Kajian Pendugaan Area Kecil Menggunakan Oversampling dan Pendekatan Regresi Kekar M-kuantil

Abstract

Indikator kemiskinan meliputi persentase penduduk miskin (P0), indeks kesenjangan kemiskinan (P1), dan indeks keparahan kemiskinan (P2) dihitung melalui Survei Sosial Ekonomi Nasional (Susenas). Pengambilan contoh Susenas dirancang untuk pendugaan level nasional, propinsi, dan kabupaten. Meskipun memiliki contoh yang sangat besar secara nasional tetapi ketika diterapkan untuk wilayah lebih kecil (kecamatan), jumlah contoh menjadi tidak cukup sehingga pendugaan langsung akan menghasilkan akurasi yang rendah. Untuk mengatasi kelemahan pendugaan langsung, solusi yang digunakan adalah dengan menambah jumlah contoh (oversampling) melalui survei tambahan. Akan tetapi pelaksanaan survei tambahan membutuhkan waktu, sumber daya manusia, dan biaya yang sangat besar. Untuk mengatasi kendala tersebut, diperlukan teknik pendugaan area kecil dengan tetap hanya menggunakan contoh aslinya. Penelitian ini menggunakan teknik pendugaan area kecil yang didasarkan pada model level unit dengan menggunakan data Sensus Penduduk 2010 (SP2010) dan Susenas 2015 sebagai penyedia peubah penyerta dan pengeluaran perkapita rumah tangga sebagai peubah responnya. Metode yang digunakan adalah model regresi M-kuantil yang memiliki karakteristik kekar terhadap pencilan. Model M-kuantil adalah model regresi yang menggunakan fungsi pengaruh �����(�����) dan nilai kuantil (q) tertentu untuk memboboti sisaan dalam pendugaan koefisien regresinya. Penelitian menggunakan tiga peubah penyerta yang diperoleh menggunakan metode stepwise regression yang sebelumnya dipilih dari delapan peubah kuesioner Susenas 2015 yang dianggap mempengaruhi pengeluaran rumah tangga. Pemilihan peubah juga mempertimbangkan ketersediaan dan kesamaan dengan peubah yang ada di SP2010. Ketiga peubah yang terpilih tersebut adalah: jumlah anggota rumah tangga (X1), lapangan usaha/pekerjaan kepala rumah tangga (X2), dan status/kedudukan kepala rumah tangga dalam usaha/pekerjaan (X3). Metode analisis dimulai dengan menentukan koefisien M-kuantil unit contoh (��������������� ) dan koefisien M-kuantil area (��������������� ) yang merupakan rata-rata dari koefisien M-kuantil unit. Matriks ���������������, vektor ���������������, nilai ���������������, dan fungsi pengaruh �����(�����) digunakan dalam prosedur IRLS untuk mendapatkan ����� ����� �����(���������������) dan sisaan ���������������. Penduga ����� ����� �����(��������������� ) dan sisaan ��������������� inilah yang menjadi dasar model dalam menduga indikator kemiskinan level kecamatan. Untuk menguji akurasi pendugaan, digunakan RRMSE terhadap dugaan indikator kemiskinan kecamatannya. Berdasarkan penghitungan, rata-rata RRMSE ����� ���������� (dalam %) level kecamatan adalah sebesar: 38.29%, 30.27%, 29.51%, dan 32.32% berturut-turut untuk pendugaan langsung (dengan oversampling), dan model M-kuantil (fungsi Huber, fungsi Hampel, fungsi Tukey Bisquare). Terlihat bahwa model M-kuantil yang menggunakan fungsi Hampel memiliki rata-rata nilai RRMSE paling kecil. Rata-rata RRMSE ����� ����� ����� dihasilkan oleh model M-kuantil yang menggunakan fungsi pembobot Hampel sebesar 38.78. Rata-rata RRMSE ����� ����� �����, nilai terkecil dihasilkan oleh fungsi pembobot Hampel. Secara umum, model Mkuantil yang menggunakan fungsi Hampel dan fungsi Huber selalu menghasilkan rata-rata RRMSE lebih kecil dibandingkan dengan pendugaan langsung dengan oversampling. Kesimpulan penelitian ini adalah, model M-kuantil dalam pendugaan area kecil mampu memberikan pendugaan yang akurasinya bisa menjadi alternatif bagi pendugaan langsung yang menggunakan oversampling.