka kerja
penilaian dan peningkatan kualitas proses.
2. Latar Belakang
3. Memahami GSBPM
Proses bisnis statistik adalah kumpulan aktivitas dan tugas terkait dan terstruktur
untuk mengubah data masukan menjadi informasi statistik. Dalam konteks GSBPM,
organisasi atau kelompok organisasi melakukan proses bisnis statistik untuk membuat
statistik resmi guna memenuhi kebutuhan pengguna. Keluaran dari proses tersebut dapat
berupa kumpulan campuran produk fisik atau digital yang menyajikan data dan metadata
dengan cara yang berbeda, seperti publikasi, peta, layanan elektronik, dan lain-lain.
GSBPM harus diterapkan dan ditafsirkan secara fleksibel. Ini bukan kerangka kaku
di mana semua langkah harus diikuti dalam urutan yang ketat, melainkan mengidentifikasi
langkah-langkah yang mungkin dalam proses bisnis statistik dan saling ketergantungan di
antara mereka.
GSBPM dapat dilihat sebagai checklist untuk memastikan bahwa semua langkah yang
diperlukan telah dilakukan dalam SBP untuk produksi statistik resmi.
Di banyak organisasi statistik, beberapa fase pertama hanya dipertimbangkan saat keluaran
baru dibuat atau ketika proses direvisi sebagai hasil dari evaluasi proses. Setelah output
menjadi bagian dari aktivitas yang sedang berjalan “normal”, fase-fase ini tidak dilakukan
(misalnya, tidak perlu membangun alat pengumpulan baru setiap kali data survei angkatan
kerja dikumpulkan).
Oleh karena itu, GSBPM harus dilihat lebih sebagai sebuah matriks, terdapat banyak jalur
yang memungkinkan. Dengan cara ini, GSBPM menjadi cukup umum untuk diterapkan
secara luas dan mendorong pandangan standar dari proses bisnis statistik, tanpa menjadi
terlalu membatasi atau terlalu abstrak dan teoretis.
5. Penerapan GSBPM
GSBPM dimaksudkan untuk diterapkan pada semua kegiatan yang dilakukan oleh
penghasil statistik resmi, baik di tingkat nasional maupun internasional, yang
menghasilkan output data.
Model ini dirancang agar dapat diterapkan terlepas dari sumber datanya, sehingga dapat
digunakan untuk deskripsi dan penilaian kualitas proses berdasarkan survei, sensus,
register administratif, dan sumber non-statistik atau campuran lainnya.
Sementara proses bisnis statistik mencakup pengumpulan dan pemrosesan data untuk
menghasilkan output statistik, GSBPM juga berlaku ketika data yang ada direvisi, atau
time series dihitung ulang, baik sebagai hasil dari sumber data yang ditingkatkan atau
perubahan metodologi. Dalam kasus ini, input data dapat berupa data mikro asli dan/atau
data tambahan, yang kemudian diproses dan dianalisis untuk menghasilkan output yang
direvisi. Dalam kasus seperti itu, kemungkinan beberapa sub-proses dan mungkin beberapa
fase (terutama yang awal) akan dihilangkan. Demikian pula, GSBPM dapat diterapkan
pada proses seperti kompilasi national accounts dan the typical processes dalam organisasi
statistik internasional yang menggunakan data sekunder dari negara atau organisasi lain.
Selain dapat diterapkan untuk proses yang menghasilkan statistik, GSBPM juga dapat
diterapkan untuk pengembangan dan pemeliharaan register statistik, di mana inputnya
serupa dengan produksi statistik (walaupun biasanya dengan fokus lebih besar pada data
administratif), dan output biasanya berupa bingkai atau ekstraksi data lainnya, yang
kemudian digunakan sebagai input untuk proses lain.
6. Menggunakan GSBPM
GSBPM adalah model referensi. Hal ini dimaksudkan agar GSBPM dapat digunakan oleh
organisasi pada tingkatan yang berbeda. Organisasi dapat memilih untuk
mengimplementasikan GSBPM secara langsung atau menggunakannya sebagai dasar
untuk mengembangkan versi model yang disesuaikan. Ini dapat digunakan dalam beberapa
kasus hanya sebagai model yang dirujuk organisasi ketika berkomunikasi secara internal
atau dengan organisasi lain untuk mengklarifikasi diskusi. Berbagai skenario penggunaan
GSBPM semuanya valid.
