Pendugaan Area Kecil dengan Kesalahan Pengukuran pada Peubah Penyerta Nighttime Lights

Abstract

Kebutuhan data yang lebih cepat, lebih detail dari segi cakupan wilayah serta kecapatan pengumpulan data adalah hal yang sangat dibutuhkan khususnya dalam percepatan pembangunan daerah. Data indikator kesejahteraan yang lebih detail hingga tingkat terkecil seperti kecamatan atau desa sangat jarang tersedia. Hal ini dapat menghambat perencanaan pembangunan daerah dari tingkat yang lebih kecil. Salah satu Data indikator untuk mengukur kesejahteraan masyarakat adalah angka kemiskinan. BPS sebagai penyedia data paling terpercaya di Indonesia saat ini melakukan penghitungan kemiskinan berdasarkan hasil Survei sosial ekonomi nasional (SUSENAS) yang dilakukan dua kali dalam setahun. Pada kegiatan tersebut hanya dapat menghasilkan estimasi pada level provinsi dan kabupaten kota. Apabila BPS ingin menduga sampai ke level yang lebih kecil tentu akan memakan biaya yang sangat besar, sehingga diperlukan metode statistik yang dapat mengatasi masalah ini. Metode alternatif yang sering digunakan untuk memperoleh data indikator kesejahteraan hingga level yang lebih kecil adalah metode Pendugaan Area Kecil atau lebih dikenal dengan Small Area Estimation (SAE). Penggunaan data lain atau peubah penyerta yang digunakan dalam pendugaan area kecil biasanya merupakan peubah yang dapat menjelaskan keragaman antar area kecil dan tidak mengandung galat. Data yang tidak mengandung galat sangat terbatas ketersediaannya, biasanya hanya diperoleh sepuluh tahun sekali. Seiring berkembangnya teknologi saat ini, big data bisa menjadi alternatif yang baik. Pemanfaatan big data sebagai peubah penyerta dalam pendugaan area kecil memberikan mikroskop baru dalam melihat dan memahami kompleksitas sosial. Penelitian ini memanfaatkan salah satu produk big data yaitu Nighttime lights (NTL) yang merupakan produk citra satelit. NTL digunakan sebagai peubah penyerta yang mengandung kesalahan pengukuran untuk menduga rata-rata pengeluaran perkapita level kecamatan di Provinsi Jawa Tengah. Penelitian ini membandingkan hasil pendugaan langsung dengan metode Empirical Best Linear Unbiased Predictor - Fay Harriot (EBLUP-FH) dan SAE Measurement Error (SAE-ME). Hasil Penelitian menunjukkan bahwa pemanfaatan peubah penyerta NTL dalam menduga rata-rata pengeluaran per kapita kecamatan di Provinsi Jawa Tengah sangat bisa diandalkan. Hal ini ditunjukkan dengan nilai Relative Root Mean Square Error (RRMSE) yang lebih kecil jika dibandingkan dengan hasil pendugaan langsung. Keikutsertaan efek kesalahan pengukuran pada peubah NTL dalam model sebaiknya diperhatikan. Metode SAE-ME memberikan nilai dugaan rata-rata pengeluaran per kapita yang paling mendekati publikasi BPS, dengan rata-rata RRMSE per kecamatan sebesar 7,5 persen.