DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2008
RINGKASAN
WAHYU DWI LAKSONO. Metode Pendugaan Area Kecil dengan Teknik Empirical Bayes pada
Pendugaan Proporsi Keluarga Miskin di Kota Bogor. Dibimbing oleh ANANG KURNIA dan
FARIT MOCHAMAD AFENDI.
Analisis terhadap data survei dalam menduga proporsi keluarga miskin dengan contoh
berukuran kecil seringkali menghasilkan dugaan dengan tingkat akurasi yang rendah. Masalah
tersebut dapat diatasi menggunakan pendugaan area kecil (Small Area Estimation, SAE) dengan
meningkatkan efektivitas ukuran contoh yang memanfaatkan informasi di luar area, dari dalam
area itu sendiri dan dari luar survei. Salah satu teknik yang dikembangkan dalam pendugaan
proporsi dengan SAE adalah teknik empirical Bayes (EB). Dalam menduga proporsi keluarga
miskin bentuk fungsi sebaran data diasumsikan menyebar beta-binomial, sehingga pendugaan
hiperparameter dari fungsi sebaran tersebut didekati dengan menggunakan metode momen atau
metode kemungkinan maksimum.
Pada penelitian ini, dugaan EB cukup baik dalam memperbaiki keragaman dari dugaan
langsung. Keragaman dugaan EB lebih kecil dibandingkan dengan dugaan langsungnya.
Keragaman yang terbentuk pada kriteria kemiskinan Bank Dunia menunjukkan kedua metode
pendugaan hiperparameter cukup baik. Metode kemungkinan maksimum memiliki keragaman
yang lebih kecil dibandingkan dengan metode momen pada kriteria kemiskinan BPS.
Kata kunci : pendugaan area kecil, empirical Bayes, beta-binomial, momen, kemungkinan
maksimum
METODE PENDUGAAN AREA KECIL DENGAN TEKNIK EMPIRICAL
BAYES PADA PENDUGAAN PROPORSI KELUARGA MISKIN
DI KOTA BOGOR
OLEH :
WAHYU DWI LAKSONO
G14103036
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh
Gelar Sarjana Sains
pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2008
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 07 Februari 1986 sebagai anak kedua dari dua
bersaudara, anak pasangan Kasmino Pamungkas dan Dwi Haryani.
Pada tahun 1997 penulis lulus dari SD Negeri 03 Mulya Asri, Tulang Bawang Tengah,
Lampung dan melanjutkan ke sekolah menengah pertama di SLTP Negeri 1 T.B. Tengah,
Lampung dan lulus tahun 2000. Penulis menyelesaikan studi di SMU Negeri 1 Tumijajar,
Lampung pada tahun 2003 dan pada tahun yang sama penulis diterima di Departemen Statistika,
Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor (IPB) melalui jalur
Undangan Seleksi Masuk IPB (USMI).
Pada tahun 2004, penulis pernah menjabat sebagai kepala departemen olahraga dan seni,
himpunan profesi Gamma Sigma Beta (GSB). Penulis mengikuti kegiatan praktik lapang di Balai
Penelitian Kacang-Kacangan Dan Umbi-Umbian (BALITKABI) Malang, pada bulan Februari
April 2007.
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala limpahan rahmat dan
karunia-Nya sehingga karya ilmiah ini dapat diselesaikan. Shalawat serta salam semoga selalu
tercurahkan kepada Nabi Muhammad SAW beserta keluarga, para sahabat dan umatnya hingga
akhir zaman. Karya ilmiah ini berjudul Metode pendugaan area kecil dengan teknik empirical
Bayes pada pendugaan proporsi keluarga miskin di Kota Bogor . Penelitian ini bertujuan untuk
mengkaji pendugaan area kecil pada data biner dengan metode empirical Bayes dengan
menggunakan metode momen dan maximum likelihood dalam menduga hiperparameter kemudian
menerapkannya pada pendugaan proporsi keluarga miskin di Kota Bogor.
Banyak ilmu, pelajaran dan masukan yang bermanfaat dirasakan oleh penulis selama
menyelesaikan karya ilmiah ini, sehingga pada kesempatan kali ini penulis ingin mengucapkan
terima kasih, kepada :
1. Bapak Anang Kurnia, M.Si dan Bapak Farit M. Afendi, M.Si selaku pembimbing I dan
pembimbing II yang telah meluangkan waktu, memberikan arahan dan saran yang sangat
bermanfaat bagi penulis serta perhatiannya kepada penulis.