Ketika organisasi telah mengembangkan adaptasi khusus organisasi dari GSBPM, mereka
dapat membuat beberapa spesialisasi pada model agar sesuai dengan konteks organisasi
mereka. Bukti sejauh ini menunjukkan bahwa spesialisasi ini tidak cukup umum untuk
dimasukkan ke dalam GSBPM itu sendiri.
Dalam beberapa kasus, mungkin tepat untuk mengelompokkan beberapa elemen model.
Misalnya, tiga fase awal dapat dianggap sesuai dengan satu fase perencanaan. Dalam kasus
lain, khususnya untuk implementasi praktis, mungkin ada kebutuhan untuk menambahkan
satu atau lebih level detail ke struktur untuk mengidentifikasi komponen subproses yang
berbeda secara terpisah.
Mungkin juga ada persyaratan untuk formal sign-off antar fase, di mana output dari satu
fase disertifikasi sesuai sebagai input untuk fase berikutnya. Persetujuan formal ini tersirat
dalam model (kecuali dalam sub-proses 1.6) tetapi dapat diterapkan secara eksplisit dengan
cara yang berbeda tergantung pada persyaratan organisasi.
1) GAMSO
2) GSIM
GSIM adalah kerangka referensi untuk informasi statistik, yang dirancang
untuk membantu memodernisasi statistik resmi di tingkat nasional dan
internasional. Ini memungkinkan deskripsi umum tentang definisi,
pengelolaan, dan penggunaan data dan metadata selama proses produksi
statistik. Ini menyediakan satu set standar, objek informasi yang dijelaskan
secara konsisten, yang merupakan input dan output untuk sub-proses
GSBPM. GSIM membantu menjelaskan hubungan yang signifikan antara
entitas yang terlibat dalam produksi statistik, dan dapat digunakan untuk
memandu pengembangan dan penggunaan standar atau spesifikasi
implementasi yang konsisten.
Nilai yang lebih besar akan diperoleh dari GSIM jika diterapkan bersamaan
dengan GSBPM. Demikian pula, nilai yang lebih besar akan diperoleh dari
GSBPM jika diterapkan bersamaan dengan GSIM. Namun demikian, adalah
mungkin (walaupun tidak ideal) untuk menerapkan yang satu tanpa yang
lain.
1. Specify needs
Fase ini dipicu ketika kebutuhan untuk statistik baru diidentifikasi atau umpan
balik tentang statistik saat ini memulai tinjauan. Ini mencakup semua kegiatan
yang terkait dengan melibatkan pemangku kepentingan untuk mengidentifikasi
kebutuhan statistik terperinci mereka (saat ini atau masa depan), mengusulkan
opsi solusi tingkat tinggi, dan menyiapkan kasus bisnis untuk memenuhi
kebutuhan ini.
Sub proses ini meliputi penyelidikan awal dan identifikasi statistik apa
yang dibutuhkan dan statistik apa yang dibutuhkan. Ini mungkin dipicu
oleh permintaan informasi baru atau perubahan lingkungan seperti
pengurangan anggaran.
Sub-proses ini memeriksa apakah sumber data saat ini dapat memenuhi
kebutuhan pengguna dan kondisi di mana mereka akan tersedia
termasuk pembatasan penggunaannya. Penilaian alternatif yang
mungkin biasanya mencakup penelitian terhadap sumber data
administratif atau non-statistik potensial lainnya.
2. Design
Fase ini menjelaskan kegiatan pengembangan dan desain, dan semua praktik
terkait pekerjaan penelitian diperlukan untuk menentukan keluaran statistik,
konsep, metodologi, instrumen pengumpulan, dan proses operasional. Ini
mencakup semua elemen desain yang diperlukan untuk mendefinisikan atau
menyempurnakan produk atau layanan statistik yang diidentifikasi dalam kasus
bisnis. Fase ini menentukan semua metadata yang relevan, siap digunakan nanti
dalam proses bisnis, serta prosedur jaminan kualitas. Untuk keluaran statistik
yang dihasilkan secara teratur, fase ini biasanya terjadi untuk iterasi pertama
dan setiap kali tindakan perbaikan diidentifikasi dalam fase "Evaluasi" dari
iterasi sebelumnya.
Sub-proses ini berisi desain terperinci dari keluaran statistik, produk dan
layanan yang akan diproduksi, termasuk pekerjaan pengembangan
terkait dan persiapan sistem dan alat yang digunakan dalam fase
"Menyebarluaskan".
