Pendugaan Area Kecil Pada Indeks Keparahan Kemiskinan Tingkat Kecamatan Menggunakan Metode Prediksi Tak Bias Linier Terbaik Empirik (Studi Kasus : Indeks Keparahan Kemiskinan Di Kota Surabaya Tahun 2020)

Muna, Nailatul (2023) Pendugaan Area Kecil Pada Indeks Keparahan Kemiskinan Tingkat Kecamatan Menggunakan Metode Prediksi Tak Bias Linier Terbaik Empirik (Studi Kasus : Indeks Keparahan Kemiskinan Di Kota Surabaya Tahun 2020). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003202013-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (1MB) | Request a copy

Abstract

Penurunan angka kemiskinan merupakan salah satu tujuan pembangunan yang menjadi prioritas skala dunia, nasional maupun provinsi. Pada indikator kemiskinan terbagi tiga indikator yang dihitung oleh BPS, salah satunya yaitu indeks keparahan kemiskinan. Indeks keparahan kemiskinan menggambarkan tingkat ketimpangan pengeluaran di antara penduduk miskin. Badan Pusat Statistik menyediakan data kemiskinan pada tingkat nasional, provinsi dan kabupaten/kota namun tidak pada tingkat kecamatan maupun kelurahan/desa. Padahal kebutuhan data dan informasi pada tingkat lebih kecil atau spesifik seperti kecamatan dapat membantu pelaksanaan program penurunan kemiskinan agar tepat sasaran. Oleh karena itu, pada penelitian ini digunakan metode SAE dengan pendekatan Prediksi Tak Bias Linier Terbaik Empirik atau Empirical Best Linear Unbiased Prediction (EBLUP) untuk menduga indeks keparahan kemiskinan tingkat kecamatan di Kota Surabaya dengan variabel penyerta yang digunakan yaitu laju pertumbuhan penduduk, kepadatan penduduk, rasio ketergantungan, angka kelahiran kasar dan jumlah sarana-prasarana di desa/kelurahan. Data penelitian yang digunakan yaitu data Susenas Kota Surabaya Tahun 2020. Hasil simulasi pada data bangkitan berdistribusi lognormal dan data bangkitan berdistribusi normal menunjukkan bahwa pendektan EBLUP dengan prosedur REML menghasilkan nilai MSE dan RRMSE paling kecil dibandingkan dengan metode EBLUP dengan prosedur ML dan metode estimasi langsung, sehingga prosedur REML merupakan penduga atau estimator yang lebih baik. Variabel yang mempengaruhi indeks keparahan kemiskinan level kecamatan di Kota Surabaya yaitu laju pertumbuhan penduduk dan jumlah sarana-prasarana di desa/kelurahan. Estimasi indeks keparahan kemiskinan level kecamatan di Kota Surabaya tahun 2020 menunjukkan bahwa Kecamatan Asemrowo merupakan kecamatan dengan indeks keparahan kemiskinan paling tinggi sebesar 0,0207 sedangkan Kecamatan Mulyorejo merupakan kecamatan dengan indeks keparahan kemiskinan paling rendah yang mendekati nol. Perbandingan ketiga metode estimasi menunjukkan bahwa metode estimasi model EBLUP prosedur REML mampu menghasilkan estimasi terbaik
================================================================================================================================
Reducing poverty, one of the development goals, becomes a world, national and provincial priority as stated in first of Sustainable Development Goals: No Poverty. There are three poverty indicators calculated by BPS, one of which is the poverty severity index. The poverty severity index describes the level of disparity in spending among the poor. The Central Bureau of Statistics provides poverty data at the national, provincial and district/city levels but not at the sub-district and sub-district/village levels. Whereas the need for data at a spesific level such as the sub-district can help the implementation of poverty alleviation program is right on target. Therefore, in this study, the SAE method was used with the Empirical Best Linear Unbiased Prediction (EBLUP) approach to estimate the poverty severity index at the sub-district level in Surabaya with auxiliary variables are population growth, population density, dependency ratio, crude birth rate (CBR) and the number of economic facilities and infrastructure. Using Susenas data of Surabaya in 2020, the simulation does with the generate data of lognormal distribution and normal distribution shown that for both generate data distributions, the EBLUP approach with the REML procedure has the smaller MSE and RRMSE than the EBLUP method with ML procedure and direct estimation method, so, REML procedure is able to produce the best estimator. Then, the poverty severity index at kecamatan (sub-district) level in Surabaya is affected by population growth variable, the number of economic facilities and infrastructure. For the estimated poverty severity index at the sub-district level in Surabaya City in 2020 shown that Kecamatan Asemrowo is the sub-district with the highest poverty severity index that 0.0207 while Kecamatan Mulyorejo is the sub-district with the lowest poverty severity index which is close to zero.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	EBLUP, Indeks Keparahan Kemiskinan, SAE, Poverity Severity Index
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.35 Analysis of variance H Social Sciences > HA Statistics > HA31.38 Data envelopment analysis. H Social Sciences > HA Statistics > HA31.7 Estimation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Nailatul Muna
Date Deposited:	15 Feb 2023 03:45
Last Modified:	15 Feb 2023 03:45
URI:	http://repository.its.ac.id/id/eprint/97260

Actions (login required)

View Item