dc.description.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. | id |