3. Build
Fase ini membangun dan menguji solusi produksi hingga siap digunakan di
lingkungan "hidup". Keluaran dari fase "Desain" dirakit dan dikonfigurasi
dalam fase ini untuk menciptakan lingkungan operasional yang lengkap untuk
menjalankan proses. Layanan baru dibangun dengan pengecualian, dibuat
sebagai tanggapan atas kesenjangan dalam katalog layanan yang ada yang
bersumber dari dalam organisasi dan eksternal. Layanan baru ini dibangun agar
dapat digunakan kembali secara luas sejalan dengan arsitektur bisnis organisasi
jika memungkinkan. Untuk keluaran statistik yang dihasilkan secara teratur,
tahap ini biasanya terjadi untuk yang pertama iterasi, mengikuti review atau
perubahan metodologi atau teknologi, bukan untuk setiap iterasi.
3.4.Configure workflows
4. Collect
Sub-proses ini menetapkan bingkai dan memilih sampel untuk iterasi ini
koleksi, sebagaimana ditentukan dalam sub-proses 2.4 (Rangka desain
dan sampel). Ini juga mencakup koordinasi sampel antara contoh dari
proses bisnis yang sama (misalnya untuk mengelola tumpang tindih atau
rotasi), dan antara proses yang berbeda dengan menggunakan kerangka
atau register umum (misalnya untuk mengelola tumpang tindih atau
menyebarkan beban respon).
4.2.Set up collection
4.3.Run collection
4.4.Finalize collection
Sub-proses ini mencakup pemuatan data dan metadata yang
dikumpulkan ke dalam lingkungan elektronik yang sesuai untuk
diproses lebih lanjut. Ini mungkin termasuk pengambilan data manual
atau otomatis, misalnya, menggunakan staf klerikal atau alat pengenalan
karakter optik untuk mengekstrak informasi dari kuesioner kertas, atau
mengubah format file atau menyandikan variabel yang diterima dari
organisasi lain. Ini juga dapat mencakup analisis metadata dan paradata
yang terkait dengan pengumpulan untuk memastikan kegiatan
pengumpulan telah memenuhi persyaratan. Dalam kasus di mana
terdapat instrumen pengumpulan fisik, seperti kertas kuesioner, yang
tidak diperlukan untuk diproses lebih lanjut, sub proses ini mengelola
pengarsipan materi tersebut. Saat instrumen pengumpulan menggunakan
perangkat lunak seperti API atau aplikasi, sub-proses ini juga mencakup
pembuatan versi dan pengarsipan.
5. Process
Fase ini menjelaskan pemrosesan data input dan persiapannya untuk analisis.
Ini dibuat dari sub-proses yang mengintegrasikan, mengklasifikasikan,
memeriksa, membersihkan, dan mengubah data input, sehingga dapat dianalisis
dan disebarluaskan sebagai output statistik. Untuk keluaran statistik yang
dihasilkan secara teratur, fase ini terjadi di setiap iterasi. Sub-proses dalam fase
ini dapat diterapkan pada data dari sumber statistik dan non-statistik (dengan
kemungkinan pengecualian dari sub-proses 5.6 (Hitung bobot), yang biasanya
khusus untuk data survei).
Fase "Proses" dan "Analisis" bisa berulang dan paralel. Analisis dapat
mengungkapkan pemahaman yang lebih luas tentang data, yang mungkin
membuatnya tampak jelas bahwa ada pemrosesan tambahan diperlukan.
Kadang-kadang estimasi yang sedang diproses mungkin merupakan agregat
yang sudah dipublikasikan (dilakukan sesuai dengan Kebijakan Revisi).
Aktivitas dalam fase "Proses" dan "Analisis" juga dapat dimulai sebelum fase
"Kumpulkan" selesai. Ini memungkinkan kompilasi hasil sementara di mana
ketepatan waktu menjadi perhatian penting bagi pengguna, dan meningkatkan
waktu yang tersedia untuk analisis
5.1.Integrate data
Jika data dianggap salah, hilang, tidak dapat diandalkan, atau usang,
nilai baru dapat dimasukkan atau data usang dapat dihapus dalam
sub-proses ini.
Sub-proses ini memperoleh data untuk variabel dan unit yang tidak
secara eksplisit disediakan di pengumpulan, tetapi diperlukan untuk
menghasilkan output yang dibutuhkan. Itu menurunkan variabel baru
dengan menerapkan rumus aritmatika ke satu atau lebih variabel yang
sudah ada dalam kumpulan data, atau menerapkan asumsi model yang
berbeda.