2. Seluruh dosen dan Staf Departemen Statistika IPB.
3. Kepada Bapak & Ibu di Lampung, Papa & Mama di Depok serta istriku Wenny Indriyarti
Putri & anakku Daanya Putri Az-Zahra atas dukungan dan semangatnya.
4. Keluarga besar di Lampung dan di Depok .
5. Dauz, Dani A, Aang, Ipunk, Edo, Yudi, Bayu, Wondo, Rahayu dan semua teman-
temanku di STK 40.
6. Adik kelas STK 41, 42 atas bantuan saat seminar.
7. Serta semua pihak yang tidak tertuliskan satu per satu yang telah membantu penulis
dalam menyelesaikan karya ilmiah ini.
Penulis menyadari bahwa penulisan karya ilmiah ini masih jauh dari sempurna. Terlepas dari
segala kekurangan yang ada, semoga karya ilmiah ini dapat bermanfaat bagi pihak yang
membutuhkan.
Halaman
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang................................................................................................... 1
Tujuan .............................................................................................................. 1
TINJAUAN PUSTAKA
Pendugaan Area Kecil........................................................................................ 1
Metode ............................................................................................................. 4
KESIMPULAN
Kesimpulan ....................................................................................................... 6
LAMPIRAN ................................................................................................................... 9
DAFTAR LAMPIRAN
Halaman
1. Hasil Dugaan Langsung dan Dugaan Empirical Bayes Dengan Kriteria Bank Dunia
Serta Nilai RRMSE (%) ....................................................................................... 10
2. Hasil Dugaan Langsung dan Dugaan Empirical Bayes Dengan Kriteria BPS
Serta Nilai RRMSE (%) ........................................................................................ 11
Halaman
DAFTAR GAMBAR
Halaman
Gambar 2. Diagram Garis nilai RRMSE menurut Kriteria Bank Dunia ........................... 5
adalah :
iB = ( i | y i , , ) = ( i )
y + dengan menggunakan momen contoh
(n i + + )
m1 =
y i i
dan m2 =
y2
i i , maka
n i ni
yi
= + ......................(5)
ni + + ni + + i i
(ni m1 )(m2 n i m1 )
Parameter dan pada persamaan (4) = ..........................(13)
tidak diketahui sehingga harus diduga. mi (4m1 + ni ) ni m 2
Pendugaan parameter dan setidaknya
dapat dilakukan dengan dua teknik sederhana (Murphy, 2007)
Pendugaan Parameter Beta-Binomial dengan w merupakan jumlah iterasi.
dengan Metode Kemungkinan Maksimum (Lau , 2002)
Didefinisikan parameter p dan pada
p=
Metode Jackknife dalam Pengukuran
( )
dan = 1 , nilainya
+ + +1
Faktor Ketidakpastian
Pendekatan jackknife merupakan salah satu
diduga dengan metode maximum quasi metode yang sering digunakan dalam survei
likelihood menggunakan iterasi Newton- karena konsepnya yang sederhana dan dapat
Raphson . digunakan untuk mengoreksi bias. Metode ini
Didefinisikan = sehingga dugaan diperkenalkan oleh Tukey pada tahun 1958 dan
1+
berkembang sampai sekarang.
