dc.contributor.advisor | Sadik, Kusman | |
dc.contributor.advisor | Kurnia, Anang | |
dc.contributor.author | Kuraysia, Fera | |
dc.date.accessioned | 2018-11-14T06:10:18Z | |
dc.date.available | 2018-11-14T06:10:18Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/95052 | |
dc.description.abstract | Small Area Estimation (SAE) atau pendugaan area kecil merupakan salah
satu metode pendugaan ketika data yang tersedia memberikan informasi yang
terbatas. Metode ini merupakan salah satu cara yang dapat digunakan untuk
melakukan pendugaan pada area dengan contoh yang berukuran kecil atau bahkan
pada area yang tidak terdapat contoh. Metode ini dapat diterapkan untuk menduga
indikator kemiskinan pada tingkat kecamatan atau desa dengan menggunakan data
Survei Sosial dan Ekonomi Nasional (SUSENAS). Pendugaan indikator
kemiskinan pada tingkat kecamatan atau tingkat yang lebih kecil akan membantu
pemerintah untuk mengetahui informasi kemiskinan secara lebih rinci.
Metode Fast Empirical Bayes (FEB) atau metode cepat Bayes empirik
merupakan salah satu metode yang dapat digunakan untuk meduga indikator
kemiskinan pada area kecil. Metode ini mampu menghasilkan dugaan yang baik
pada populasi yang berukuran besar. Permasalahan muncul ketika terdapat area
yang tidak memiliki contoh. Penambahan informasi gerombol dimanfaatkan untuk
menduga indikator pada area tersebut. Penelitian ini melakukan kajian simulasi
untuk membandingkan metode pendugaan langsung, Bayes empirik dan metode
cepat Bayes empirik. Kajian simulasi juga dilakukan untuk mengevaluasi
modifikasi metode cepat Bayes empirik pada area yang tidak memiliki contoh.
Penerapan metode dilakukan untuk menduga indikator kemiskinan tingkat
kecamatan di Kabupaten Bogor dengan menggunakan data dari Badan Pusat
Statistik (BPS).
Kajian simulasi dilakukan dengan membangkitkan data pada dua kondisi
serta dengan skenario ukuran populasi atau fraksi sampling yang berbeda, yaitu
dengan ukuran populasi kecil, sedang, besar dan sangat besar. PUkuran populasi
sangat besar dipilih sesuai dengan ukuran populasi kecamatan di Kabupaten
Bogor. Skenario-skenario ini dibangun dengan tujuan untuk mendapatkan
gambaran mengenai perbedaan pada metode pendugaan area kecil dalam menduga
indikator kemiskinan. Evaluasi metode dilihat dengan menghitung nilai Relative
Bias (RB) dan Relative Root Mean Square Error (RRMSE) pada masing-masing
metode. Hasil menunjukkan bahwa, metode cepat Bayes empirik mampu
menghasilkan nilai dugaan dengan RB dan RRMSE yang lebih kecil
dibandingkan dengan metode pendugaan lain pada kondisi populasi besar dan
populasi sangat besar serta tidak membutuhkan waktu komputasi yang lama.
Sedangkan metode Bayes empirik lebih baik digunakan pada ukuran populasi
sedang dan metode pendugaan langsung lebih cocok untuk ukuran populasi kecil.
Penambahan pengaruh gerombol pada area yang tidak terdapat contoh mampu
meningkatkan kualitas hasil dugaan pada metode cepat Bayes empirik. | id |
dc.language.iso | id | id |
dc.publisher | Bogor Agricultural University (IPB) | id |
dc.subject.ddc | Statistics | id |
dc.subject.ddc | Cluster Analysis | id |
dc.subject.ddc | 2015 | id |
dc.subject.ddc | Bogor-Jawa Barat | id |
dc.title | Kajian Pendugaan Area Kecil untuk Menduga Indikator Kemiskinan dengan Modifikasi Metode Cepat Bayes Empirik | id |
dc.type | Thesis | id |
dc.subject.keyword | analisis gerombol | id |
dc.subject.keyword | area tidak terdapat contoh | id |
dc.subject.keyword | indikator kemiskinan | id |
dc.subject.keyword | metode cepat Bayes empirik | id |
dc.subject.keyword | pendugaan area kecil | id |
dc.subject.keyword | populasi besar | id |