Kajian Pendugaan Area Kecil untuk Menduga Indikator Kemiskinan dengan Modifikasi Metode Cepat Bayes Empirik

Abstract

Small Area Estimation (SAE) atau pendugaan area kecil merupakan salah satu metode pendugaan ketika data yang tersedia memberikan informasi yang terbatas. Metode ini merupakan salah satu cara yang dapat digunakan untuk melakukan pendugaan pada area dengan contoh yang berukuran kecil atau bahkan pada area yang tidak terdapat contoh. Metode ini dapat diterapkan untuk menduga indikator kemiskinan pada tingkat kecamatan atau desa dengan menggunakan data Survei Sosial dan Ekonomi Nasional (SUSENAS). Pendugaan indikator kemiskinan pada tingkat kecamatan atau tingkat yang lebih kecil akan membantu pemerintah untuk mengetahui informasi kemiskinan secara lebih rinci. Metode Fast Empirical Bayes (FEB) atau metode cepat Bayes empirik merupakan salah satu metode yang dapat digunakan untuk meduga indikator kemiskinan pada area kecil. Metode ini mampu menghasilkan dugaan yang baik pada populasi yang berukuran besar. Permasalahan muncul ketika terdapat area yang tidak memiliki contoh. Penambahan informasi gerombol dimanfaatkan untuk menduga indikator pada area tersebut. Penelitian ini melakukan kajian simulasi untuk membandingkan metode pendugaan langsung, Bayes empirik dan metode cepat Bayes empirik. Kajian simulasi juga dilakukan untuk mengevaluasi modifikasi metode cepat Bayes empirik pada area yang tidak memiliki contoh. Penerapan metode dilakukan untuk menduga indikator kemiskinan tingkat kecamatan di Kabupaten Bogor dengan menggunakan data dari Badan Pusat Statistik (BPS). Kajian simulasi dilakukan dengan membangkitkan data pada dua kondisi serta dengan skenario ukuran populasi atau fraksi sampling yang berbeda, yaitu dengan ukuran populasi kecil, sedang, besar dan sangat besar. PUkuran populasi sangat besar dipilih sesuai dengan ukuran populasi kecamatan di Kabupaten Bogor. Skenario-skenario ini dibangun dengan tujuan untuk mendapatkan gambaran mengenai perbedaan pada metode pendugaan area kecil dalam menduga indikator kemiskinan. Evaluasi metode dilihat dengan menghitung nilai Relative Bias (RB) dan Relative Root Mean Square Error (RRMSE) pada masing-masing metode. Hasil menunjukkan bahwa, metode cepat Bayes empirik mampu menghasilkan nilai dugaan dengan RB dan RRMSE yang lebih kecil dibandingkan dengan metode pendugaan lain pada kondisi populasi besar dan populasi sangat besar serta tidak membutuhkan waktu komputasi yang lama. Sedangkan metode Bayes empirik lebih baik digunakan pada ukuran populasi sedang dan metode pendugaan langsung lebih cocok untuk ukuran populasi kecil. Penambahan pengaruh gerombol pada area yang tidak terdapat contoh mampu meningkatkan kualitas hasil dugaan pada metode cepat Bayes empirik.