5.6.Calculate weights
Sub-proses ini membuat bobot untuk rekaman data unit sesuai dengan
metodologi yang dikembangkan di sub-proses 2.5 (Pemrosesan dan
analisis desain)
5.7.Calculate aggregates
Sub-proses ini membuat data agregat dan total populasi dari mikrodata
atau agregat tingkat lebih rendah. Ini termasuk menjumlahkan data
untuk catatan yang berbagi karakteristik tertentu (misalnya agregasi data
berdasarkan klasifikasi demografis atau geografis), menentukan ukuran
rata-rata dan dispersi, dan menerapkan bobot dari sub-proses 5.6
(Hitung bobot) untuk mendapatkan total yang sesuai. Dalam kasus
keluaran
statistik yang menggunakan survei sampel, kesalahan pengambilan
sampel yang terkait dengan agregat yang relevan juga dapat dihitung
dalam sub-proses ini.
6. Analyze
Pada fase ini, output statistik diproduksi dan diperiksa secara rinci. Ini termasuk
menyiapkan konten statistik (termasuk komentar, catatan teknis, dll.), dan
memastikan output "sesuai dengan tujuan" sebelum disebarluaskan kepada
pengguna. Fase ini juga mencakup sub-proses dan aktivitas yang
memungkinkan analis statistik memahami data dan statistik yang dihasilkan.
Keluaran dari tahap ini juga dapat digunakan sebagai masukan untuk sub-proses
lainnya (misalnya analisis sumber baru sebagai masukan untuk tahap "Desain").
Untuk keluaran statistik yang dihasilkan secara teratur, fase ini terjadi di setiap
iterasi. Fase dan sub-proses "Analisis" bersifat umum untuk semua output
statistik, terlepas dari bagaimana sumber datanya.
Sub-proses ini adalah tempat data dari sub-proses 5.7 (Hitung agregat)
dan 5.8 (Final file data) diubah menjadi keluaran statistik.
6.2.Validate outputs
6.5.Finalize outputs
Sub-proses ini memastikan statistik dan informasi terkait sesuai dengan
tujuan dan mencapai tingkat kualitas yang diperlukan dan dengan
demikian siap untuk digunakan.
7. Disseminate
Fase ini mengelola rilis produk statistik ke pengguna. Ini mencakup semua
kegiatan terkait dengan perakitan dan pelepasan berbagai produk statis dan
dinamis melalui berbagai saluran. Kegiatan ini mendukung pengguna untuk
mengakses dan menggunakan produk yang dirilis oleh organisasi statistik.
Untuk produk statistik yang diproduksi secara reguler, fase ini terjadi di setiap
iterasi.
Sub-proses ini memastikan bahwa semua elemen untuk rilis sudah ada
termasuk mengatur waktu rilis. Ini termasuk pengarahan untuk
kelompok tertentu seperti pers atau menteri, serta pengaturan embargo
pra-pembebasan.
8. Evaluate
Fase ini mengelola evaluasi contoh spesifik dari proses bisnis statistik,
berlawanan dengan proses menyeluruh yang lebih umum dari manajemen
kualitas statistik yang dijelaskan dalam Bagian VI (Proses Menyeluruh). Ini
dapat terjadi pada akhir proses instance, tetapi juga dapat dilakukan secara
berkelanjutan selama proses produksi statistik. Itu bergantung pada input yang
dikumpulkan di seluruh fase yang berbeda. Ini termasuk mengevaluasi
keberhasilan contoh spesifik dari proses bisnis statistik, menggambar pada
berbagai input kuantitatif dan kualitatif, dan mengidentifikasi dan
memprioritaskan perbaikan potensial.
8.2.Conduct evaluation
Proses bisnis dari Statistics Bureau of Japan melibatkan beberapa tahap, yaitu:
Semua data yang dikumpulkan dari survei yang kami terima diproses secara berkala
berdasarkan kategori, dan isinya kemudian ditampilkan dalam bagan statistik. Proses ini
disebut "tabulasi".
Untuk melakukan pekerjaan tabulasi ini, Pusat Statistik Nasional berfokus pada tujuan
kembarnya yaitu “Memastikan akurasi statistik” dan “Meningkatkan teknologi statistik.”
Ini semua adalah bagian dari upaya Pusat untuk memastikan tiga prinsip tabulasi, yaitu
akurasi (memastikan akurasi statistik), kecepatan (memberikan hasil tepat waktu), dan
ekonomi (menggunakan cara dan metode yang efisien) terpenuhi.
Dalam melakukan pekerjaan tabulasi, BPS bekerja sama dengan instansi pemerintah yang
melakukan survei statistik dalam melaksanakan desain proses, desain kualitas, perencanaan
personalia, dan perencanaan pengadaan sebagai bagian dari desain dan perencanaan
pekerjaan tabulasi secara keseluruhan.
