Small Area Estimation dengan Pendekatan Bivariate Hierarchical Bayes (HB) Untuk Estimasi Rata-Rata Pengeluaran per Kapita per Bulan Komoditi Makanan dan Non Makanan di Provinsi Bali Tahun 2014

Purwa, Taly (2019) Small Area Estimation dengan Pendekatan Bivariate Hierarchical Bayes (HB) Untuk Estimasi Rata-Rata Pengeluaran per Kapita per Bulan Komoditi Makanan dan Non Makanan di Provinsi Bali Tahun 2014. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
06211750017003-Master_Thesis.pdf

Download (7MB) | Preview

Abstract

Small Area Estimation (SAE) adalah metode estimasi tidak langsung yang digunakan untuk estimasi suatu parameter di wilayah atau domain kecil dengan meminjam kekuatan variabel prediktor dari sensus atau registrasi. Pada penelitian ini digunakan model univariat dan bivariat Fay-Herriot (FH) dengan metode Hierarchical Bayes (HB) untuk mengestimasi rata-rata pengeluaran per kapita per bulan komoditas makanan dan non makanan setiap kecamatan di Provinsi Bali tahun 2014. Kemudian dilakukan perbandingan hasil estimasi dari kedua model tersebut. Penggunaan model bivariat FH diharapkan dapat meningkatkan akurasi hasil estimasi dengan memanfaatkan korelasi antara kedua jenis pengeluaran tersebut dibandingkan dengan melakukan estimasi secara terpisah dengan model univariat FH. Sebanyak tiga belas variabel dari PODES 2014 digunakan sebagai variabel prediktor pada masing-masing model. Hasil dari penelitian menunjukkan bahwa ada kesamaan variabel yang berpengaruh signifikan terhadap pengeluaran makanan, baik pada model univariat maupun model bivariat, yaitu sebanyak tiga variabel. Sedangkan untuk pengeluaran non makanan, terdapat perbedaan variabel yang memiliki pengaruh signifikan. Hasil dari perbandingan kedua model menunjukkan bahwa model bivariat FH merupakan model terbaik karena memiliki nilai Mean Prediction Error (MSPE), Mean Absolute Perscentage Error (MAPE) dan Root Mean Square Error (RMSE) yang lebih kecil dibandingkan model univariat FH. Selain itu, model bivariat FH mampu menghasilkan credible interval lebih pendek yang berarti hasil estimasi model bivariat FH lebih akurat. Keuntungan lain, yaitu adanya peningkatan yang signifikan pada nilai adjusted R^2. Hasil pemetaan menunjukkan pola yang sama untuk rata-rata pengeluaran makanan dan non makanan. Dimana kelompok pengeluaran tertinggi lebih terpusat di bagian selatan Bali. Sedangkan kelompok pengeluaran terendah lebih terpusat di bagian timur dan barat Bali. Untuk penelitian selanjutnya dirasa perlu memasukkan unsur spasial untuk mengeksplorasi pola geografis. ================================================================================================ Small Area Estimation (SAE) is an indirect method that has been widely used for estimating parameters in a small area or small domain by borrowing strength of predictor variables from census or registration. This study uses Hierarchical Bayes (HB) method under the univariate and bivariate Fay-Herriot (FH) model to estimate monthly average per capita expenditure of food and non-food commodities for each subdistrict level in Province of Bali in 2014. Then estimation results from both models will be compared. The bivariate FH model is expected to increase the accuracy of the results of estimation by taking into account correlation between two types of expenditure rather than perform univariate estimation separately. Thirteen predictor variables from the administrative record of village data (PODES 2014) are included in each model as factors that affect these two types of expenditure. From the result, there are three variables that have significant effect on food expenditure, both in univariate and bivariate FH model. While, for non-food expenditure both model show different result on significant variables. Based on the results of the performance comparison, the best model is bivariate FH model since it has smaller Mean Square Prediction Error (MSPE), Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE) value than univariate FH models. In addition, the bivariate FH model produces shorter 95% credible interval of estimated values. These conditions indicate that jointly modeling can improve the accuracy of estimation. Bivariat FH also produces significant improvement in adjusted R^2 value. Finally, the mapping result shows the same pattern for two types of expenditure. The highest monthly average per capita expenditure is more localized in the southern subdistricts. While the lowest expenditure is more localized in the eastern and western subdistricts. The implication, for future work we need to incorporate spatial modeling to explore geographic pattern.

Item Type: Thesis (Masters)
Additional Information: RTSt 519.544 Pur s-1 2019
Uncontrolled Keywords: Pengeluaran per kapita per bulan, komoditi makanan dan non makanan, Small Area Estimation (SAE), model bivariat Fay-Herriot, Hierarchical Bayes (HB)
Subjects: H Social Sciences > HA Statistics > HA31.7 Estimation
Q Science > QA Mathematics > QA246.8 Gaussian
Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Divisions: Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Purwa Taly
Date Deposited: 05 Jul 2021 08:07
Last Modified: 05 Jul 2021 08:07
URI: https://repository.its.ac.id/id/eprint/60771

Actions (login required)

View Item View Item