Show simple item record

dc.contributor.advisorNotodiputro, Khairil Anwar
dc.contributor.advisorIndahwati
dc.contributor.authorDewi, Mita Agnes Sari
dc.date.accessioned2020-01-03T03:16:18Z
dc.date.available2020-01-03T03:16:18Z
dc.date.issued2019
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/100770
dc.description.abstractData kemiskinan yang akurat diperlukan untuk memantau pencapaian tujuan pertama Sustainable Development Goals (SDGs) yakni pengentasan kemiskinan. Data tersebut juga digunakan untuk mengevaluasi kebijakan pemerintah terhadap kemiskinan, membandingkan kemiskinan antar waktu dan antar daerah serta menentukan target penduduk miskin yang tepat sasaran untuk dientaskan dari kemiskinan. Berdasarkan konsep Badan Pusat Statistik, penduduk dikatakan miskin jika memiliki rata-rata pengeluaran per kapita per bulan untuk kebutuhan dasar makanan dan non makanan di bawah garis kemiskinan. Data yang digunakan untuk menghitung proporsi penduduk miskin adalah data dari Survei Sosial Ekonomi Nasional (Susenas). Namun, data Susenas hanya bisa digunakan dalam penghitungan proporsi penduduk miskin pada tingkat nasional, provinsi, maupun kabupaten/kota. Hasil Susenas belum bisa disajikan pada tingkat kecamatan dan desa karena keterbatasan contoh rumah tangga yang disurvei. Bahkan, ada beberapa kecamatan dan desa yang tidak menjadi contoh Susenas. Pendugaan langsung pada tingkat kecamatan maupun desa akan menghasilkan dugaan dengan presisi yang rendah. Untuk mendapatkan presisi yang baik, diperlukan penambahan jumlah contoh. Namun, hal itu membutuhkan biaya yang cukup besar. Alternatif yang bisa dilakukan adalah dengan menggunakan metode pendugaan tidak langsung. Salah satu metode yang dapat digunakan yaitu pendugaan area kecil (small area estimation, SAE). Pada pendugaan area kecil, kecamatan maupun desa disebut area kecil karena jumlah contoh yang digunakan tidak cukup untuk menghasilkan pendugaan langsung yang baik (presisinya rendah). Untuk mendapatkan presisi yang baik, pendugaan area kecil memanfaatkan informasi tambahan dari sensus atau catatan administrasi sehingga disebut pendugaan tidak langsung. Informasi yang digunakan adalah yang mempunyai keterkaitan dengan peubah yang menjadi pusat perhatian pada area yang bersangkutan. Penelitian ini menggunakan metode Empirical Unbiased Best Linear Prediction (EBLUP) dalam model Fay-Herriot untuk menduga proporsi penduduk miskin tingkat kecamatan di Provinsi Sulawesi Selatan dan membandingkan hasilnya dengan pendugaan langsung. Berdasarkan nilai rataan Root Mean Square Error (RMSE) yang dihasilkan, proporsi penduduk miskin tingkat kecamatan dengan metode EBLUP lebih tinggi presisinya dibandingkan dengan pendugaan langsung. Secara umum, metode EBLUP menghasilkan dugaan proporsi penduduk miskin yang lebih rendah dibandingkan dengan pendugaan langsung. Rata-rata proporsi penduduk miskin tiap kecamatan berdasarkan metode EBLUP sebesar 0.1471 sedangkan pada pendugaan langsung sebesar 0.1476.id
dc.language.isoidid
dc.publisherIPB Universityid
dc.subject.ddcApplied statisticsid
dc.subject.ddcPoverty indicatorid
dc.subject.ddc2016id
dc.subject.ddcSulawesi Selatanid
dc.titlePenerapan EBLUP dalam Model Fay-Herriot untuk Pendugaan Proporsi Penduduk Miskin tingkat Kecamatan di Sulawesi Selatanid
dc.typeThesisid
dc.subject.keywordarea kecil, EBLUPid
dc.subject.keywordindikator kemiskinanid
dc.subject.keywordpenduduk miskinid
dc.subject.keywordpendugaan langsungid
dc.subject.keywordproporsiid
dc.subject.keywordSAEid


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record