Small Area Estimation Pada Kasus Respon Multinomial Dengan Pendekatan Hierarchical Bayes (Aplikasi Pada Proporsi Pengangguran Menurut Kategori Pengangguran Di Pulau Kalimantan, 2015)

Ayuningtyas, Ika (2017) Small Area Estimation Pada Kasus Respon Multinomial Dengan Pendekatan Hierarchical Bayes (Aplikasi Pada Proporsi Pengangguran Menurut Kategori Pengangguran Di Pulau Kalimantan, 2015). Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1315201718-Master_Theses.pdf]
Preview
Text
1315201718-Master_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Small Area Estimation (SAE) dapat dilakukan untuk mengatasi permasalahan mengenai keterbatasan sampel dalam melalukan estimasi pada wilayah atau domain yang lebih kecil karena akan menghasilkan standard error yang besar. SAE bertujuan untuk memperoleh estimasi dengan tingkat presisi yang tinggi pada wilayah kecil tersebut. Pendekatan Hierarchical Bayes (HB) sering digunakan karena dapat menghasilkan nilai MSE yang lebih kecil dibandingkan metode lainnya dan sangat baik digunakan untuk data diskret. Model Fay-Herriot merupakan salah satu model SAE berbasis area yang sering digunakan. Penelitian ini mengembangkan model Fay-Herriot untuk data dengan respon multinomial menggunakan pendekatan HB dengan Multinomial Logit Mixed Model sebagai linking model-nya. Penentuan likelihood dan distribusi prior menjadi sangat penting dalam menentukan distribusi priornya. Estimasi parameter diperoleh dari distribusi prior dengan menggunakan proses Markov chain Monte Carlo (MCMC) karena memiliki integrasi numerik yang cukup kompleks.
Metode ini diterapkan pada kasus pengangguran di Pulau Kalimantan. Informasi tentang pengangguran diperoleh dari Survei Angkatan Kerja Nasional (Sakernas). Metodologi Sakernas didesain untuk estimasi pada indikator makro sampai tingkat kabupaten/kota dan jika langsung digunakan untuk estimasi proporsi pengangguran menurut kategori pengangguran akan menghasilkan standar error yang tinggi. Dari hasil penghitungan SAE diperoleh variabel rata-rata lama sekolah, pertumbuhan ekonomi dan rasio jenis kelamin berpengaruh secara signifikan dalam memprediksi pengangguran menurut kategori di Pulau Kalimantan. Estimasi menggunakan metode HB telah mengkoreksi beberapa titik dari estimasi langsung. Terjadi penurunan nilai koefisien variasi (CV) dari estimasi menggunakan model HB dibandingkan estimasi langsung. Dengan menggunakan metode Jackknife, nilai MSE pada model SAE menggunakan metode HB di setiap kategori menghasilkan nilai yang lebih kecil dibandingkan pada estimasi langsung.

============================================================================================

Small Area Estimation (SAE) is an alternative solution to solve the problems of limited sample and to produce better precision for estimating the smaller domain or area. Hierarchical Bayes (HB) is often used because it can produces a smaller Mean Square Error (MSE) than other methods and is best used for data discrete. Fay-Herriot model is the one of area-based model in SAE. This study will develop Fay-Herriot model for data with multinomial responses using HB. Multinomial Logit Mixed Model is used as linking model. The posterior distribution embodies both prior and observed data information. Parameters estimate obtained from the posterior distribution by using Markov chain Monte Carlo process. MCMC is used because it has complex numerical integration.
This method will be applied in unemployment case on Kalimantan. Information about unemployment obtained from Survei Angkatan Kerja Nasional (Sakernas). Methodology of Sakernas is designed to estimate the macro indicators in the regency/city. If the result from Sakernas is used directly to estimate the unemployment proportion by categories, it will produce a quite large of standard error. The calculation using HB method results that variable mean years of schooling, economic growth and sex ratio are significantly influential to predict unemployment proportion by categories. Estimation using HB corrected some point of direct estimation and declined the CV. By using Jackknife, MSE in HB model in each categories produces a smaller value than the direct estimate.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Hierarchical Bayes, Multinomial, Unemployment, Small Area Estimation
Subjects: H Social Sciences > HA Statistics
Q Science > Q Science (General)
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: - IKA AYUNINGTYAS
Date Deposited: 09 May 2017 08:15
Last Modified: 06 Mar 2019 03:38
URI: http://repository.its.ac.id/id/eprint/2783

Actions (login required)

View Item View Item