Feed-Forward Neural Network Untuk Small Area Estimation Pada Kasus Kemiskinan

Nuraeni, Al (2009) Feed-Forward Neural Network Untuk Small Area Estimation Pada Kasus Kemiskinan. Masters thesis, Institut Teknologi Sepuluh November.

Text 1307201742-Master_thesis.pdf Restricted to Repository staff only Download (8MB)

Abstract

Kemiskinan masih merupakan agenda serius yang dihadapi dan perlu ditanggulangi oleh Pemerintah baik di pusat maupun di daerah. Usaha penanggulangan kemiskinan seyogyanya dititikberatkan pada daerah-daerah yang paling miskin, sehingga implementasi kebijakan dalam memberantas kemiskinan akan tepat sasaran dan efektif. Untuk itu diperlukan informasi yang lebih rinci dan tepat tentang kemiskinan tidak hanya untuk lingkup nasional saja, tetapi pada lingkup yang lebih kecil seperti Propinsi, Kabupaten, bahkan sampai pada tingkat Kecamatan dan Kelurahan/Desa. Pengukuran kemiskinan dengan menggunakan data survei akan memberikan akurasi yang baik hanya pada level yang luas, karena biasanya survei didesain untuk memperoleh statistik nasional. Persoalan muncul ketika dari data survei ini ingin diperoleh informasi untuk tingkat agregasi yang lebih rendah. Ukuran sampel yang terlalu kecil membuat pengukuran kemiskinan secara langsung menghasilkan standar error yang besar, sehingga analisis yang didasarkan pada kondisi seperti ini menjadi sangat tidak dapat diandalkan. Penelitian ini bertujuan untuk mendapatkan pendugaan yang akan memberikan presisi yang lebih baik yaitu dengan menggabungkan antara data yang terkandung dalam survei dengan data pendukung lain misalnya dari data sensus sebelumnya. Teknik Small Area Estimation akan diaplikasikan untuk mendapatkan ukuran kemiskinan dengan pendekatan Neural Network. Hasil penelitian menunjukkan bahwa pada tahun 2002 terdapat 9,23 persen atau sebanyak 65.550 rumah tangga di Kota Surabaya yang berstatus miskin. Sedangkan penduduk miskin Kota Surabaya mencapai 12,03 persen atau sebanyak 312.778 penduduk. Persentase penduduk miskin tertinggi ada di Kecamatan Lakarsantri yaitu sebesar 68,77%. Sedangkan persentase penduduk miskin terendah ada di Kecamatan Dukuh Pakis yaitu sebesar 0,6%. Kecamatan Lakarsantri merupakan kecamatan dengan indeks kedalaman kemiskinan (P1) dan indeks keparahan kemiskinan (P2) tertinggi dengan indeks masing-masing sebesar 0,5430 dan 0,4794.
======================================================================================================================================
Poverty still become a serious agenda that have to be dealt and need to be tackled either by the central government and also by the district government. Effort for completion poverty is properly emphasized at the poorest area, so that the implementation of policy in fighting against poverty will be strike through the core and effective. For that purpose is required more detail and more precise information about poverty not only in national scope, but also in smaller scope like province, municipality, even comes up with smaller administrative level. Measuring poverty by using survey data will give better accuration only at wide level, because survey is usually designed to produce statistics in national level. Problems emerge when from this survey data wish to be obtained information for lower aggregation level. Small sample size makes direct measurement of poverty yields large standard error, so that analysis based on this condition becomes hardly reliable. The purpose of this research is to get estimation that will give better precision by combining survey data with other supported data such as data from the latest census. Small Area Estimation technique will be applied to get poverty incidence by using Neural Network approach. Result shows that in year 2002, by using FFNN there are 9,23% or 65.550 poor households in Surabaya city. Meanwhile poor people in Surabaya city reach 12,03% or 312.778 people. Lakarsantri district has the highest percentage of poor people that is equal to 68,77%. Meanwhile the lowest poor people percentage is in Dukuh Pakis district that is 0,6%. Lakarsantri is district with the highest poverty gap index (P1) and poverty severity index (P2) with index each 0,5430 and 0,4794.

Item Type:	Thesis (Masters)
Additional Information:	519.544 Nur f
Uncontrolled Keywords:	backpropagation, feed-forward neural network, kemiskinan, small area estimation
Subjects:	H Social Sciences > HA Statistics
Divisions:	Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	02 Oct 2026 02:35
Last Modified:	02 Oct 2026 02:35
URI:	http://repository.its.ac.id/id/eprint/145164

Actions (login required)

View Item