1) Pengambilan Data
Pusat Statistik Nasional mengkonfirmasi jumlah dan jenis formulir survei dan
dokumen yang diserahkan oleh pemerintah daerah dan/atau badan administratif
terkait lainnya, dan menyimpannya dengan aman di fasilitas penyimpanan
dokumen setelah disortir.
2) Pengkodean
3) Pengeditan Data
5) Hasil Pemeriksaan
Selain pengecekan angka dan format tabel hasil yang ditabulasikan dari data
statistik, Pusat juga melakukan berbagai pemeriksaan dan verifikasi seperti
kesesuaian logika nilai statistik; verifikasi deret waktu dari nilai masa lalu;
perbandingan dengan statistik terkait; dan verifikasi nilai singular. Ini adalah
bagian dari verifikasi menyeluruh dari beberapa sudut pandang yang berbeda,
mencari ketidakkonsistenan data dan memastikan kualitas tabel hasil.
Tabel hasil yang telah diisi disampaikan melalui berbagai media kepada
kementerian atau lembaga yang melaksanakan survei, seperti Badan Pusat
Statistik, Kementerian Dalam Negeri dan Komunikasi.
Seluruh proses yang terlibat dalam tabulasi tabel hasil ini (misalnya, tabulasi
basis bulanan untuk Survei Angkatan Kerja (seperti tingkat pengangguran)
membutuhkan waktu sekitar dua minggu untuk menyelesaikannya, sedangkan
tabulasi Indeks Harga Konsumen untuk Jepang dilakukan hampir satu bulan.
periode.
4. Pemrosesan data Statistik Resmi dan Kompilasi Informasi Statistik dilakukan oleh
NSTAC
· Sensus Penduduk
Sensus Penduduk adalah survei paling dasar dan berskala besar di Jepang
untuk memperjelas komposisi demografi berdasarkan jenis kelamin, usia,
status perkawinan, jenis pekerjaan, jenis rumah tangga, dll. Hasil Sensus
merupakan data penting di berbagai bidang, seperti alokasi kursi Diet,
analisis struktur populasi dan penelitian akademik, dll.
Survei ini bertujuan untuk mensurvei situasi aktual seperti industri, jumlah
orang yang terlibat, pendapatan, dll, dari semua perusahaan dan perusahaan,
dan dengan demikian memberikan data dasar untuk berbagai kebijakan
pengembangan industri, kebijakan ketenagakerjaan, perbaikan lingkungan
sosial, dll.. Survei tersebut akan berbentuk “Sensus Ekonomi” yang lebih
komprehensif dari tahun 2009.
Survei ini bertujuan untuk mensurvei sentimen bisnis para pemilik bisnis
dan total penjualan dan pembelian setiap tiga bulan sekali dalam setahun,
dan karakteristik struktural manajemen, seperti usia pemilik bisnis, apakah
telah ditemukan penerus untuk mengambil alih bisnis, dll. , dan dengan
demikian menyediakan data dasar untuk berbagai kebijakan tentang
perusahaan yang tidak berbadan hukum.
Survei ini terdiri dari kuesioner dasar yang mensurvei status angkatan kerja,
jam kerja mingguan, jenis pekerjaan dll. untuk orang berusia 15 tahun ke
atas (setiap bulan) dan kuesioner khusus yang mensurvei jenis pekerjaan,
status pekerjaan dll. (sekali dalam seperempat tahun), dengan demikian
memberikan data dasar untuk kebijakan ekonomi, kebijakan
ketenagakerjaan, dll.
Survei ini bertujuan untuk mensurvei alokasi waktu dan kegiatan rekreasi
masyarakat untuk memperjelas keadaan kehidupan masyarakat yang
sebenarnya, dan dengan demikian memberikan data dasar untuk beberapa
jenis tindakan administratif yang berkaitan dengan kehidupan dan
kesejahteraan masyarakat.
Survei ini menyebutkan harga jual, biaya, gaya menjual, dll, tentang barang
dan jasa penting bagi kehidupan konsumen. Hasil Survei digunakan sebagai
data dasar untuk kebijakan harga, kebijakan ekonomi daerah dan kebijakan
ekonomi lainnya.
Sistem Statistik Sosial dan Demografi (SSDS) adalah sistem di mana data
statistik regional dikumpulkan, dinormalisasi, dan diatur. SSDS
menampilkan kehidupan orang Jepang, seperti lingkungan alam, populasi,
rumah tangga, infrastruktur ekonomi, pendidikan, tenaga kerja, kesehatan,
dan perawatan medis.
