PENDUGAAN PROPORSI RUMAH TANGGA MISKIN TINGKAT DESA DI PROVINSI BALI DENGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION DAN BAYESIAN

  • I Komang Gde Sukarsa Prodi Matematika FMIPA Universitas Udayana
  • I. G. K Gandhiadi Universitas Udayana
Keywords: Small Area, Empirical Bayes, Jackknife.

Abstract

Kebijakan pengentasan kemiskinan pada pemerintahan presiden Ir. H. Joko Widodo dilakukan melalui empat strategi kunci yang salah satunya adalah pemberdayaan kelompok masyarakat miskin. Ketersediaan informasi mengenai kemiskinan sangatlah minim padahal untuk menerapkan strategi kebijakan tersebut seharusnya dimulai pada kelompok masyarakat terkecil yakni masyarakat desa. Guna memperoleh informasi kemiskinan pada tingkat desa, penelitian ini menerapkan metode pendugaan area kecil sebagai akibat kurang efektifnya pendugaan langsung pada area kecil. Metode pendugaan area kecil yang umum digunakan yakni metode empirical best linear unbiased prediction (EBLUP), empirical Bayes (EB), dan metode hierarchical Bayes (HB). Hasil yang diperoleh pada pendugaan area kecil pada tingkat desa di Provinsi Bali menujukkan bahwa dugaan proporsi rumah tangga miskin di tingkat desa di Provinsi Bali berada di antara 0,00423 dan 0,03910 serta nilai mean square error yang berada di antara 0,0013 dan 0,1291 diperoleh melalui metode hierarchical Bayes, kemudian untuk metode empirical Bayes diperoleh dugaan proporsi rumah tangga miskin di antara 0,00423 dan 0,03909 serta nilai mean square error di antara 0,0011 dan 0,1288 dan metode empirical best linear unbiased prediction diperoleh dugaan proporsi rumah tangga miskin berada di antara 0,00425 dan 0,03910 serta nilai mean square error di antara 0,00010 dan 0,1291. Secara umum nilai mean square error berada di kisaran yang sama. Sehingga ketiga metode pendugaan tidak dapat disimpulkan yang lebih baik satu dengan yang lainnya.

Downloads

Download data is not yet available.

References

Murdiyana and Mulyana, "Analisis Kebijakan Pengentasan Kemiskinan di Indonesia," Jurnal Politik Pemerintahan, vol. 10, no. 1, pp. 73-96, 2017.

D. Pfeffermann, "New Important Developments in Small Area Estimation," 2013.

M. Ghosh and J. Rao, "Small Area Estimation: an Appraisal," Statistical Science Journal, vol. 9, pp. 55-76, 1994.

N. T. Longford, Missing Data and Small-Area Estimation, Springer, 2005.

M. Prastesi, Analysis of Poverty Data by Small Area Estimation, John Wiley & Sons, 2016.

J. Rao, Small Area Estimation, John Wiley and Sons. New York., 2003.

A. Rahman and A. Harding, Small Area Estimation and Microsimulation Modelling, CRC Press, 2017.

P. Congdon, Applied Bayesian Modelling, 2nd ed., New York: John Wiley & Sons, 2014.

B. J. Brewer, Introduction to Bayesian Statistics, 2017.

I. Wulansari, "Pendugaan Statistik Area Kecil dengan Metode Hierarchical Bayes (HB) pada Data Respon Biner Menggunakan Gibbs Sampling," Tesis, 2015.

M. Y. Darsyah, S. Iriyanto and I. Joko, "Small Area Estimation Untuk Pemetaan Kemiskinan di Kabupaten Demak," Jurnla Unimus, 2014.

P. E. Arijayanthi, I. W. Sumarjaya and T. B. Oka, "Penerapan Metode Pendugaan Area Kecil (Small Area Estimation) pada Penentuan Proporsi Rumah Tangga Miskin di Kabupaten Klungkung," E-Jurnal Matematika, vol. 2, no. 3, pp. 35-39, 2013.

A. Kurnia and K. A. Notodiputro, Penerapan Metode Jackknife Dalam Pendugaan Area Kecil, Bogor: Department of Statistics, IPB University, 2006.

Published
2021-06-01
How to Cite
[1]
SukarsaI. K. and GandhiadiI. G. K., “PENDUGAAN PROPORSI RUMAH TANGGA MISKIN TINGKAT DESA DI PROVINSI BALI DENGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION DAN BAYESIAN”, BAREKENG: J. Il. Mat. & Ter., vol. 15, no. 2, pp. 215-222, Jun. 2021.