likelihoodnya menjadi : Menurut Jiang, Lahiri, & Wan (2002)
dalam Lohr & Rao (2003), didapatkan bentuk
( + )( yi + )(ni + yi )
L(P, ) = i C(ni , yi ) umum dari penduga jackknife MSE. Penduga
( )( )(ni + + ) jackknife MSE menggunakan bentuk
orthogonal decomposition,
y i 1
( p + r )
n i y i 1
(1 p + r ) ....(14) [ ]
MSE iEB = E [g 1i ( , , y i )] + E iEB iB ( )
= i C (n i , y i ) r =0 r =0
= M 1i + M 2 i ..............................(16)
r = 0 (1 + r )
n 1i
dl y i 1
r n i y i 1
r ni 1
r
dan nilai M2i diperoleh dari persamaan
= +
d i r =0 p + r i r =0 1 p + r i r = 0 1 + r berikut:
( iEB(i ) iEB )
m
m 1 ......................(18)
M 2i =
serta nilai turunan keduanya dapat m j =1
didefinisikan sebagai :
d 2l d 2l
(
dengan g1 , , y i untuk sebaran beta-)
binomial adalah sebagai berikut :
2 dpd
O = dp
d 2l d 2l
(
g1i , , yi = )
d dp d 2 (ni + + + 1)(ni + + )2 ...........(19)
ni (ni 1) ni ( )
dimana
y i 1 n i y i 1
ni + +
( + )( + + 1) + +
d 2l 1 1
dp 2
= ( p + r )
i r =0
2
+ (1
i r =0 p + r )
2 (Lohr & Rao, 2003)
yi 1 ni yi 1 ni 1
Penduduk Miskin
d 2l r 2 r2 r2
d 2
= ( p +r)2 (1 p+ r)2
+ (1+r)2 Kemiskinan diukur dengan menggunakan
konsep kemampuan memenuhi kebutuhan
i r =0 i r=0 i r=0
yi 1 ni yi 1 dasar (basic needs approach). Kemiskinan
d 2l r r
= + dipandang sebagai ketidakmampuan dari sisi
dpd i r = 0 ( p + r ) r = 0 (1 p + r )
2 2
i
ekonomi untuk memenuhi kebutuhan dasar
sehingga parameter p dan dapat diperoleh makanan dan bukan makanan yang diukur dari
dengan iterasi sebagai berikut : sisi pengeluaran. Sehingga dapat diukur Head
Count Index (HCI), yaitu persentase penduduk
p p
= + O w11S w1 ................(15) yang berada dibawah garis kemiskinan.
w w1
Metode yang digunakan adalah menghitung 2. Memberi kode biner untuk penduduk
garis kemiskinan (GK), yang terdiri atas dua miskin. Miskin diberi kode 1 dan lainnya
komponen yaitu garis kemiskinan makanan 0.
(GKM) dan garis kemiskinan bukan makanan 3. Menghitung dugaan langsung proporsi
(GKBM). Penghitungan garis kemiskinan keluarga miskin disetiap desa yang
dilakukan secara terpisah antara perkotaan dan tersurvei dengan metode direct estimation.
pedesaan . Penduduk miskin adalah penduduk 4. Menghitung Mean Square Error (MSE)
yang memiliki pengeluaran per kapita per dengan metode direct estimation.
bulan dibawah garis kemiskinan. Pengeluaran 5. Menghitung nilai dugaan dan dengan
perkapita menunjukkan besarnya pengeluaran menggunakan metode kemungkinan
setiap anggota rumah tangga dalam kurun maksimum dan metode momen.
waktu satu bulan. (BPS, 2003). Pengeluaran 6. Menghitung dugaan proporsi keluarga
perkapita dapat dirumuskan sebagai berikut : miskin dengan teknik empirical Bayes.
p 7. Menghitung Mean Square Error (MSE)
x= dengan metode jackknife.
q 8. Membandingkan hasil dugaan langsung
dimana ; dan dugaan empirical Bayes dengan
x = pengeluaran perkapita melihat nilai RRMSE (Relative Root Mean
p = pengeluaran rumah tangga sebulan Squared Error) yang diperoleh dengan
q = jumlah anggota rumah tangga perhitungan sebagai berikut :
RRMSE
dengan sebaran modelnya, tetapi MLE ini 100
80
cukup baik dalam menduga paramater dan hasil 60
yang diperoleh pun unik. Hasil pendugaan 40
0
Tabel 2. Langsung Momen_1 Likelihood_1
140
tersebut. Sedangkan dengan metode 120
kemungkinan maksimum nilai dugaan EB Desa
RRMSE
100
40
keluarga yang tinggal didesa tersebut. 20
Perbandingan nilai proporsi dugaan langsung 0
RRMSE
40
asumsi bahwa setiap desa memiliki
karakteristik yang sama. Beberapa nilai dugaan 35
sebesar 0.4145. Nilai tersebut berarti ada Gambar 4. Diagram Garis RRMSE menurut
sekitar 415 keluarga miskin dari seribu Kriteria BPS
keluarga yang tinggal didesa tersebut.
