scholarly journals M-quantile Chambers-Dunstan Untuk Pendugaan Area Kecil

2021 ◽  
Vol 2021 (1) ◽  
pp. 80-89
Author(s):  
Aldi Rochman Nulkarim ◽  
Ika Yuni Wulansari
Keyword(s):  
Small Area ◽  
Random Effect ◽  
Best Linear Unbiased Prediction ◽  
Linear Unbiased Prediction ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Metode Small Area Estimations (SAE) digunakan sebagai pendekatan yang reliabel dalam mengatasi kendala ketidakcukupan sampel pada survei sampel. BPS memproduksi statistik area kecil menggunakan metode SAE popular seperti Empirical Best Linear Unbiased Prediction dalam model Fay-Herriot (EBLUP-FH). Metode EBLUP-FH sebagai pendekatan parametrik memerlukan asumsi normalitas dan terbebas dari outliers pada kedua komponen random effect-nya. Namun, hal tersebut sulit dipenuhi karena seringkali data di lapangan berperilaku ekstrim. Metode SAE M-quantile Chambers-Dunstan (CD) merelaksasi asumsi parametrik dan robust dalam inferensi terhadap outliers. Penelitian ini mengkaji metode M-quantile CD dalam meningkatkan robustness pendugaan area kecil melalui penerapannya pada data riil untuk estimasi rata-rata pengeluaran rumah tangga per kapita tingkat kecamatan di DI Yogyakarta tahun 2018. Penelitian ini menggunakan data Susenas 2018 dan Podes 2018. Hasil implementasi pada data riil menunjukkan model M-quantile CD berhasil memperbaiki presisi EBLUP-FH. Dengan mengimplementasikan M-quantile CD diharapkan estimasi data berperilaku ekstrim lebih akurat untuk pengambilan kebijakan di daerah.

PEMODELAN EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) DALAM PENDUGAAN AREA KECIL

2020 ◽  
Vol 2019 (1) ◽  
pp. 117-123
Author(s):  
M Irsyad Ilham
Keyword(s):  
Small Area ◽  
Best Linear Unbiased Prediction ◽  
Best Linear Unbiased Predictor ◽  
Linear Unbiased Prediction ◽  
Indirect Estimation ◽  
Direct Estimation ◽  
Small Area Statistics ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Kebutuhan terhadap data pada level mikro semakin tinggi. Di sisi lain, Badan Pusat Statistik (BPS) membutuhkan biaya yang cukup besar untuk pengumpulan data seiring dengan banyaknya kegiatan survei rutin yang dilakukan berulang kali. Hal ini menunjukkan BPS memerlukan metode estimasi yang akan menghasilkan statistik yang efektif dan efisien, di samping hemat dan menghasilkan statistik dengan ketelitian yang memadai. Penelitian ini akan menerapkan metode Small Area Statistics (SAE) atau estimasi wilayah kecil untuk keperluan estimasi rata-rata pengeluran per kapita menurut kelurahan/desa di kabupaten Sukamara. Metode estimasi level kelurahan/desa menggunakan model Empirical Best Linear Unbiased Predictor (EBLUP). Tahapan pertama yakni melakukan pendugaan langsung (direct estimation) nilai rata-rata pengeluaran per kapita pada desa yang terpilih menjadi sampel. Selanjutnya, dilakukan estimasi tidak langsung (indirect estimation) untuk mengestimasi pengeluaran per kapita seluruh desa di kabupaten Sukamara. Metode tidak langsung didasarkan pada pemodelan regresi linier dengan menggunakan variabel tambahan (auxiliary variabel) yang memiliki hubungan yang kuat dan linier terhadap variabel prediktor. Variabel tambahan yang digunakan dalam penelitian ini adalah jumlah keluarga non listrik, jumlah sarana pendidikan, jumlah sarana kesehatan, jumlah kasus gizi buruk, jumlah keluarga dengan Surat Keterangan Tidak Mampu (SKTM), dan jumlah keluarga yang memiliki jamkesmas/askes. Dari hasil pemodelan, secara umum pengeluaran per kapita per bulan dari setiap desa berada di atas satu juta rupiah. Penduduk desa-desa yang terletak di kecamatan Balai Riam dan Permata Kecubung terlihat banyak mengeluarkan sejumlah dana, untuk keperluan makanan maupun non-makanan. Hal ini diindikasikan karena desa-desa tersebut yang memiliki infrastruktur yang memadai ke Kota Pangkalan Bun.

scholarly journals Penerapan Empirical Best Linear Unbiased Prediction (EBLUP) pada Pendugaan Tingkat Pengangguran Terbuka Level Kecamatan di Provinsi Banten

