Pengembangan Metode Pendugaan Area Kecil Melalui Penggunaan Informasi Gerombol Pada Area Yang Tidak Terdapat Contoh (Studi Kasus Indikator Kemiskinan Di Wilayah Bogor).

Abstract

Survei merupakan salah satu metode pengumpulan data dengan mengambil sebagian populasi. Survei nasional memberikan informasi terbatas sehingga tidak dapat memberikan presisi yang tinggi untuk area dengan ukuran contoh kecil, bahkan tidak dapat melakukan pendugaan ketika area tersebut tidak terpilih unit contoh. Dengan demikian untuk mengatasi permasalahan ini diperlukan metode pendugaan area kecil. Pendugaan area kecil merupakan metode yang biasa digunakan untuk menduga parameter dengan ukuran contoh kecil, metode ini merupakan pendugaan tidak langsung atau berbasis model, sehingga diperlukan informasi tambahan dari peubah yang memiliki korelasi dengan peubah yang diamati yang disebut sebagai peubah penyerta. Bayes empirik merupakan salah satu metode yang dapat digunakan untuk pendugaan parameter pada pendugaan area kecil. Permasalahan terjadi ketika model digunakan untuk memprediksi area yang tidak terdapat contoh dimana model tersebut hanya menggunakan model sintetik yang mengabaikan pengaruh acak dari area. Menambahkan informasi gerombol pada model sintetik dapat menghasilkan prediksi yang lebih baik. Pada penelitian ini akan memodifikasi model pendugaan pada area yang tidak terdapat contoh dengan menambahkan informasi gerombol, mengkaji pengembangan model tersebut berdasarkan kajian simulasi dan menerapkan model untuk menduga indikator kemiskinan pada kajian aplikasi. Badan Pusat Statistik (BPS) menggunakan tiga indikator kemiskinan, yaitu: presentase penduduk dibawah garis kemiskinan (P0), Indeks kedalaman kemiskinan (P1), dan Indeks keparahan kemiskinan (P2). Kajian simulasi dilakukan dengan membangkitkan dua skenario populasi, yaitu skenario pertama dibangun untuk mengkaji kemampuan model pada kondisi populasi ideal, yaitu karakteristik antar gerombol dapat dibedakan dengan baik. Skenario ke dua dibangun untuk mengkaji kemampuan model pada penggerombolan yang beririsan. Kebaikan model yang diusulkan dievaluasi berdasarkan nilai Relative Bias (RB) dan Relative Root Mean Square Error (RRMSE). Hasil menunjukkan bahwa pada pengembangan model yang diusulkan menghasilkan prediksi yang lebih baik pada area yang tidak terdapat contoh. Data Susenas 2013 dan PODES 2014 digunakan pada aplikasi data rill untuk menduga indikator kemiskinan pada kecamatan yang tidak terdapat contoh di Kabupaten dan Kota Bogor. Hasil menunjukkan bahwa pada pengembangan model yang diusulkan mampu memprediksi dengan nilai prediksi RRMSE yang lebih kecil pada area yang tidak terdapat contoh.