Penduga Tak Bias Linier Terbaik Empirik pada Pendugaan Area Kecil Rata-Rata Lama Sekolah Tingkat Kecamatan di Kota Surabaya Tahun 2020

Harwanti, Nur Achmey Selgi (2023) Penduga Tak Bias Linier Terbaik Empirik pada Pendugaan Area Kecil Rata-Rata Lama Sekolah Tingkat Kecamatan di Kota Surabaya Tahun 2020. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003202015-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (1MB) | Request a copy

Abstract

Sustainable Development Goals (SDGs) bertujuan untuk menjaga peningkatan kualitas hidup dari satu generasi ke generasi selanjutnya. Salah satu tujuan SDGs adalah Tujuan keempat yaitu pendidikan berkualitas. Salah satu indikator yang membentuk tujuan keempat yaitu rata-rata lama sekolah. Di Indonesia, RLS dihasilkan dari Survei Sosial Ekonomi Nasional (Susenas). Metodologi Susenas didesain untuk keperluan estimasi pada indikator makro sampai dengan tingkat kabupaten/kota, sehingga data hasil Susenas tidak dapat digunakan secara langsung untuk mengestimasi wilayah/domain yang lebih kecil. Pada penelitian ini akan dilakukan pendugaan rata-rata lama sekolah pada level kecamatan dengan Small Area Estimation (SAE). Selain itu juga akan dilakukan resampling atau pengambilan sampel ulang dengan jumlah sampel yang lebih kecil untuk mengetahui efektivitas metode SAE pada sampel yang lebih kecil disbanding SUSENAS. Metode SAE yang digunakan pada penelitian ini adalah Empirical Best Linear Unbiased Prediction (EBLUP). Pada SAE dengan metode Empirical Based Linear Unbiased Predictor (EBLUP) berbasis level area serta menggunakan variabel penyerta mampu memberikan nilai estimasi yang lebih baik dibandingkan hasil estimasi langsung. Dari sampel yang tersedia, akan dilakukan perbandingan antara seluruh sampel SUSENAS dengan resampling dari sampel susenas sebesar 25%, 50%, dan 75%. Selanjutnya, dilakukan evaluasi dari hasil estimasi dari seluruh ukuran sampel yang telah dilakukan dengan melihat kebaikan model serta MSE dan RRMSE. Didapatkan bahwa sampel 75% dan 50% dapat menghasilkan nilai estimasi dengan tingkat kebaikan model yang hampir mendekati kebaikan model dari keseluruhan data SUSENAS.
==================================================================================================================================
The Sustainable Development Goals (SDGs) aim to maintain an improved quality of life from one generation to the next. One of the goals of the SDGs is the fourth goal, which is quality education. One of the indicators that form the fourth goal is the average length of schooling. In Indonesia, RLS is generated from the National Socioeconomic Survey (Susenas). The Susenas methodology is designed for the purposes of estimating macro indicators down to the district/city level, so that data from Susenas results cannot be used directly to estimate smaller areas/domains. In this study, the average length of schooling at the sub-district level will be estimated using the Small Area Estimation (SAE). In addition, resampling will also be carried out with a smaller number of samples to determine the effectiveness of the SAE method on smaller samples when SUSENAS is dissolved. The SAE method used in this study is the Empirical Best Linear Unbiased Prediction (EBLUP). In SAE with the Empirical Based Linear Unbiased Predictor (EBLUP) method based on the area level and using accompanying variables is able to provide a better estimation value than the direct estimation results. From the available samples, a comparison will be made between all SUSENAS samples with resampling of the Susenas samples of 25%, 50% and 75%. Furthermore, an evaluation of the estimation results of all sample sizes that have been carried out by looking at the goodness-of-fit model as well as MSE and RRMSE is carried out. It was found that the 75% and 50% sample could produce an estimated value with the goodness-of-fit model which hindered the goodness-of-fit model approach of the entire SUSENAS data.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Small Area Estimation, EBLUP, Mean Years School, Education, Rata-rata Lama Sekolah, Pendidikan
Subjects:	H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Nur Achmey Selgi Harwanti
Date Deposited:	14 Feb 2023 01:28
Last Modified:	14 Feb 2023 01:28
URI:	http://repository.its.ac.id/id/eprint/97018

Actions (login required)

View Item