Pendekatan metode pemulusan kernel pada pendugaan area kecil (small area estimation)

Abstract

Pendugaan area kecil merupakan pendugaan parameter suatu area yang lebih kecil dengan memanfaatkan informasi dari luar area, dari dalam area itu sendiri, dan dari luar survei. Berdasarkan peubah penjelas yang digunakan, terdapat dua model area kecil, yaitu basic area level model dan basic unit level model, dimana kedua model tersebut mengasumsikan bahwa penduga langsung memiliki hubungan yang linier dengan peubah penjelas. Ada kalanya asumsi tersebut tidak dapat dipenuhi dan salah satu solusi untuk mengatasinya adalah dengan menggunakan pendekatan nonparametrik. Penelitian ini bertujuan untuk mengkaji pendekatan pemulusan Kernel sebagai salah satu metode nonparametrik untuk menduga parameter area kecil. Simulasi yang telah dilakukan menunjukkan bahwa metode pemulusan Kernel dapat mereduksi bias pendugaan pada pola hubungan yang tidak linier. Nilai Mean Square Error (MSE) pendugaan area kecil dengan metode Kernel pada pola hubungan yang tidak liier relatif lebii kecil dibandingkan metode parametrik yang menggunakan model Fay-Hemot. MSE pada metode pemulusan Kernel memilii kecenderungan semakin kecil jika jumlah area semakin banyak.