· Statistik Grid-Square
Statistik Grid-square adalah statistik area kecil yang disusun berdasarkan unit area
persegi dengan ukuran yang hampir seragam, membagi seluruh wilayah Jepang.
Hasil Sensus Penduduk, Sensus Pendirian dan Usaha, dan seterusnya disusun
menjadi Statistik Kisi-kisi.
2.5 Perbandingan GAMSO Jepang dan Indonesia
Generic Activity Model of Statistical Organization (GAMSO) merupakan kerangka
kerja global yang dibangun oleh Perserikatan Bangsa-Bangsa (PBB) untuk
membantu organisasi statistik nasional dalam mengembangkan dan meningkatkan
kemampuan mereka dalam menghasilkan data statistik yang berkualitas.
Jepang dan Indonesia merupakan dua negara yang memiliki perbedaan dalam
berbagai hal, termasuk dalam pengembangan statistik nasional dan implementasi
GAMSO.
Beberapa perbedaan antara Jepang dan Indonesia dalam hal GAMSO dapat
mencakup hal-hal berikut:
1. Kemajuan dalam Implementasi GAMSO
Jepang memiliki sistem statistik yang sudah berkembang dengan baik serta
berjalan dengan efektif dan efisien. Badan Pusat Statistik (BPS) Jepang telah
menerapkan GAMSO sejak tahun 2005 dan terus mengembangkan sistem
statistik nasional mereka. Sementara itu, Indonesia masih dalam proses
pengembangan sistem statistik nasional yang lebih efektif. BPS Indonesia
baru mulai menerapkan GAMSO pada tahun 2018 dan masih membutuhkan
waktu dan usaha untuk membangun sistem statistik nasional yang dapat
menghasilkan data yang berkualitas.
Jepang memiliki sumber daya manusia, teknologi, dan sistem keuangan yang
lebih baik untuk menerapkan GAMSO dibandingkan dengan Indonesia. Hal
ini dapat dilihat dari anggaran yang dikeluarkan untuk pengembangan sistem
statistik nasional. Menurut laporan World Bank tahun 2020, Jepang
mengeluarkan anggaran sekitar 5,4 miliar dolar AS untuk pengembangan
sistem statistik nasional, sedangkan Indonesia hanya mengeluarkan sekitar
71,6 juta dolar AS, hanya 13% dari total anggaran Jepang, padahal Indonesia
memiliki luas wilayah yang lebih besar dan masyarakat yang lebih beragam.
Selain itu, Jepang memiliki sumber daya manusia yang terlatih dan
berpengalaman dalam menghasilkan data statistik yang berkualitas,
sedangkan Indonesia masih perlu mengembangkan kapasitas sumber daya
manusia untuk dapat menerapkan GAMSO dengan efektif.
Jepang memiliki jaringan kerja sama yang kuat antara pemerintah, akademisi,
dan industri dalam pengembangan statistik nasional. Selain itu, masyarakat
Jepang juga memiliki kepercayaan dan kesadaran yang tinggi terhadap data
statistik nasional. Sementara itu, Indonesia masih perlu memperkuat
keterlibatan pemangku kepentingan dalam proses pengambilan keputusan dan
membangun kepercayaan dan kesadaran masyarakat terhadap data statistik
nasional.
Jepang mungkin memiliki fokus yang lebih pada kegiatan pengumpulan data
statistik ekonomi dan sosial, sedangkan Indonesia lebih berfokus pada
kegiatan pengumpulan data statistik lingkungan hidup yang keberlanjutan.
Hal tersebut tercermin dalam visi dan misi dari masing-masing badan statistik
nasional. BPS Jepang memiliki visi untuk memberikan data dasar untuk
mendukung kebijakan sosial dan ekonomi, sementara BPS Indonesia
memiliki visi untuk menghasilkan data yang terpercaya, akurat, dan tepat
waktu dalam mendukung pengambilan keputusan di berbagai sektor,
khususnya lingkungan hidup dan keberlanjutan. Walaupun begitu, kedua
negara tersebut masih memiliki kebutuhan yang sama dalam pengembangan
kemampuan mereka dalam menghasilkan data statistik yang berkualitas.
Dalam hal ini, perbedaan antara GSBPM Jepang dan Indonesia dapat termasuk
dalam beberapa hal berikut:
1. Kondisi Lokal
Kondisi sosial, ekonomi, dan politik di kedua negara dapat sangat berbeda.
