scholarly journals Estimating the Poverty level in the Coastal Areas of Mukomuko District Using Small Area Estimation: Empirical Best Linear Unbiased Prediction Method

2020 ◽  
Author(s):  
Etis Sunandi ◽  
Dian Agustina ◽  
Herlin Fransiska
Keyword(s):  
Small Area ◽  
Small Area Estimation ◽  
Prediction Method ◽  
Best Linear Unbiased Prediction ◽  
Coastal Areas ◽  
Poverty Level ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

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.

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.

scholarly journals EVALUASI PENDUGAAN ANGKA PARTISIPASI KASAR PERGURUAN TINGGI TAHUN 2018 DENGAN SMALL AREA ESTIOMATION BENCHMARKING

2020 ◽  
Vol 2019 (1) ◽  
pp. 67-73
Author(s):  
Robert Kurniawan ◽  
Dini Arifatin ◽  
Amalia Noviani ◽  
Fadhlullah Fadhlullah
Keyword(s):  
Sustainable Development ◽  
Small Area ◽  
Small Area Estimation ◽  
Best Linear Unbiased Prediction ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Selama ini, Angka Partisipasi Kasar Perguruan Tinggi (APKPT) yang merupakan salah satu target dari Sustainable Development Goal’s (SDG’s) disajikan oleh Badan Pusat Statistik (BPS) masih angka setiap Provinsi, dan untuk mendapatkan angka per kabupaten/kota sangat sulit. Hal ini terkendala jumlah sampel yang kurang memadai untuk dilakukan estimasi per kabupaten/kota. Sehingga untuk megestimasi sampai level area kecil dibutuhkan metode Small Area Estimation (SAE). Tetapi SAE pada area kecil dengan menggunakan metode Empirical Best Linear Unbiased Prediction (EBLUP) belum mampu mengatasi masalah agregasi area yang lebih besar, sehingga menyebabkan estimasi pada area kecil yang dihasilkan tidak konsisten dengan hasil estimasi langsungnya. Untuk mengatasi hal tersebut, maka digunakan metode EBLUP Benchmark untuk mendapatkan agregasi estimasi area kecil yang konsisten dengan estimasi langsung yang sudah ada. Misalnya hasil dari estimasi angka kabupaten/kota, jika di agregasikan, maka hasilnya sama dengan angka provinsi yang sudah di publikasikan terlebih dahulu. Sehingga pada penelitian ini bertujuan untuk mengevaluasi metode SAE Benchmark yang diaplikasikan untuk penghitungan estimasi APKPT di 6 provinsi Pulau Jawa. Hasilnya terlihat bahwa untuk provinsi yang jumlah kabupaten/kotanya banyak, seperti Jawa Barat, Jawa Tengah, dan Jawa Timur cenderung lebih bagus hasil estimasinya jika di hitung dengan SAE EBLUP Benchmark dibandingkan dengan SAE EBLUP. Cara menghitung ternyata juga berpengaruh dalam mendapatkan hasil estimasi. Berdasarkan caranya, dengan menghitung secara mandiri per Provinsi lebih bagus hasilnya dibandingkan dengan penghitungan berkelompok dan Nasional.

scholarly journals Pendugaan Kemiskinan Menggunakan Small area Estimation dengan Pendekatan Emperical Best Linear Unbiased Prediction (EBLUP)

2020 ◽  
Vol 8 (2) ◽  
pp. 159
Author(s):  
Dini Gartina ◽  
Laelatul Khikmah
Keyword(s):  
Mean Square Error ◽  
Small Area ◽  
Small Area Estimation ◽  
Best Linear Unbiased Prediction ◽  
Mean Square ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Best Linear Unbiased ◽  
Unbiased Prediction

Kemiskinan merupakan permasalahan yang berkaitan dengan berbagai aspek kehidupan manusia. Selama ini kemiskinan diduga menggunakan data Susenas yang diukur melalui pendekatan pengeluaran perkapita. Faktanya, objek yang disurvei pada Susenas ini hanyalah rumah tangga yang melakukan kegiatan ekonomi, sehingga memungkinkan jumlah sampel tidak mewakili karakteristik dari keseluruhan populasi. Jika data tersebut digunakan untuk menduga kemiskinan akan menghasilkan pendugaan yang bias dan varians yang besar karena jumlah sampel kecil kurang representatif untuk mewakili data. Upaya yang dapat dilakukan untuk menduga pada area kecil dengan menambah sampel, namun hal ini membutuhkan biaya yang banyak sehingga untuk mengatasi masalah tersebut yaitu dengan mengoptimalkan data yang tersedia dengan menggunakan small area estimation (SAE). Salah satu pendekatan yang dapat digunakan pada pendugaan area kecil yaitu dengan menggunakan pendekatan Emperical Best Linear Unbiased Prediction (EBLUP). Pada penelitian ini keakuratan dari penduga EBLUP dapat dievaluasi dengan Mean Square Error (MSE). Hasil penelitiannya penduga Emperical Best Linear Unbiased Prediction (EBLUP) lebih baik dibandingkan dengan pendugaan langsung. MSE penduga langsung lebih besar daripada MSE penduga tidak langsung. Nilai rata-rata MSE penduga langsung sebesar 0.005729 dan rata-rata MSE penduga EBLUP sebesar 0.002873.

scholarly journals Small Area Estimation on Zero-Inflated Data Using Frequentist and Bayesian Approach

2020 ◽  
Vol 18 (1) ◽  
pp. 2-22
Author(s):  
Kusman Sadik ◽  
Rahma Anisa ◽  
Euis Aqmaliyah
Keyword(s):  
Bayesian Approach ◽  
Small Area ◽  
Mixed Model ◽  
Linear Mixed Model ◽  
Small Area Estimation ◽  
Prediction Method ◽  
Linear Unbiased Prediction ◽  
Area Estimation ◽  
Best Linear Unbiased ◽  
Sr Method

The most commonly used method of small area estimation (SAE) is the empirical best linear unbiased prediction method based on a linear mixed model. However, it is not appropriate in the case of the zero-inflated target variable with a mixture of zeros and continuously distributed positive values. Therefore, various model-based SAE methods for zero-inflated data are developed, such as the Frequentist approach and the Bayesian approach. Both approaches are compared with the survey regression (SR) method which ignores the presence of zero-inflation in the data. The results show that the two SAE approaches for zero-inflated data are capable to yield more accurate area mean estimates than the SR method.

Sign in / Sign up

Export Citation Format

Share Document