SISTEM TES BERBASIS KOMPUTER UNTUK SELEKSI MITRA BADAN PUSAT STATISTIK

Dengan misi menyediakan data statistik berkualitas, data yang disediakan oleh Badan Pusat Statistik harus mempunyai total survey error yang kecil. Total survey error mencakup sampling error dan nonsampling error, dengan nonsampling error yang berperan lebih besar. Dalam survei atau sensus yang dilaksanakan oleh BPS, nonsampling error ini sangat dipengaruhi oleh kualitas petugas lapangan yang direkrut oleh BPS dan biasa disebut dengan istilah “mitra statistik”. Untuk mendapatkan calon mitra statistik yang berkualitas baik perlu melalui proses uji penilaian atau uji kelayakan menjadi seorang calon mitra. Proses uji penilaian saat ini masih menggunakan sistem ujian Paper and Pencil Test (PPT). Tes dengan metode PPT ini memiliki beberapa permasalahan diantaranya dari sisi keamanan soal dan transparansi nilai peserta. Penelitian ini bertujuan untuk mengembangkan sebuah sistem tes berbasis komputer untuk mengatasi permasalahan pada sistem ujian saat ini. Metode pengembangan sistem menggunakan metode modified waterfall. Hasil dari penelitian adalah sebuah sistem tes berbasis komputer bernama SICATMiS yang dikembangkan dari OSS TCExam. Sistem memiliki 3 aktor dan 5 menu utama yang dapat berjalan di luar jaringan (online) maupun di dalam jaringan local. Sistem yang dikembangkan dievaluasi dengan dengan uji scenario, uji penerimaan pengguna, dan system usability scale. Hasil uji skenario menunjukkan dari 47 skenario yang dilakukan, semua fitur berhasil dijalankan dengan sempurna. Dari 14 pernyataan dalam uji penerimaan pengguna, 68% responden sangat setuju bahwa SICATMiS telah memenuhi kebutuhan pengguna. Evaluasi SUS menunjukan SICATMiS dapat diterima dengan sangat baik dan siap digunakan.

The Impact of Nonsampling Errors on Estimators of Catch from Electronic Reporting Systems

The National Marine Fisheries Service is the agency charged with estimating the number of fish removed from US oceans by recreational anglers. Two surveys produce data for these estimates; one measures number of angler trips and the other fish caught per trip by species, geography, and time period. Both surveys collect data from people and have the usual sources of nonsampling error afflicting demographic surveys. Due to lack of accessibility to fishing sites, they also have additional sources such as undercoverage. The rare incidence of saltwater fishing among the general population makes the current method costly and time-consuming. Consequently, new ways of obtaining information to supplement or replace the current method are of interest. One is the electronic logbook (ELB); this approach allows anglers to self-report their catch using cellphones or other communication devices. Estimation of catch from these data are possible with estimators using capture-recapture methods, but new sources of nonsampling error are rising. In this article, we examine three sources of nonsampling error in estimators of catch and approximate their biasing effect. We illustrate the method by comparing the effects using data from an ELB study in the Gulf of Mexico.