Analitik publikDKI Jakarta

Analitik dari data

Klaster wilayah, proyeksi serapan, dan prioritas anggaran dibaca dari model yang sama dengan data publik. Setiap keluaran tetap perlu diverifikasi.

Kembali ke dataTanya Asisten AI
ML Pipeline Intelligence
R² = 0,16
K-Means (k=3)Ridge Regression44 Wilayah

Klaster prioritas

1

Kecamatan pada tier kritis

Anomali defisit akses

21

Populasi tinggi, rasio fasilitas rendah

Proyeksi serapan

6,9%

Realisasi proyeksi / total alokasi

Risiko serapan tinggi

39

Dari 44 kecamatan

Klaster wilayah

Tiga tingkat kebutuhan intervensi

K-Means mengelompokkan 44 kecamatan berdasarkan populasi, jumlah fasilitas, rasio akses, tingkat dukungan disabilitas, dan alokasi anggaran.

Silhouette 0,47 · k = 3
Prioritas Kritis
1

Prioritas tinggi

Prioritas Intervensi Kritis

  • KEBON JERUK0 / 10rb

Total 1 kecamatan dalam klaster ini

33

Perlu perhatian

Kawasan Berkembang & Moderat

  • CILINCING0 / 10rb
  • PADEMANGAN0 / 10rb
  • CENGKARENG0 / 10rb
  • TAMBORA0 / 10rb

Total 33 kecamatan dalam klaster ini

10

Relatif stabil

Infrastruktur Stabil & Inklusif

  • JOHAR BARU0,7 / 10rb
  • CEMPAKA PUTIH1,01 / 10rb
  • KEMAYORAN1,27 / 10rb
  • TANAH ABANG1,51 / 10rb

Total 10 kecamatan dalam klaster ini

Anomali defisit akses

Kecamatan berpenduduk di atas median dengan rasio fasilitas di bawah 0,25 per 10.000.

21 kecamatan

PENJARINGAN

0,16 / 10rb

Kota Jakarta Utara

Populasi 312.500 jiwa

TANJUNG PRIOK

0,05 / 10rb

Kota Jakarta Utara

Populasi 412.000 jiwa

KOJA

0,03 / 10rb

Kota Jakarta Utara

Populasi 341.200 jiwa

CILINCING

0 / 10rb

Kota Jakarta Utara

Populasi 438.900 jiwa

CENGKARENG

0 / 10rb

Kota Jakarta Barat

Populasi 582.100 jiwa

GROGOL PETAMBURAN

0,04 / 10rb

Kota Jakarta Barat

Populasi 241.900 jiwa

TAMBORA

0 / 10rb

Kota Jakarta Barat

Populasi 271.500 jiwa

KEBON JERUK

0 / 10rb

Kota Jakarta Barat

Populasi 382.000 jiwa

KALIDERES

0 / 10rb

Kota Jakarta Barat

Populasi 452.100 jiwa

KEMBANGAN

0 / 10rb

Kota Jakarta Barat

Populasi 312.000 jiwa

PASAR MINGGU

0,03 / 10rb

Kota Jakarta Selatan

Populasi 318.900 jiwa

KEBAYORAN LAMA

0 / 10rb

Kota Jakarta Selatan

Populasi 321.500 jiwa

JAGAKARSA

0 / 10rb

Kota Jakarta Selatan

Populasi 362.400 jiwa

PESANGGRAHAN

0 / 10rb

Kota Jakarta Selatan

Populasi 261.200 jiwa

PULOGADUNG

0 / 10rb

Kota Jakarta Timur

Populasi 302.100 jiwa

JATINEGARA

0,03 / 10rb

Kota Jakarta Timur

Populasi 328.900 jiwa

KRAMAT JATI

0,03 / 10rb

Kota Jakarta Timur

Populasi 312.000 jiwa

CAKUNG

0 / 10rb

Kota Jakarta Timur

Populasi 574.200 jiwa

DUREN SAWIT

0 / 10rb

Kota Jakarta Timur

Populasi 421.000 jiwa

CIRACAS

0 / 10rb

Kota Jakarta Timur

Populasi 308.900 jiwa

CIPAYUNG

0 / 10rb

Kota Jakarta Timur

Populasi 298.100 jiwa

Proyeksi anggaran

Serapan sampai akhir tahun

Model time-series memproyeksikan realisasi bulanan dari riwayat penyerapan. Garis putus-putus adalah proyeksi, bukan realisasi.

Realisasi bulanan & proyeksi

8 bulan aktual · 4 bulan proyeksi

TeraPublic APBD Fiscal ML Forecaster

Ringkasan tahun 2026

Keluaran model, bukan keputusan anggaran.

