dc.description.abstract | Survei merupakan salah satu metode pengumpulan data dengan mengambil
sebagian populasi. Survei nasional memberikan informasi terbatas sehingga tidak
dapat memberikan presisi yang tinggi untuk area dengan ukuran contoh kecil,
bahkan tidak dapat melakukan pendugaan ketika area tersebut tidak terpilih unit
contoh. Dengan demikian untuk mengatasi permasalahan ini diperlukan metode
pendugaan area kecil.
Pendugaan area kecil merupakan metode yang biasa digunakan untuk
menduga parameter dengan ukuran contoh kecil, metode ini merupakan
pendugaan tidak langsung atau berbasis model, sehingga diperlukan informasi
tambahan dari peubah yang memiliki korelasi dengan peubah yang diamati yang
disebut sebagai peubah penyerta. Bayes empirik merupakan salah satu metode
yang dapat digunakan untuk pendugaan parameter pada pendugaan area kecil.
Permasalahan terjadi ketika model digunakan untuk memprediksi area yang tidak
terdapat contoh dimana model tersebut hanya menggunakan model sintetik yang
mengabaikan pengaruh acak dari area. Menambahkan informasi gerombol pada
model sintetik dapat menghasilkan prediksi yang lebih baik.
Pada penelitian ini akan memodifikasi model pendugaan pada area yang
tidak terdapat contoh dengan menambahkan informasi gerombol, mengkaji
pengembangan model tersebut berdasarkan kajian simulasi dan menerapkan
model untuk menduga indikator kemiskinan pada kajian aplikasi. Badan Pusat
Statistik (BPS) menggunakan tiga indikator kemiskinan, yaitu: presentase
penduduk dibawah garis kemiskinan (P0), Indeks kedalaman kemiskinan (P1), dan
Indeks keparahan kemiskinan (P2).
Kajian simulasi dilakukan dengan membangkitkan dua skenario populasi,
yaitu skenario pertama dibangun untuk mengkaji kemampuan model pada kondisi
populasi ideal, yaitu karakteristik antar gerombol dapat dibedakan dengan baik.
Skenario ke dua dibangun untuk mengkaji kemampuan model pada
penggerombolan yang beririsan. Kebaikan model yang diusulkan dievaluasi
berdasarkan nilai Relative Bias (RB) dan Relative Root Mean Square Error
(RRMSE). Hasil menunjukkan bahwa pada pengembangan model yang diusulkan
menghasilkan prediksi yang lebih baik pada area yang tidak terdapat contoh.
Data Susenas 2013 dan PODES 2014 digunakan pada aplikasi data rill
untuk menduga indikator kemiskinan pada kecamatan yang tidak terdapat contoh
di Kabupaten dan Kota Bogor. Hasil menunjukkan bahwa pada pengembangan
model yang diusulkan mampu memprediksi dengan nilai prediksi RRMSE yang
lebih kecil pada area yang tidak terdapat contoh. | id |