Statistika Terapan (S2)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/273

Browse

Browsing Statistika Terapan (S2) by Author "ARI SHOBRI BUKHARI"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    PENDUGAAN AREA KECIL KOMPONEN INDEKS PENDIDIKAN DALAM IPM DI KABUPATEN INDRAMAYU DENGAN METODE HIERARCHICAL BAYES BERBASIS SPASIAL
    (2015-01-23) ARI SHOBRI BUKHARI; Tidak ada Data Dosen; Tidak ada Data Dosen
    Era otonomi daerah seperti saat ini mendorong pemerintah daerah untuk memiliki informasi hingga pada area kecil. Salah satu indikator pokok bagi pemerintah daerah adalah Indeks Pembangunan Manusia (IPM). IPM dihitung oleh BPS setiap tahunnya hingga tingkat kabupaten/kota. Penghitungan IPM hingga tingkat kecamatan tidak bisa dilakukan secara langsung oleh BPS karena kurangnya sampel. Salah satu cara untuk menaksir IPM pada domain kecil adalah melalui pendugaan tidak langsung dengan pendekatan Pendugaan Area Kecil (Small Area Estimation/SAE). Salah satu model SAE yang dapat digunakan adalah model Hierarchical Bayes (HB). Model HB memiliki kelebihan dibandingkan dengan model SAE lainnya, diantaranya adalah dihasilkannya MSE yang lebih rendah, varians posterior terkecil, dan dapat menangani variabel respon yang bersifat diskret seperti Angka Melek Huruf. Model-model dalam pendugaan area kecil mengasumsikan bahwa pengaruh acak galat area saling bebas. Namun dalam beberapa kasus, asumsi ini sering dilanggar. Pelanggaran asumsi ini disebabkan oleh keragaman suatu area dipengaruhi area sekitarnya, sehingga efek spasial dapat dimasukkan ke dalam pengaruh acak. Penelitian ini bertujuan untuk menaksir Indeks Pendidikan (terdiri dari Angka Melek Huruf [AMH] dan Rata-Rata Lama Sekolah [RLS]) sebagai salah satu komponen IPM melalui pendekatan Hierarchical Bayes Small Area Estimation (HB SAE) tingkat kecamatan di Kabupaten Indramayu Tahun 2011. Model HB Logit Normal (HBLN) digunakan untuk menduga AMH dan model HB Normal (HBN) digunakan untuk menduga RLS. Hasil simulasi menunjukkan bahwa model HB berbasis spasial lebih baik dibandingkan dengan model HB non spasial. Spasial HBLN lebih baik dalam melakukan pendugaan terhadap parameter regresi (β_i) dibandingkan HBLN non spasial. Sedangkan spasial HBN lebih baik dalam pendugaan parameter populasi (μ_i) dan parameter regresi (β_i) dibandingkan HBN non spasial. Pendugaan AMH dan RLS dengan model spasial HBLN dan spasial HBN menunjukan beberapa karakteristik, yaitu sebaran posterior yang konvergen, koefisien variasi (CV) lebih rendah dibandingkan pendugaan langsung, dan variansi hasil pendugaan parameter antar area kecil yang lebih homogen. Pemetaan AMH, RLS dan Indeks Pendidikan menunjukan bahwa terdapat pola spasial dalam bentuk pengelompokan kualitas pendidikan di area-area kecil yang saling berbatasan.