ESTIMASI TINGKAT PENGELUARAN PERKAPITA PADA AREA KECIL MENGGUNAKAN MODEL M-QUANTILE GEOGRAPHICALLY WEIGHTED REGRESSION (mqgwr)
No Thumbnail Available
Date
2017-02-14
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Kemiskinan sampai saat ini merupakan masalah kompleks yang dihadapi oleh banyak negara berkembang, termasuk di Indonesia. Tenggara Timur selain sebagai salah satu provinsi kepulauan terbesar di Indonesia, juga merupakan salah satu provinsi dengan tingkat kemiskinan tertinggi.
Dalam perencanaan penanggulangan kemiskinan, data yang berkualitas tentunya sangat penting. Sensus yang dilaksanakan di sebagian besar negara berkembang, tidak mengumpulkan data pendapatan atau informasi pengeluaran hingga ke level daerah yang kecil, sehingga angka estimasi biasanya tidak tersedia secara lengkap. Bank Dunia bersama dengan Elbers, Lanjouw, dan Lanjouw mengupayakan metode untuk menghasilkan angka kemiskinan dan ketidaksetaraan untuk estimasi daerah lingkup kecil, yang kemudian disebut metode ELL di mana aturan imputasi, diperkirakan dari survei rumah tangga, digunakan untuk menghitung perkiraan-daerah kecil dari data sensus. Namun, metode ELL telah banyak dikritik karena adanya keharusan memenuhi asumsi mengikuti distribusi tertentu, variabilitas antar daerah diabaikan dalam perhitungan estimasi kemiskinan daerah kecil dan juga nilai Means Square Error (MSE) yang besar.
Fenomena kecenderungan munculnya nilai ekstrem (outlier), tentunya menyebabkan analisis regresi klasik, seperti pada metode ELL kurang sesuai jika diterapkan pada analisis poverty mapping di Provinsi Nusa Tenggara Timur. Adanya kendala tersebut, perlu adanya alternatif analisis misalnya dengan menggunakan model M-Quantile Geographically Weighted Regression (MQGWR). Model ini merupakan pendekatan baru untuk estimasi daerah kecil yang didasarkan pada pemodelan regresi M-quantile yang tidak mengharuskan adanya asumsi kenormalan pada sebaran datanya, mengakomodasi adanya heterogenitas spasial dan bersifat tidak mempermasalahkan adanya data ekstrem (bersifat robust).
Description
Keywords
Small Area Estimation, Tingkat Pengeluaran Perkapita, Regresi Robust