Sedangkan nilai dugaan EB dengan metode Berdasarkan Gambar 4. jika dibandingkan
kemungkinan maksimum pada Desa antar metode pada dugaan EB menunjukkan
Pamoyanan yaitu sebesar 0.4125. Nilai tersebut bahwa nilai RRMSE dari metode momen
berarti ada sekitar 413 keluarga miskin dari cenderung lebih kecil dari nilai dugaan dengan
seribu keluarga yang tinggal didesa tersebut. metode kemungkinan maksimum. Hal ini
Nilai RRMSE merupakan persentase dari menunjukkan bahwa metode momen lebih
perbandingan relatif antara galat dugaan robust terhadap bentuk sebaran modelnya.
dengan nilai dugaan itu sendiri. Nilai RRMSE Akan tetapi nilai RRMSE metode momen
dapat diartikan, jika nilai RRMSEnya kurang memiliki keragaman yang relatif lebih besar.
dari atau sama dengan 50% maka Berdasarkan hal tersebut dalam penelitian ini
mengindikasikan bahwa hasil dugaannya cukup dugaan EB dengan kedua metode tersebut
baik. Evaluasi pendugaan berdasarkan nilai cenderung cukup baik dalam menduga proporsi
RRMSE menunjukkan bahwa nilai RRMSE kemiskinan di Kota Bogor.
dari dugaan EB lebih homogen dari nilai Pada dugaan EB yang proporsi dugaan
RRMSE dugaan langsung. Hal ini berarti langsungnya bernilai nol , nilai RRMSE yang
dugaan EB sudah cukup baik dalam dihasilkan sangat besar. Bahkan hanya terdapat
memperbaiki keragaman dari dugaan langsung empat desa yang memiliki nilai RRMSE
sehingga dugaan EB lebih stabil. Pada dugaan kurang dari 200%. Hal ini berarti bahwa nilai
EB dengan metode kemungkinan maksimum dugaan EB tersebut tidak cukup baik untuk
ada 19 nilai RRMSE yang lebih kecil dari 50%. digunakan, sehingga diperlukan kajian lebih
Hal ini berarti dugaan EB dengan metode lanjut dalam pendugaan area kecil untuk area
tersebut cukup baik dalam pendugaan proporsi yang tidak memiliki contoh. Berdasarkan hal
keluarga miskin. tersebut nilai RRMSE dugaan langsung tidak
ditampilkan di dalam diagram. Perbandingan
Boxplot RRMS E Menurut Kriteria BPS
55
hasil proporsi dugaan langsung dan dugaan EB
serta nilai RRMSE dapat dilihat pada Lampiran
50
2.
45
RRMSE
40
KESIMPULAN
35
Empirical Bayes
Kemungkinan
Dugaan Langsung Momen maksimum
Nama Desa i RRMSE i RRMSE i RRMSE
Pamoyanan 1.0000 0.0000 0.9741 8.4402 0.9970 8.4402
Genteng 0.9375 52.4797 0.9133 8.4476 0.9350 8.4476
Harjasari 1.0000 0.0000 0.9741 8.4402 0.9970 8.4402
Cipaku 0.8750 65.7236 0.8525 8.4586 0.8730 8.4586
Batutulis 0.3750 185.5438 0.3660 9.2288 0.3768 9.2288
Empang 0.2500 263.2148 0.2444 10.6039 0.2528 10.6039
Cikaret 0.4375 160.9893 0.4268 8.9444 0.4388 8.9444
Sindangrasa 0.1875 333.1999 0.1836 12.4055 0.1908 12.4055
Katulampa 1.0000 0.0000 0.9741 8.4402 0.9970 8.4402
Baranangsiang 0.6250 111.3263 0.6093 8.5824 0.6249 8.5824
Sukasari 0.7500 87.7383 0.7309 8.4983 0.7489 8.4983
Bantarjati 0.6250 111.3263 0.6093 8.5824 0.6249 8.5824
Tegalgundil 0.5000 141.4214 0.4876 8.7691 0.5009 8.7691
Tanahbaru 0.2500 263.2148 0.2444 10.6039 0.2528 10.6039
Cimahpar 0.6875 99.0280 0.6701 8.5324 0.6869 8.5324
Cibuluh 0.3125 217.8616 0.3052 9.7143 0.3148 9.7143
Kedunghalang 0.4000 174.9818 0.3916 6.9188 0.4017 6.9188
Ciparigi 0.6875 99.0280 0.6701 8.5324 0.6869 8.5324
Babakanpasar 0.6250 111.3263 0.6093 8.5824 0.6249 8.5824
Tegallega 0.5625 125.2139 0.5484 8.6566 0.5629 8.6566
