Scan Statistic Dengan Pendekatan Small Area Estimation Empirical Bayes Untuk Mendeteksi Kantong Kemiskinan Di Kepulauan Nias

Noviyanti, Reny Ari (2015) Scan Statistic Dengan Pendekatan Small Area Estimation Empirical Bayes Untuk Mendeteksi Kantong Kemiskinan Di Kepulauan Nias. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1313201715-Master Thesis.pdf]
Preview
Text
1313201715-Master Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Kabupaten/kota yang berada di Kepulauan Nias merupakan daerah dengan
persentase penduduk miskin paling tinggi dibanding kabupaten/kota lainnya di
Sumatera Utara. Dalam rangka mengimplementasikan berbagai program
pengentasan kemiskinan diperlukan adanya informasi daerah yang merupakan
kantong kemiskinan. Salah satu metode yang bisa digunakan untuk
mengidentifikasi kantong kemiskinan adalah Scan Statistic. Pendeteksian kantong
kemiskinan pada level wilayah kecil (kecamatan) memerlukan informasi lengkap
dari data populasi, sedangkan data kemiskinan pada wilayah kecil tersebut tidak
tersedia. Oleh karena itu, digunakan metode Small Area Estimation Empirical
Bayes (SAE EB) untuk mendapatkan data proporsi kemiskinan tingkat kecamatan.
Untuk mendeteksi kantong kemiskinan digunakan metode Circular Spatial Scan
Statistic. Variabel respon dalam penelitian ini adalah proporsi kemiskinan yang
dihitung berdasarkan data Susenas. Variabel penyerta (auxiliary variables) yang
digunakan bersumber dari data Potensi Desa. Selain itu, digunakan data koordinat
geografis berupa letak astronomi kantor kecamatan untuk menentukan cluster
kecamatan yang merupakan kantong kemiskinan. Kajian terhadap estimator pada
Scan Statistic dilakukan untuk mendapatkan estimator p (probabilitas miskin
didalam scanning window) dan q (probabilitas miskin di luar scanning window)
yang digunakan untuk menghitung log likelihood ratio (LLR) dengan prosedur
maximum likelihood. Penerapan SAE EB untuk estimasi proporsi kemiskinan
tingkat kecamatan menghasilkan estimator dengan tingkat akurasi yang lebih baik.
Aplikasi SAE EB pada Scan Statistic, berdasarkan uji hipotesis Monte Carlo
diperoleh 10 (sepuluh) kantong kemiskinan dengan Gunung Sitoli Idanoi
merupakan daerah kantong kemiskinan pertama yang harus menjadi prioritas
pengentasan kemiskinan di Kepulauan Nias.
==========================================================================================================
The districts in Nias Islands be an areas with the highest percentage of poverty
than other districts in North Sumatra. In order to implement poverty alleviation
programs, it is necessary to identify area that be a hotspot poverty. One method
that can be used to identify hotspot poverty is Scan Statistics. To detecting hotspot
poverty at small regions (sub-districts) level are required complete information on
population data, while poverty data in small area does not available. Therefore,
used Small Area Estimation Empirical Bayes (SAE EB) methods to get poverty
proportion data of sub-districts level. To detect hotspot poverty used Circular
Spatial Scan Statistic method. Response variable in this study was poverty
proportion which is calculated based on Susenas. Auxiliary variables are obtained
from Potensi Desa data. In addition, the geographic coordinates of sub-districts
office was used in the form of astronomical layout to determine sub-district
cluster which be a hotspot poverty. The study on the Scan Statistic estimator
performed to obtain estimator p (probability of poverty in the scanning window)
and q (probability of poverty outside the scanning window) that is used to
calculate log likelihood ratio (LLR) with maximum likelihood procedure.
Application SAE EB to estimate poverty proportion of sub-district level produce
estimators with better accuracy. Application SAE EB on Scan Statistics, based on
Monte Carlo hypothesis testing obtained ten poverty pockets with Gunung Sitoli
Idanoi should be main hotspot poverty that must be the first priority of poverty
reduction in Nias Island.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.542 Nov s
Uncontrolled Keywords: Kantong kemiskinan, LLR, SAE EB, Scan Statistic
Subjects: H Social Sciences > HA Statistics
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 20 Mar 2018 05:02
Last Modified: 24 Aug 2018 04:03
URI: http://repository.its.ac.id/id/eprint/51582

Actions (login required)

View Item View Item