Electronic Theses and Dissertation

Wabah Covid-19 ditetapkan sebagai darurat kesehatan masyarakat yang meresahkan dunia pada Januari 2020 hingga Mei 2023 oleh World Health Organization (WHO). Wabah ini telah mengubah tatanan kehidupan sosial-ekonomi secara drastis. Oleh karenanya perlu dilakukan upaya pemulihan sebagai serangkaian kegiatan untuk mengembalikan kondisi masyarakat dan lingkungan hidup yang terkena bencana sehingga kegiatan sosial-ekonomi masyarakat dapat kembali berjalan dengan baik. Penelitian ini menggunakan data google mobility report dan analisis regresi spasial data panel untuk mengetahui faktor-faktor yang memengaruhi pemulihan sosial-ekonomi di Pulau Sumatra dan bagaimana pengaruh antar wilayah dalam upaya pemulihan tersebut. Data yang digunakan merupakan data panel untuk 273 hari observasi di 8 provinsi. Dengan menggunakan data tersebut diperoleh model terbaik Spatial Durbin Model (SDM) dengan fixed effect dan koefisien determinasi sebesar 0.27. Variabel-variabel yang berpengaruh secara signifikan terhadap pemulihan sosial-ekonomi di Pulau Sumatra pada masing-masing provinsi adalah luas wilayah, besaran APBD, besaran PDRB primer, besaran PDRB tersier, jumlah tenaga kesehatan per kapita, dan jumlah penduduk yang telah menerima vaksin. Sedangkan variabel yang berpengaruh secara signfikan terhadap pemulihan sosial-ekonomi provinsi tetangganya adalah luas luas wilayah, besaran APBD, besaran PDRB tersier, dan jumlah penduduk yang telah menerima vaksin. Nilai koefisien spasial lag (ρ) adalah sebesar -0.20 yang menunjukkan persentase pemulihan sosial-ekonomi untuk masing-masing provinsi cenderung berpeluang dipengaruhi oleh besarnya persentase pemulihan sosial-ekonomi provinsi tetangganya sebesar -0.20%.

The Covid-19 outbreak was declared a public health emergency that would disturb the world from January 2020 to May 2023 by the World Health Organization (WHO). This outbreak has drastically changed the socio-economic order of life. Therefore, it is necessary to carry out recovery efforts as a series of activities to restore the condition of the community and environment affected by the disaster so that the community's socio-economic activities can run smoothly again. This research uses Google Mobility Report data and spatial regression analysis of panel data to determine the factors that influence socio-economic recovery on the island of Sumatra and the influence between regions in these recovery efforts. The data used is panel data for 273 days of observation in 8 provinces. By using this data, the best model was obtained, the Spatial Durbin Model (SDM) with fixed effects and a coefficient of determination of 0.27. The variables that have a significant influence on socio-economic recovery on the island of Sumatra in each province are the size of the province, the size of the provincial budget, the size of the primary GRDP, the size of the tertiary GRDP, the number of health workers per capita, and the number of residents who have received the vaccine. Meanwhile, the variables that have a significant influence on the socio-economic recovery of neighboring provinces are the area, the size of the APBD, the size of the tertiary GRDP, and the number of residents who have received the vaccine. The value of the spatial lag coefficient (ρ) is -0.20, which shows that the percentage of socio-economic recovery for each province tends to be influenced by the percentage of socio-economic recovery in neighboring provinces of -0.20%.