2021 ◽  
Vol 2021 (1) ◽  
pp. 36-44
Author(s):  
Apriliansyah - ◽  
Ika Yuni Wulansari
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Best Linear Unbiased Prediction ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Pengangguran merupakan masalah yang kompleks baik disebabkan maupun memberikan dampak terhadap banyak faktor. Di Indonesia, indikator pengangguran diukur melalui tingkat pengangguran terbuka (TPT). Indikator ini dikumpulkan melalui Survei Angkatan Kerja Nasional (Sakernas). Banten merupakan provinsi dengan TPT tertinggi serta selalu masuk dalam lima besar TPT tertinggi di Indonesia sejak tahun 2016 hingga 2018. Sebagai upaya percepatan penurunan angka pengangguran, perlu adanya informasi sampai ke level terkecil. Namun, sampel yang digunakan oleh Sakernas tidak mencukupi untuk pendugaan TPT secara langsung. Tujuan dari penelitian ini adalah menghasilkan penduga tingkat pengangguran terbuka (TPT) level kecamatan dengan presisi yang lebih baik melalui Small Area Estimation (SAE). Metode SAE yang digunakan adalah Empirical Best Linear Unbiased Prediction (EBLUP). Data yang digunakan adalah indikator penyusun TPT dari Sakernas 2018 dan variabel penyerta yang berasal dari Podes 2018 Provinsi Banten. Hasil dari penelitian ini menunjukkan bahwa terdapat sepuluh variabel penyerta yang berkorelasi dengan TPT. Kemudian, nilai RRMSE menunjukkan bahwa EBLUP meningkatkan presisi pendugaan jika dibandingkan dengan penduga langsung. Terdapat dua kecamatan yang memiliki hasil TPT sangat tinggi yaitu kecamatan Curugbitung dan Koroncong. Hasil estimasi EBLUP pada TPT level kecamatan ini dapat digunakan oleh pemerintah daerah untuk menurunkan TPT secara lebih terfokus dan lebih tepat sasaran, utamanya pada kecamatan-kecamatan dengan TPT yang tinggi.

MC Simulation of SEBLUP with Spatial Linear Mixed Model for SAE

2014 ◽  
Vol 685 ◽  
pp. 618-622
Author(s):  
Yan Yu Liu ◽  
Ming Zhong Jin ◽  
De You Xie ◽  
Min Qing Gong
Keyword(s):  
Spatial Correlation ◽  
Small Area ◽  
Mixed Model ◽  
Linear Mixed Model ◽  
Likelihood Estimation ◽  
Best Linear Unbiased Prediction ◽  
Linear Unbiased Prediction ◽  
Mutual Independence ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

For small area estimation (SAE) Spatial Empirical Best Linear Unbiased Prediction, SEBLUP, is involved in linear mixed model with spatial correlation while Empirical Best Linear Unbiased Prediction, EBLUP, often with mutual independence. In this paper, we discussed maximum likelihood estimation (MLE) and compared the efficiency. Simulation shows that SEBLUP with spatial correlation data of spatial small area is more effective than EBLUP.

scholarly journals Small Area Estimation untuk Estimasi Angka Kematian Bayi di Indonesia menggunakan Metode Empirical Best Linear Unbiased Prediction

2021 ◽  
Vol 10 (2) ◽  
pp. 171
Author(s):  
Nadra Yudelsa Ratu ◽  
Easbi Ikhsan
Keyword(s):  
Sustainable Development ◽  
Small Area ◽  
Sustainable Development Goals ◽  
Small Area Estimation ◽  
Best Linear Unbiased Prediction ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Development Goals ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Angka Kematian Bayi (AKB) adalah jumlah kematian bayi usia di bawah satu tahun untuk setiap 1000 kelahiran bayi lahir hidup dalam kurun waktu satu tahun. IMR merupakan indikator penting dari status kesehatan dari masyarakat dalam suatu daerah. Hal ini sejalan dengan Sustainable Development Goals (SDG’s) yang ke tiga yaitu memastikan kehidupan yang sehat dan mendukung kesejahteraan bagi semua untuk semua usia. AKB dihasilkan melalui estimasi langsung dari Survei Demografi dan Kesehatan Indonesia (SDKI). Akan tetapi, dalam SDKI 2017, AKB hanya bisa menghasilkan indikator pada level nasional. Hal ini disebabkan estimasi langsung dari AKB di beberapa provinsi memiliki nilai Relatif Standard Error (RSE) yang besar dan ukuran sampel yang tidak mencukupi. Dalam jurnal ini, kami mempelajari Small Area Estimation (SAE) menggunakan metode Empirical Best Linear Unbiased Prediction (EBLUP) level area untuk mengatasi keterbatasan estimasi AKB di level provinsi. SAE dilakukan dengan meminjam kekuatan beberapa variabel dari data Potensi Desa (PODES) yang berkorelasi kuat dengan AKB tingkat provinsi di Indonesia. Hasil penelitian menunjukkan bahwa SAE menggunakan metode EBLUP memiliki nilai RSE yang lebih kecil dibandingkan estimasi langsung dari SDKI. Sehingga, dapat dikatakan bahwa SAE menggunakan metode EBLUP baik untuk memperkirakan AKB level provinsi di Indonesia pada tahun 2017.

Sign in / Sign up

Export Citation Format

Share Document