NEWSLETTER LIBRARY CAFE 19 JANUARI 2023

KIAT MENGHASILKAN SHP

YANG BERKUALITAS

Library Café (LC) kali ini menghadirkan salah satu pemenang dalam
kompetisi penyusunan Sintetis Hasil Pengawasan (SHP), tim Zero
Informasi
Poverty. Acara dikemas dalam bentuk talkshow dan dibuka langsung
oleh Kepala Pusat Penelitian dan Pengembangan Pengawasan Library Café
(Kapuslitbangwas), Amdi Veri Darma.

Tanggal : 19 Januari 2023

Dalam pembukaan, Kapuslitbangwas mengenalkan kanal lain yang
disediakan oleh Puslitbangwas untuk saling belajar dan berbagi ilmu
selain LC, yaitu KMS dan ADVIS. KMS merupakan aplikasi berbasis web
Influencer : Tim Zero Poverty
yang bisa diakses dari portal app.bpkp.go.id. Sebagai pemantik untuk
menghidupkan KMS, Puslitbangwas telah menyumbangkan bahan
diskusi pada CoP KMS berupa narasi operasionalisasi APP Tahun 2023 Host : Lady Martha B.H.N
Triwulan I, yang berisi konteks serta isu strategis terkait tema atau
topik APP. Narasi tersebut diharapkan dapat menjadi bahan diskusi
awal agar para warga BPKP dapat lebih memaknai informasi hasil Tempat : Via Zoom & Ruang
pengawasan (insilwas). Kapuslitbangwas juga menjelaskan aplikasi Perpustakaan
(Library Café)
ADVIS yang berisi data internal, data eksternal, dan dataset. Aplikasi
ini berbasis web dan dapat diakses pada alamat https://advis.id.
Jumlah : 663 peserta
Kapuslitbangwas berharap kedua kanal tersebut bisa digunakan dan Peserta

dikembangkan secara bersama-sama untuk saling berbagi

pengetahuan.

1
NEWSLETTER LIBRARY CAFE
DATANGNYA GAGASAN
MEMILIH TOPIK SHP
Tim Zero Poverty mengusung SHP berjudul "Apakah
tingkat maturitas SPIP dan kapabilitas APIP dapat
memperkuat pengaruh belanja Pemerintah terhadap
penurunan tingkat kemiskinan dan bagaimana prediksi
Model Machine Learning dalam menentukan target Zero
Poverty pada tahun 2030". Ide penulisan ini datang
karena BPKP mendapat amanah melalui Inpres 4 Tahun
2022 untuk mengatasi kemiskinan ekstrem. Tim Zero
Poverty juga berusaha memanfaatkan data-data yang
ada baik data yang dihasilkan BPKP sendiri maupun
data sekunder untuk dapat menghasilkan rekomendasi
kepada stakeholders BPKP mapun kepada internal
BPKP dalam mendesain suatu kebijakan pengawasan.
Perbedaan Regresi, Regresi Moderasi, SEM, dan
Machine Learning.
Menjawab pertanyaan dari host terkait perbedaan
empat model analisis tersebut, tim Zero Poverty
menjelaskan bahwa Regresi digunakan untuk
menemukan atau memodelkan suatu hubungan
antara variabel satu dengan lainnya. Dari regresi
diperoleh rumus Y=ax+b, yang dapat digunakan
untuk memprediksi variabel berikutnya dengan
variabel terikat dan variabel independen.
19 JANUARI 2023
MODEL ANALISIS
YANG DIGUNAKAN
Tim Zero Poverty menggunakan analisis regresi
linier berganda untuk menentukan variabel-
variabel mana yang mempengaruhi kualitas
belanja. Pendekatannya dengan melihat
penelitian-penelitian yang telah ada
sebelumnya. Untuk kebaruannya, tim
menggunakan pengaruh variabel moderasi
SPIP dan kapabilitas APIP.
CARA BERPIKIR
MEMBUAT MODEL
Dengan melihat APP tahun 2023, host LC
menantang influencer menerangkan langkah
berpikir untuk membuat model.
Langkah pertama adalah membandingkan
antara analisis desain kebijakan dengan
peraturan yang ada di Indonesia. Selain itu,
dibandingkan juga dengan yang ada di WHO,
OECD maupun jurnal kesehatan terkait. Dari
riset-riset internasional, bisa didapatkan
variabel dan matriks yang kemudian dipilih
mana data yang relevan atau tersedia di
Kementerian Kesehatan. Barulah setelah itu
model dapat dibangun.
Sedangkan SEM dengan PLS digunakan ketika
terdapat banyak variabel yang bisa mempengaruhi
satu sama lain. Machine learning adalah
pemanfaatan atas ilmu statistik untuk membuat
mesin bisa belajar sendiri atau dengan memasukan
data-data yang bisa menghasilkan sesuatu dari
data tersebut. Machine learning dipakai dalam
tahapan predictive analytics.
2
NEWSLETTER LIBRARY CAFE
KAPAN ANALISIS DESKRIPTIF
DIGUNAKAN
Tim Zero Poverty juga menjelaskan bahwa dalam
melakukan analisis, tidak harus terpaku dengan analisis
statistik atau machine learning. Metode analisis yang
dipilih bergantung pada tujuan dari kajian/kegiatan yang
akan dilakukan.
Analisis deskriptif bisa digunakan dalam menjelaskan apa
yang sebenarnya sedang terjadi saat ini atau bagaimana
kondisi di lapangan. Setelah itu terjawab, maka kita butuh
mencari penyebabnya. Untuk mencari variabel penyebab,
maka dapat dilakukan regresi atau korelasi untuk
pendekatan kuantitatif. Pendekatan yang dilakukan juga
bisa secara kualitatif dengan memperhatikan kaidah-
kaidah yang harus dipenuhi, seperti metode sampling,
desain pertanyaan, teknik menggeneralisasi jawaban
secara umum menggunakan metode analisis lain seperti
SEM atau regresi.
Kemudian jika ada kebutuhan untuk melakukan prediksi ke
depan, dapat menggunakan metode Predictive Analytics.
Lebih lanjut, untuk menentukan cara agar dapat mencapai
kondisi yang diharapkan di masa depan, dapat
menggunakan Prescriptive Analytics.
Beberapa hal yang bisa digunakan untuk analisis deskriptif
secara umum adalah distribusi data, komposisi, komparasi
antar data, serta korelasi antar data.
19 JANUARI 2023
REFLEKSI TIM
Tim Zero Poverty menggunakan IPO (Input
Process Output) Model of Team
Effectiveness agar tim bisa bekerja dengan
efektif. Input berupa tim yang terdiri dari 5
orang sesuai ketentuan kompetisi. Jumlah
tersebut merupakan komposisi yang sudah
pas berdasarkan beberapa penelitian yang
menunjukkan bahwa jumlah anggota dalam
tim yang tepat adalah di rentang 3 sampai
7 orang, supaya ada interaksi satu sama
lain, saling mengenal, terbentuknya
komunikasi yang lancar sehingga tidak
sungkan dalam menyampaikan ide-ide.
Selain itu, tim Zero Poverty bisa berjalan
dengan efektif karena terdiri dari beberapa
unit (heterogen). Dalam proses, adanya
sumber data, komunikasi serta leadership
yang membentuk kepuasan tim, munculnya
inovasi juga dirasa sangat membantu.
PENUTUP
Library Café kali ini diikuti hampir 600-an
partisipan baik dari intern maupun ekstern
BPKP. Acara berjalan semakin menarik
dengan adanya iringan penampilan band
LC serta mengalirnya diskusi antara
audience dengan influencer seputar
penyusunan SHP.
3