Dalam hal ini, perbedaan kondisi tersebut dapat mempengaruhi cara
pengumpulan data, analisis statistik, dan publikasi hasil. Sebagai contoh,
dalam hal pengumpulan data, Indonesia memiliki keragaman geografis yang
luas dan keanekaragaman budaya yang besar. Oleh karena itu, pengumpulan
data di Indonesia dapat lebih rumit dibandingkan dengan Jepang yang
memiliki wilayah yang lebih kecil dan homogen secara budaya.
2. Tingkat Perkembangan
4. Kebijakan Nasional
Indonesia dan Jepang memiliki kebijakan nasional yang berbeda dalam hal
statistik. Dalam hal ini, perbedaan kebijakan dapat mempengaruhi
bagaimana data dikumpulkan, dianalisis, dan dipublikasikan. Sebagai
contoh, di Indonesia terdapat kebijakan untuk memperluas cakupan data
statistik pada daerah yang masih terbatas. Di Jepang, terdapat kebijakan
untuk meningkatkan efisiensi pengumpulan dan analisis data.
Dalam hal perbedaan GSBPM Jepang dan Indonesia secara spesifik, informasi yang
tersedia sangat terbatas. Oleh karena itu, lebih lanjut penelitian dan analisis
diperlukan untuk menentukan perbedaan secara spesifik antara GSBPM di kedua
negara.
ISIC dibangun oleh Badan PBB untuk Statistik (UN Statistics Division) dan
diperbarui secara berkala untuk mencerminkan perubahan dalam struktur
ekonomi global dalam hal industri. Sistem klasifikasi ISIC
mengelompokkan aktivitas ekonomi/industri ke dalam sektor-sektor berikut:
2. Klasifikasi Produk
Klasifikasi ini digunakan untuk mengkategorikan produk berdasarkan jenis
dan karakteristiknya. Klasifikasi ini memungkinkan untuk membedakan
antara jenis produk yang berbeda, seperti produk pertanian, produk industri,
dan produk jasa. Klasifikasi produk juga berguna untuk menghasilkan data
statistik terkait dengan produksi, ekspor-impor, dan konsumsi produk secara
spesifik.
A. Barang Konsumen
B. Barang Modal
C. Barang Intermediet
D. Jasa Konsumen
E. Jasa Bisnis
Setiap sektor kemudian dibagi lagi menjadi kategori yang lebih spesifik.
Sebagai contoh, sektor barang konsumen terdiri dari kategori sebagai
berikut:
3. Klasifikasi Wilayah
M49 terdiri dari tiga tingkat klasifikasi. Level 1 terdiri dari 5 wilayah utama,
yaitu Amerika, Eropa, Asia, Afrika, dan Oceania. Setiap wilayah ini
didefinisikan oleh ciri geografis dan ekonomi yang khas, seperti lokasi
geografis, bahasa, agama, dan karakteristik demografis dan sosial lainnya.
Level 2 terdiri dari 23 sub-wilayah yang didefinisikan berdasarkan ciri khas
yang lebih spesifik. Sebagai contoh, Asia Tenggara adalah salah satu
sub-wilayah di level 2 dan terdiri dari 11 negara seperti Indonesia, Thailand,
dan Malaysia. Setiap sub-wilayah ini memiliki karakteristik geografis dan
ekonomi yang serupa. Level 3 terdiri dari 89 negara atau kelompok negara.
Negara-negara di level 3 dikelompokkan berdasarkan sub-wilayah di level 2
yang memiliki karakteristik yang sama. Misalnya, Indonesia termasuk
dalam kelompok negara Asia Tenggara.
NUTS memiliki tiga tingkat klasifikasi, yaitu NUTS 1, NUTS 2, dan NUTS
3. NUTS 1 terdiri dari wilayah terbesar di Uni Eropa, yaitu negara anggota.
Setiap negara anggota di Uni Eropa diberi kode NUTS 1. NUTS 2 terdiri
dari wilayah sub-nasional yang lebih besar, seperti region atau provinsi di
dalam negara anggota. NUTS 3 terdiri dari wilayah sub-nasional yang lebih
kecil, seperti kabupaten atau kotamadya.
4. Klasifikasi Pendidikan
Sementara itu, ECEC terdiri dari 9 tingkat klasifikasi yang mengacu pada
jenis dan tingkat layanan pendidikan anak usia dini. Setiap tingkat
klasifikasi ECEC memiliki deskripsi singkat dan kriteria spesifik yang
menunjukkan sifat dan ciri-ciri layanan pendidikan anak usia dini di tingkat
tersebut. Berikut adalah penjelasan singkat mengenai setiap tingkat
klasifikasi ECEC:
5. Klasifikasi Pekerjaan
Klasifikasi ini digunakan untuk mengkategorikan jenis pekerjaan
berdasarkan keahlian, tugas, dan tanggung jawab yang diperlukan. Hal ini
berguna untuk menghasilkan data statistik terkait dengan tenaga kerja secara
spesifik di masing-masing sektor industri atau jenis pekerjaan tertentu.
