Pendugaan Area Kecil dengan Efek Spasial untuk Proporsi Level Desa (Studi Kasus Proporsi Penduduk Miskin di Kabupaten Lembata).

Abstract

Ketersediaan data level desa yang akurat sangat dibutuhkan dalam proses pembangunan desa. Salah satu data yang berperan penting dalam proses pembangunan desa adalah data proporsi penduduk miskin level desa. Data proporsi penduduk miskin secara rutin dikeluarkan oleh BPS. Data tersebut hanya mampu disajikan hingga level kabupaten/kota. Pendugaan langsung hingga level desa tidak dapat dilakukan karena jumlah contoh yang kecil bahkan nol. Salah satu teknik analisis yang dapat mengatasi masalah tersebut adalah pendugaan area kecil. Model area kecil bagi proporsi harus dapat menjamin bahwa dugaan proporsi yang dihasilkan berada dalam selang 0 dan 1. Pendekatan yang dapat dilakukan untuk memodelkan proporsi antara lain dengan sebaran normal dan sebaran binomial. Pendekatan model pendugaan area kecil (Small Area Estimation/SAE). dengan sebaran normal dilakukan terhadap hasil transformasi logit peubah proporsi. Proporsi merupakan salah satu parameter dari sebaran binomial, sehingga asumsi sebaran binomial dapat diterapkan pada banyaknya penduduk miskin per desa. Analisis yang berkaitan dengan wilayah perlu mempertimbangkan adanya pengaruh spasial. Pengaruh spasial pada model SAE sangat bergantung pada karakteristik data. Penelitian ini bertujuan menerapkan model SAE dengan pendekatan normal dan binomial untuk menduga proporsi pada tiga karakteristik data. Ketiga karakteristik data tersebut adalah data tanpa efek spasial, data dengan efek spasial stasioner SAR, dan data dengan efek spasial nonstasioner. Spasial stasioner pada penelitian ini hanya dibatasi pada pengaruh spasial yang mengikuti proses Simultaneously Autoregressive (SAR). Hasil simulasi menunjukkan bahwa pada ketiga skenario data, pendekatan asumsi sebaran binomial menghasilkan dugaan yang lebih baik dibandingkan dengan pendekatan asumsi sebaran normal. Berdasarkan bias relatif dan Relative Root Mean Square Error (RRMSE), model binomial tanpa spasial dengan pendekatan laplace (GLMER) merupakan model terbaik untuk menduga proporsi ketika data tidak mengandung spasial. Pada karakteristik data yang mengandung efek spasial stasioner (spasial SAR) model terbaik untuk menduga proporsi adalah model binomial dengan spasial SAR (HSP). Model binomial dengan spasial nonstasioner (MNSE) merupakan model terbaik untuk menduga proporsi pada data yang mengandung efek spasial nonstasioner. Hasil aplikasi metode menunjukkan karekteristik data cenderung mengandung efek spasial SAR. Model terbaik untuk menduga proporsi penduduk miskin level desa di Kabupaten Lembata adalah model SAE pendekatan binomial dengan efek spasial SAR (HSP). Pendugaan proporsi penduduk miskin pada desa nircontoh diperoleh dengan koreksi gerombol. Pendugaan dengan HSP kalibrasi menghasilkan dugaan proporsi penduduk miskin Kabupaten Lembata sebesar 0.2652. Hasil tersebut tidak jauh berbeda dengan angka BPS (0.2648) sehingga hasil dugaan proporsi dengan HSP kalibrasi layak digunakan.