Total alokasi
Rp 1,83 kuadriliun
Proyeksi realisasi
Rp 126,49 triliun
Proyeksi serapan
6,9%
Estimasi SiLPA
Rp 1,71 kuadriliun

Serapan dihitung dari nominal realisasi proyeksi dibagi total alokasi. Perbedaan pembulatan dapat terjadi.

Distribusi risiko

Klasifikasi kapasitas serapan per kecamatan.

Risiko tinggi39 (89%)
Risiko sedang5 (11%)
Risiko rendah0 (0%)

Risiko dihitung dari selisih realisasi keuangan dan progres fisik, bukan penilaian individual terhadap kontraktor.

Kecamatan dengan risiko tertinggi

Diurutkan berdasarkan tingkat risiko dan disparitas.

KecamatanProyekRealisasiProgresSelisihRisiko

GAMBIR

Kota Jakarta Pusat

353,6%32,8%29,23Risiko tinggi

SAWAH BESAR

Kota Jakarta Pusat

381,1%26,8%25,75Risiko tinggi

KEMAYORAN

Kota Jakarta Pusat

386,7%24,7%18,06Risiko tinggi

SENEN

Kota Jakarta Pusat

341,8%31,1%29,29Risiko tinggi

CEMPAKA PUTIH

Kota Jakarta Pusat

392,5%24,9%22,35Risiko tinggi

MENTENG

Kota Jakarta Pusat

440,6%36,0%35,4Risiko tinggi

TANAH ABANG

Kota Jakarta Pusat

380,7%31,7%31,03Risiko tinggi

JOHAR BARU

Kota Jakarta Pusat

381,1%27,6%26,5Risiko tinggi

APBD 2027

Prioritas alokasi berikutnya

Rekomendasi model memadukan rasio fasilitas, populasi, dan indeks prioritas pemerataan.

Target pool

Rp 40 triliun

#KecamatanRasio fasilitasIndeks prioritasRekomendasiPorsi
01

CENGKARENG

Kota Jakarta Barat

0 / 10rb98,7Rp 1,5 triliun3,7%
02

CAKUNG

Kota Jakarta Timur

0 / 10rb98,1Rp 1,49 triliun3,7%
03

KALIDERES

Kota Jakarta Barat

0 / 10rb88,9Rp 1,35 triliun3,4%
04

CILINCING

Kota Jakarta Utara

0 / 10rb87,9Rp 1,33 triliun3,3%
05

DUREN SAWIT

Kota Jakarta Timur

0 / 10rb86,6Rp 1,31 triliun3,3%
06

KEBON JERUK

Kota Jakarta Barat

0 / 10rb83,7Rp 1,27 triliun3,2%
07

JAGAKARSA

Kota Jakarta Selatan

0 / 10rb82,2Rp 1,25 triliun3,1%
08

KEBAYORAN LAMA

Kota Jakarta Selatan

0 / 10rb79,1Rp 1,2 triliun3,0%
09

KOJA

Kota Jakarta Utara

0,03 / 10rb78,5Rp 1,19 triliun3,0%
10

KEMBANGAN

Kota Jakarta Barat

0 / 10rb78,4Rp 1,19 triliun3,0%

Temuan kunci

  • Model Ridge Regression memproyeksikan laju serapan APBD DKI Jakarta 2026 mencapai 6.9% di akhir tahun anggaran dengan potensi SiLPA sekitar Rp 1,705,867,947,682,944.
  • Evaluasi K-Means (Silhouette Score: 0.474) mengelompokkan wilayah ke dalam 3 tier intervensi, mendeteksi 21 kecamatan anomali defisit akses.
  • Rekomendasi alokasi APBD 2027 diarahkan untuk memprioritaskan kecamatan berpopulasi padat dengan defisit fasilitas disabilitas tinggi.

Tindakan strategis

Tingkatkan monitoring fisik mingguan pada paket belanja modal sekolah dan fasilitas publik yang memiliki selisih progres di atas 20% terhadap pencairan anggaran.

Model & keterbatasan

  • Time-Series Ridge L2 Regression with Q4 Seasonality Surge
  • District Capital Absorption Lag & Risk Classifier
  • Multi-Variate Equity-Driven Budget Allocation Regressor
R² model
0,16
Engine
Python Scientific Machine Learning Engine

Proyeksi statistik memiliki galat. Angka pada halaman ini bukan dasar hukum penetapan anggaran dan tidak menggantikan dokumen resmi.

Baca metodologi

Tentang angka di halaman ini

Klaster, proyeksi, dan rekomendasi berasal dari keluaran model TeraPublic. Nilai dapat berubah saat data diperbarui. Untuk keputusan formal, gunakan dokumen APBD, data BPS, dan catatan resmi perangkat daerah.