PENERAPAN METODE SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION DENGAN PROSEDUR RESTRICTED MAXIMUM LIKELIHOOD DAN BOOTSTRAP UNTUK ESTIMASI PERSENTASE PENDUDUK MISKIN TINGKAT KECAMATAN DI KABUPATEN
No Thumbnail Available
Date
2017-01-16
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Sampai saat ini sebagian besar data yang disajikan oleh Badan Pusat Statistik (BPS) sebagai penyedia data statistik nasional masih terbatas pada tingkat kabupaten/ kota. Ukuran sampel yang kurang mencukupi untuk level wilayah lebih kecil membuat pengukuran indikator kemiskinan dengan estimasi langsung menghasilkan standard error yang besar, sehingga analisis yang didasarkan pada kondisi tersebut menjadi tidak dapat diandalkan. Untuk mengatasi masalah ini diperlukan metode estimasi yang dapat memberikan tingkat akurasi yang lebih baik dengan mengkombinasikan data survei dengan data pendukung lain. Salah satu metode yang sering digunakan adalah Small Area Estimation (SAE). Ada banyak metode yang digunakan dalam SAE, salah satunya adalah Spatial Empirical Best Linear Unbiased Prediction (SEBLUP). Metode SEBLUP dengan prosedur maximum likelihood belum mempertimbangkan hilangnya derajat bebas akibat mengestimasi 𝜷, sehingga dikembangkan metode Spatial EBLUP dengan prosedur restricted maximum likelihood (REML).
Dalam penelitian ini yang menjadi variabel respon adalah persentase penduduk miskin (P0) yang diperoleh dari data Susenas Tahun 2015. Sedangkan variabel penyerta (auxiliary variable) yang digunakan berasal dari hasil data Potensi Desa 2014. Kabupaten Wonosobo sebagai kabupaten yang memiliki persentase kemiskinan tertinggi di Provinsi Jawa Tengah digunakan sebagai wilayah penelitian. Prosedur REML diterapkan dalam estimasi persentase penduduk miskin di Kabupaten Wonosobo dan prosedur bootstrap digunakan untuk menghitung Mean Square Error yang selanjutnya digunakan untuk menghitung RRMSE sebagai ukuran tingkat akurasi metode estimasi langsung dibandingkan dengan metode estimasi tidak langsung. Hasil penelitian menunjukkan bahwa estimasi tidak langsung (EBLUP dan SEBLUP) memberikan akurasi metode yang lebih baik dibanding metode estimasi langsung, SEBLUP REML mempunyai hasil akurasi yang paling baik diantara estimasi tidak langsung lainnya (EBLUP dan SEBLUP ML). Hasil visualisasi peta sebaran persentase kemiskinan memperlihatkan bahwa Kabupaten Wonosobo bagian selatan memiliki permasalahan kemiskinan yang lebih serius dibandingkan wilayah Kabupaten Wonosobo lainnya.
Description
Keywords
Bootstrap, Poverty Mapping, REML