Penarikan Sampel dengan Balanced Sampling dan Pendekatan Bayesian untuk Survei Ketenagakerjaan (Studi kasus : Provinsi Kalimantan Tengah)

Anwar, Moch. Choeril (2015) Penarikan Sampel dengan Balanced Sampling dan Pendekatan Bayesian untuk Survei Ketenagakerjaan (Studi kasus : Provinsi Kalimantan Tengah). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1313201716-Mastes_Thesis.pdf - Published Version

Download (4MB) | Preview

Abstract

Data ketenagakerjaan dapat menggambarkan kondisi perekonomian dan sosial di suatu wilayah dalam kurun waktu tertentu. Badan Pusat Statistik (BPS) sebagai instansi yang bertanggung jawab dalam pengumpulan data ketenagakerjaan telah menggunakan desain sampling yang kompleks dalam Survei Angkatan Kerja Nasional (Sakernas). Namun, masih ada beberapa kritik mengenai data ketenagakerjaan. Selain itu, estimasi Tingkat Pengangguran Terbuka (TPT) di beberapa kabupaten dinilai kurang robust karena mengalami penurunan yang cukup tajam pada tahun-tahun terakhir. Hal ini kemungkinan diakibatkan oleh sampel blok sensus yang tidak merata di suatu kabupaten, yaitu antara daerah yang memiliki perekonomian yang baik dengan yang perekonomiannya tidak baik. Oleh karena itu, sangat penting dilakukan penelitian yang dapat memberikan kontribusi dalam sampling untuk survei ketenagakerjaan. Penelitian ini bertujuan memperoleh cara optimal penarikan sampel untuk survei ketenagakerjaan dengan pendekatan balanced sampling dan Bayesian, yaitu dengan melakukan estimasi parameter ketenagakerjaan dari sampel yang telah didapatkan dari kedua desain dan sampel dari desain yang digunakan BPS, dan membandingkan hasil estimasi dalam rangka mengetahui desain sampling yang paling baik. Metode sampling yang digunakan adalah cube method pada balanced sampling dan reference prior pada sampling dengan pendekatan Bayesian. Kerangka sampel yang digunakan berasal dari raw data Sensus Penduduk 2010 (SP2010). Penelitian ini telah berhasil membuat cara/ algoritma penarikan sampel dengan pendekatan Bayesian yaitu dengan reference prior sampling. Dari sampel BPS, dengan metode estimasi design based, diperoleh nilai absolut bias sebesar 0,0168, varians sebesar 1,96×10-5, dan MSE sebesar 3,02×10-4. Dengan metode Bayesian, diperoleh nilai absolut bias sebesar 25×10-5, varians sebesar 6,67×10-8, dan MSE sebesar 1,29×10-7. Pada balanced sampling dengan cube method, dengan estimasi Horvitz-Thompson diperoleh nilai absolut bias sebesar 8×10-5, varians sebesar 3,04×10-6, dan MSE sebesar 3,05×10-6. Sementara itu dengan metode Bayesian, diperoleh nilai absolut bias sebesar 9×10-5, varians sebesar 6,83×10-8, dan MSE sebesar 7,66×10-8. Pada penarikan sampling dengan reference prior sampling ini diperoleh absolut bias sebesar 0,02, varians sebesar 6,96×10-8, dan MSE sebesar 3,20×10-6. Dengan hasil tersebut, diketahui bahwa desain balanced sampling merupakan desain yang lebih baik bila dibandingkan reference prior sampling maupun desain yang telah digunakan BPS didasarkan pada nilai MSE yang dihasilkan. ============================================================================================ The employment data can describe the economic and social conditions, even the level of social welfare in an area and a certain time. BPS-Statistics Indonesia, the agency which responsible for the collection of employment data, has been using a complex sampling design in the National Labour Force Survey (Sakernas). However, there are some criticism regarding the employment data. In addition, the estimates of unemployment rate (TPT) in some districts considered less robust due to a sharp decline during last year. This is likely caused by census block samples uneven in some districts, between regions that have a good economy with the other. Therefore, it is very important to do research that can contribute for sampling design of employment survey. The objective of this research were to obtain the optimal sampling for employment survey with a balanced approach and Bayesian sampling, by estimating the parameters of employment from both sampling design and BPS’s sampling design, and compare the results in order to determine which the best sampling design. The sampling method used was a cube method on balanced sampling method and the reference prior on sampling with Bayesian approach. The sampling frame were taken from the raw data of Population Census 2010 (SP2010). From this study, obtained sampling with Bayesian approach, that is reference prior sampling. From BPS’s samples, with design-based estimation, the value of absolute bias, variance, and MSE was 0.0168, 1,96×10-5, and 3,02×10-4. With Bayesian method, the value of absolute of bias, variance, and MSE was 25×10-5, 6,67×10-8, and 1,29×10-7. From balanced sampling with the cube method and with the Horvitz-Thompson estimator, the value of absolute bias, variance, and MSE was 8×10-5, 3,04×10-6, and 3,05×10-6. With Bayesian method, the value of absolute of bias, variance, and MSE was 15×10-5, 6,85×10-8, and 9,13×10-8. On the reference priors sampling, the value of absolute bias, variance, and MSE was 0,02, 6,96×10-8, and 3,20×10-6. With these results, it is known that balanced sampling design is better design than both the reference prior sampling and BPS design, based on the MSE value.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.542 Anw p
Uncontrolled Keywords: balanced sampling, cube method, bayesian, reference prior sampling, akurasi, data ketenagakerjaan, accuracy, employment data
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Eny Widiastuti -
Date Deposited: 12 Apr 2018 07:19
Last Modified: 24 Aug 2018 02:00
URI: https://repository.its.ac.id/id/eprint/51738

Actions (login required)

View Item View Item