Bootstrap Spatial Empirical Best Linear Unbiased Prediction Untuk Pemetaan Kemiskinan Tingkat Desa Di Kabupaten Pati

Sulistiyono, Duto (2016) Bootstrap Spatial Empirical Best Linear Unbiased Prediction Untuk Pemetaan Kemiskinan Tingkat Desa Di Kabupaten Pati. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1314201710-Master-Thesis.pdf - Published Version

Download (3MB) | Preview

Abstract

Indikator kemiskinan hingga saat ini belum bisa tersedia pada tingkat desa/ kelurahan karena keterbatasan cakupan sampel pada Survei Sosial Ekonomi Nasional (SUSENAS) yang dilaksanakan oleh BPS. Masalah tersebut dapat diatasi dengan menggunakan Small Area Estimation, salah satunya menggunakan metode Spatial Empirical Best Linear Unbiased Prediction (Spatial EBLUP) yang memasukkan aspek spasial atau lokasi sebagai pembobotnya. Salah satu tujuan penelitian ini adalah menggunakan prosedur parametric bootstrap untuk menghitung MSE (Mean Square Error) dan RRMSE (Relative Root Mean Square Error) metode Spatial EBLUP yang selanjutnya digunakan sebagai ukuran tingkat akurasinya dibandingkan terhadap metode estimasi langsung dalam mengestimasi angka kemiskinan tingkat desa/ kelurahan di Kabupaten Pati. Variabel respon berupa persentase penduduk miskin hasil estimasi langsung berdasarkan data SUSENAS 2013, sedangkan variabel penyerta berasal dari hasil Potensi Desa (PODES) 2011 dan Sensus Penduduk (SP) 2010 yaitu berupa variabel karakteristik individu, rumah tangga, dan wilayah yang berkaitan dengan kemiskinan. Penggunaan Spatial EBLUP untuk estimasi angka kemiskinan tingkat desa/ kelurahan dilakukan dengan menggunakan matriks pembobot spasial customized contiguity lapangan usaha utama. Spatial EBLUP menghasilkan nilai MSE dan RRMSE yang lebih kecil dibandingkan estimasi langsung artinya akurasi metode tersebut lebih baik daripada metode estimasi langsung. Hasil visualisasi peta sebaran angka kemiskinan menunjukkan bahwa wilayah Kabupaten Pati bagian selatan mempunyai permasalahan kemiskinan yang lebih serius daripada bagian utara. Hasil estimasi angka kemiskinan dengan Spatial EBLUP menunjukkan bahwa Kecamatan Kayen dan Pucakwangi mempunyai permasalahan kemiskinan paling serius di Kabupaten Pati karena paling banyak memiliki jumlah desa dengan klasifikasi angka kemiskinan sangat tinggi yaitu masing-masing sebanyak tiga desa. ================================================================================================================== Poverty indicator until now could not be available at the village level because of limited sample coverage in the National Socio-Economic Survey that conducted by BPS. The problem could be solved by using Small Area Estimation, one of them using Spatial Empirical Best Linear Unbiased Prediction (Spatial EBLUP) that incorporate spatial aspect or location as the weights. One of goals of this research is to use a parametric bootstrap procedure to estimate the MSE and RRMSE of Spatial EBLUP method that used as a measure of its accuration compared to the direct estimation method in estimating village level poverty in Pati Regency. The response variable percentage of poverty that calculated from direct estimation, while the auxillary variable derived from the Data Collection Village Potential 2011 and Population Census 2010 i.e., characteristics of individuals, households, and areas variables that related to poverty. Spatial EBLUP for estimate village level poverty done using spatial weight matrix of customized contiguity main business field. Spatial EBLUP generates MSE (Mean Square Error) and RRMSE (Relative Root Mean Square Error) value which is smaller than the direct estimation that means the accuracy of the method is better that the direct estimation method. The visualization result from poverty mapping shows that southern part of the Pati Regency has a povert problem more serious than the northern part of the region. The estimation results with Spatial EBLUP shows that Kayen and Pucakwangi Sub-district have the most serious poverty problem in Pati Regency because most have a number of villages with the poverty classification is very high that each of three villages.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.536 Sul b
Uncontrolled Keywords: angka kemiskinan, parametric bootstrap, SAE, spatial analysis, spatial EBLUP.
Subjects: H Social Sciences > HN Social history and conditions. Social problems. Social reform
Divisions: Faculty of Mathematics and Science > Statistics > (S2) Master Theses
Depositing User: Users 13 not found.
Date Deposited: 15 Jun 2017 05:59
Last Modified: 27 Dec 2018 07:48
URI: http://repository.its.ac.id/id/eprint/41694

Actions (login required)

View Item View Item