Contoh klasifikasi pekerjaan yang digunakan secara internasional antara lain
adalah Klasifikasi Pekerjaan Standar Internasional (ISCO).
Kemudian, minor group pertama "Pekerjaan Teknik dan Ilmiah" dibagi lagi
ke dalam beberapa unit group, seperti "Ilmuwan Komputer", "Insinyur
Listrik", dan "Teknisi Laboratorium".
ISCO direvisi secara berkala oleh ILO untuk mengikuti perkembangan
pekerjaan dan pasar tenaga kerja global. Versi terbaru dari ISCO adalah
ISCO-08 yang diperkenalkan pada tahun 2008 dan masih digunakan hingga
saat ini.
6. Klasifikasi Pengeluaran
Sementara itu, CPA dibagi menjadi enam tingkatan, mulai dari tingkat
terbesar hingga tingkat terkecil, yaitu:
CPA 2008 adalah revisi terbaru dari CPA dan mencakup lebih dari 10.000
kategori produk dan layanan. CPA 2008 mempertimbangkan perkembangan
teknologi dan tren baru dalam ekonomi dan memberikan rincian yang lebih
detail daripada versi sebelumnya, seperti penambahan sub-kategori untuk
industri kreatif dan sub-kategori baru untuk produk energi terbarukan. CPA
2008 juga mempertimbangkan hubungan antara produk dan layanan yang
terkait, sehingga memungkinkan untuk lebih memahami hubungan antara
kegiatan ekonomi dan produk atau layanan yang dihasilkan.
7. Klasifikasi Layanan
Setiap sektor dalam CPC-S kemudian dibagi menjadi sub-sektor yang lebih
spesifik dan akhirnya ke kategori spesifik layanan. Misalnya, sektor jasa
kesehatan dan sosial terdiri dari sub-sektor seperti pelayanan kesehatan, jasa
perawatan anak dan orang tua, serta pelayanan kesejahteraan sosial,
sedangkan sub-sektor jasa perawatan anak dan orang tua terdiri dari kategori
seperti penitipan anak, perawatan orang tua, dan pengasuh bayi.
Sementara itu, CPSA terdiri dari enam tingkat klasifikasi, di mana setiap
tingkat yang lebih tinggi mencakup jumlah aktivitas yang lebih sedikit tetapi
lebih umum. Berikut adalah penjelasan singkat tentang setiap tingkat:
Sektor dalam KBJI mengacu pada kelompok jabatan atau posisi kerja yang
memiliki karakteristik atau ciri-ciri yang sama dalam tugas, tanggung
jawab, dan persyaratan yang dibutuhkan. KBJI mengelompokkan sektor
utama ke dalam 11 kelompok yang terdiri dari:
3.2. Saran
Penulis juga memberikan saran kepada masyarakat pada umumnya untuk bisa
meningkatkan kesadarannya terhadap pentingnya kegiatan statistik bagi
perancangan kebijakan negara ataupun daerah sehingga dapat terciptanya
koordinasi yang baik antara BPS sebagai penyelenggara statistik dan masyarakat
sebagai responden.
Daftar Pustaka
Kitano, N., & Hokimoto, T. (2016). From Business Process to Generic Activity Model
of Statistical Organization (GAMSO): The Case of Japan. Journal of Official
Statistics, 32(1), 81-97.
Kiyota, K. (2017). The use of GSBPM to design a sustainable official statistics system:
A case study of Japan. Dalam Prosiding Joint UNECE/Eurostat Work Session
on Statistical Metadata (METIS) (pp. 49-62).
National Statistics Center. Produce Statistics. Diakses pada 13 April 2023 dari
https://www.nstac.go.jp/en/create/?doing_wp_cron=1681481281.13354492187500
00000000
Nomura, H., Yonezawa, Y., & Kawai, Y. (2014). Implementing the Generic
Statistical Business Process Model (GSBPM) in Japan: A case study. Journal
of Official Statistics, 30(4), 607-624.
Widodo, H., & Irianto, H. E. (2018). Studi Tentang Kebijakan Klasifikasi Lapangan
Usaha Berdasarkan KBLI 2017. Jurnal Kebijakan dan Administrasi Publik,
22(1), 1-14.