Dwi Mahrani
Institut Teknologi Sumatera

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS DAMPAK PERUBAHAN OMSET PELAKU USAHA UMKM PADA MASA PANDEMI COVID-19 MELALUI PENDEKATAN REGRESI LOGISTIK MULTINOMIAL Dwi Mahrani; Nabilah Syafitri
Premium Insurance Business Journal Vol. 9 No. 1 (2022): PREMIUM INSURANCE BUSINESS JOURNAL
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat Sekolah Tinggi Manajemen Asuransi Trisakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35904/premium.v9i1.31

Abstract

Virus Corona atau yang lebih dikenal dengan Covid-19 pertama kali ditemukan di Wuhan, China pada bulan Desember 2019. Covid-19 pertama kali masuk ke Indonesia pada bulan Maret 2020. Untuk mengambil Tindakan pencegahan, pemerintah membuat kebijakan jaga jarak atau social distancing dan Pembatasan Sosial Skala Besar di sejumlah kota besar di Indonesia termasuk salah satunya adalah provinsi Jambi. Jambi merupakan salah satu provinsi yang memiliki banyak sektor lapangan usaha baik itu sektor alam maupun industri. Penelitian ini bertujuan untuk menganalisis dampak yang ditimbulkan terhadap omset para pelaku usaha di Provinsi Jambi. Variabel respon yang digunakan memiliki 4 kategori, yaitu kategori omset kurang dari 300 juta, kategori omset dari 300 juta sampai 2.5 miliar, kategori omset dari 2.5 miliar sampai 50 miliar dan kategori omset lebih dari 50 miliar. Oleh karena itu, metode yang digunakan dalam penelitian ini adalah regresi logistik multinomial. Setelah Analisis dilakukan, faktor-faktor yang mempengaruhi omset para pelaku usaha di tahun adalah perubahan pendapatan dengan kategori menurun, lapangan/sektor usaha dengan kategori pertanian, konstruksi, industry pengolahan, jasa keuangan dan asuransi, serta perdagangan besar dan eceran, profil usaha saat ini dengan kategori sektor yang sama dan terjadinya perekrutan sumber daya manusia selama masa Covid-19. Pengujian kesesuaian dari model yang telah dihasilkan menunjukkan bahwa tidak ada perbedaan antara hasil observasi dengan hasil prediksi. Maka dari itu, hasil dari analisis menunjukkan bahwa model memiliki ketepatan klasifikasi Apparent Error Rate sebesar 79,3 persen.