Kajian Pendugaan Area Kecil Menggunakan Oversampling dan Pendekatan Regresi Kekar M-kuantil
Abstract
Indikator kemiskinan meliputi persentase penduduk miskin (P0), indeks
kesenjangan kemiskinan (P1), dan indeks keparahan kemiskinan (P2) dihitung
melalui Survei Sosial Ekonomi Nasional (Susenas). Pengambilan contoh Susenas
dirancang untuk pendugaan level nasional, propinsi, dan kabupaten. Meskipun
memiliki contoh yang sangat besar secara nasional tetapi ketika diterapkan untuk
wilayah lebih kecil (kecamatan), jumlah contoh menjadi tidak cukup sehingga
pendugaan langsung akan menghasilkan akurasi yang rendah. Untuk mengatasi
kelemahan pendugaan langsung, solusi yang digunakan adalah dengan menambah
jumlah contoh (oversampling) melalui survei tambahan. Akan tetapi pelaksanaan
survei tambahan membutuhkan waktu, sumber daya manusia, dan biaya yang
sangat besar. Untuk mengatasi kendala tersebut, diperlukan teknik pendugaan area
kecil dengan tetap hanya menggunakan contoh aslinya.
Penelitian ini menggunakan teknik pendugaan area kecil yang didasarkan
pada model level unit dengan menggunakan data Sensus Penduduk 2010
(SP2010) dan Susenas 2015 sebagai penyedia peubah penyerta dan pengeluaran
perkapita rumah tangga sebagai peubah responnya. Metode yang digunakan
adalah model regresi M-kuantil yang memiliki karakteristik kekar terhadap
pencilan. Model M-kuantil adalah model regresi yang menggunakan fungsi
pengaruh �����(�����) dan nilai kuantil (q) tertentu untuk memboboti sisaan dalam
pendugaan koefisien regresinya.
Penelitian menggunakan tiga peubah penyerta yang diperoleh menggunakan
metode stepwise regression yang sebelumnya dipilih dari delapan peubah
kuesioner Susenas 2015 yang dianggap mempengaruhi pengeluaran rumah tangga.
Pemilihan peubah juga mempertimbangkan ketersediaan dan kesamaan dengan
peubah yang ada di SP2010. Ketiga peubah yang terpilih tersebut adalah: jumlah
anggota rumah tangga (X1), lapangan usaha/pekerjaan kepala rumah tangga (X2),
dan status/kedudukan kepala rumah tangga dalam usaha/pekerjaan (X3).
Metode analisis dimulai dengan menentukan koefisien M-kuantil unit
contoh (��������������� ) dan koefisien M-kuantil area (��������������� ) yang merupakan rata-rata dari
koefisien M-kuantil unit. Matriks ���������������, vektor ���������������, nilai ���������������, dan fungsi pengaruh
�����(�����) digunakan dalam prosedur IRLS untuk mendapatkan ����� �����
�����(���������������) dan sisaan ���������������.
Penduga ����� �����
�����(��������������� ) dan sisaan ��������������� inilah yang menjadi dasar model dalam menduga
indikator kemiskinan level kecamatan.
Untuk menguji akurasi pendugaan, digunakan RRMSE terhadap dugaan
indikator kemiskinan kecamatannya. Berdasarkan penghitungan, rata-rata
RRMSE ����� ���������� (dalam %) level kecamatan adalah sebesar: 38.29%, 30.27%, 29.51%,
dan 32.32% berturut-turut untuk pendugaan langsung (dengan oversampling), dan
model M-kuantil (fungsi Huber, fungsi Hampel, fungsi Tukey Bisquare). Terlihat
bahwa model M-kuantil yang menggunakan fungsi Hampel memiliki rata-rata
nilai RRMSE paling kecil. Rata-rata RRMSE ����� �����
����� dihasilkan oleh model M-kuantil
yang menggunakan fungsi pembobot Hampel sebesar 38.78. Rata-rata RRMSE ����� �����
�����,
nilai terkecil dihasilkan oleh fungsi pembobot Hampel. Secara umum, model Mkuantil
yang menggunakan fungsi Hampel dan fungsi Huber selalu menghasilkan
rata-rata RRMSE lebih kecil dibandingkan dengan pendugaan langsung dengan
oversampling.
Kesimpulan penelitian ini adalah, model M-kuantil dalam pendugaan area
kecil mampu memberikan pendugaan yang akurasinya bisa menjadi alternatif bagi
pendugaan langsung yang menggunakan oversampling.