Pengaruh Informasi Gerombol terhadap Hasil Prediksi Area Nircontoh pada Data Binomial (Studi Kasus Proporsi Pengangguran di Sulawesi Tenggara).
| dc.contributor.advisor | Anang, Kurnia | |
| dc.contributor.advisor | Soleh, Agus Muhamad | |
| dc.contributor.author | Trianjaya, Beny | |
| dc.date.accessioned | 2019-11-20T05:53:14Z | |
| dc.date.available | 2019-11-20T05:53:14Z | |
| dc.date.issued | 2019 | |
| dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/100017 | |
| dc.description.abstract | Data ketenagakerjaan merupakan salah satu indikator penting terkait kemajuan pembangunan suatu negara. Kondisi ketenagakerjaan di wilayah Indonesia hanya dapat diperbandingkan antar waktu melalui data Survei Angkatan Kerja Nasional (Sakernas). Data yang dihasilkan dari Sakernas dan dipublikasikan oleh BPS adalah jumlah yang bekerja dan menganggur. Kendala dalam melakukan pendugaan angka pengangguran semesteran pada tingkat kabupaten/kota adalah kurangnya jumlah contoh, untuk itu diperlukan suatu metode pendugaan tidak langsung yang mampu meningkatkan efektifitas ukuran contoh, sehingga pendugaan parameter dapat dilakukan. Salah satu pendugaan tidak langsung yang sedang berkembang saat ini adalah pendugaan area kecil (small area estimation/SAE). Model pendugaan area kecil merupakan alternatif yang dapat digunakan untuk menduga parameter pada suatu area ketika ukuran contoh pada area tersebut terlalu kecil untuk mendapatkan presisi yang memadai dibandingkan ketika dilakukan pendugaan secara langsung. Penelitian ini mengembangkan model linier campuran terampat (MLCT) dengan menambahkan informasi gerombol dan mengkaji pengembangan dengan beberapa skenario model. Tujuan dari penelitian ini adalah mengembangkan model prediksi MLCT dasar pendekatan area kecil dengan menambahkan informasi gerombol sebagai pengaruh tetap maupun pengaruh acak. Hasil simulasi menunjukkan bahwa Model-2, model yang menambahkan pengaruh tetap gerombol ke-k dan nilai tengah dari pendugaan pengaruh acak area pada area nircontoh, merupakan model terbaik dengan nilai relative bias (RB) dan relative root mean squares error (RRMSE) terkecil. Model ini lebih baik daripada model MLCT dasar (Model-0) dan Model-1 (model yang hanya menambahkan nilai tengah dari pendugaan pengaruh acak area pada area nircontoh). Model-2 diterapkan untuk menduga proporsi pengangguran tingkat kecamatan di Provinsi Sulawesi Tenggara. Pendugaan proporsi pengangguran dengan Model-2 kalibrasi menghasilkan agregasi dugaan proporsi pengangguran Provinsi Sulawesi Tenggara sebesar 0.0272. Hasil tersebut serupa dengan angka publikasi BPS (0.0272). Dengan demikian, hasil dugaan proporsi pengangguran tingkat kecamatan dengan Model-2 kalibrasi dapat dikatakan layak digunakan. | id |
| dc.language.iso | id | id |
| dc.publisher | IPB University | id |
| dc.subject.ddc | Applied Statistics | id |
| dc.subject.ddc | Cluster Information | id |
| dc.subject.ddc | 2019 | id |
| dc.subject.ddc | Sulawesi Tenggara | id |
| dc.title | Pengaruh Informasi Gerombol terhadap Hasil Prediksi Area Nircontoh pada Data Binomial (Studi Kasus Proporsi Pengangguran di Sulawesi Tenggara). | id |
| dc.type | Thesis | id |
| dc.subject.keyword | binomial | id |
| dc.subject.keyword | model campuran | id |
| dc.subject.keyword | pengangguran | id |
| dc.subject.keyword | SAE | id |