Pabaton 0.0625 787.1959 0.0620 31.3057 0.0667 31.3057
Kebonkelapa 0.0625 787.1959 0.0620 31.3057 0.0667 31.3057
Pasirmulya 0.3750 185.5438 0.3660 9.2288 0.3768 9.2288
Pasirjaya 0.6250 111.3263 0.6093 8.5824 0.6249 8.5824
Gunungbatu 0.1875 333.1999 0.1836 12.4055 0.1908 12.4055
Menteng 0.3750 185.5438 0.3660 9.2288 0.3768 9.2288
Cilendek Barat 0.0625 787.1959 0.0620 31.3057 0.0667 31.3057
Sindangbarang 0.1875 333.1999 0.1836 12.4055 0.1908 12.4055
Situgede 0.5000 141.4214 0.4876 8.7691 0.5009 8.7691
Semplak 0.2500 263.2148 0.2444 10.6039 0.2528 10.6039
Kedungwaringin 0.8125 76.8923 0.7917 8.4748 0.8109 8.4748
Kedungjaya 0.4375 160.9893 0.4268 8.9444 0.4388 8.9444
Kebonpedes 0.6250 111.3263 0.6093 8.5824 0.6249 8.5824
Kedungbadak 0.2813 238.4103 0.2679 28.4069 0.2825 28.4069
Cibadak 0.5000 141.4214 0.4876 8.7691 0.5009 8.7691
Kayumanis 0.5000 141.4214 0.4876 8.7691 0.5009 8.7691
Kencana 0.8125 76.8923 0.7917 8.4748 0.8109 8.4748
Lampiran 2. Hasil Dugaan Langsung Dan Dugaan Empirical Bayes Dengan Kriteria BPS
Serta Nilai RRMSE (%)
Empirical Bayes
Kemungkinan
Dugaan langsung Momen maksimum
Nama Desa i RRMSE i RRMSE i RRMSE
Pamoyanan 0.4375 160.9893 0.4145 24.9765 0.4125 28.3330
Katulampa 0.3125 217.8616 0.2965 24.9961 0.2952 28.3917
Harjasari 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Genteng 0.3750 185.5438 0.3555 24.9532 0.3538 28.3165
Kencana 0.1875 333.1999 0.1786 26.0160 0.1779 29.7898
Cipaku 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Sukasari 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Cimahpar 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Ciparigi 0.5000 141.4214 0.4735 25.0234 0.4711 28.3841
Babakanpasar 0.2500 263.2148 0.2376 25.2231 0.2365 28.7160
Kedungwaringin 0.1875 333.1999 0.1786 26.0160 0.1779 29.7898
Tegallega 0.2500 263.2148 0.2376 25.2231 0.2365 28.7160
Pasirjaya 0.1250 460.0653 0.1196 28.9462 0.1193 33.6231
Kebonpedes 0.0625 787.1959 0.0606 43.9716 0.0606 52.4728
Baranangsiang 0.3125 217.8616 0.2965 24.9961 0.2952 28.3917
Bantarjati 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Tegalgundil 0.1333 437.2794 0.1277 26.8959 0.1267 33.7571
Kayumanis 0.3750 185.5438 0.3555 24.9532 0.3538 28.3165
Situgede 0.2500 263.2148 0.2376 25.2231 0.2365 28.7160
Batutulis 0.1250 460.0653 0.1196 28.9462 0.1193 33.6231
Cikaret 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Menteng 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Kedungjaya 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Kedunghalang 0.0625 787.1959 0.0606 43.9716 0.0606 52.4728
Cibadak 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Cibuluh 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Pasirmulya 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Kedungbadak 0.1250 460.0653 0.1196 28.9462 0.1193 33.6231
Empang 0.0625 787.1959 0.0606 43.9716 0.0606 52.4728
Sindangrasa 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Tanahbaru 0.0000 NA 0.0016 1605.8912 0.0020 1610.5174
Sindangbarang 0.1250 460.0653 0.1196 28.9462 0.1193 33.6231
Gunungbatu 0.0625 787.1959 0.0606 43.9716 0.0606 52.4728
Semplak 0.0938 575.8821 0.0885 45.8835 0.0918 35.8922
Pabaton 0.0625 787.1959 0.0606 43.9716 0.0606 52.4728
Kebonkelapa 0.1875 333.1999 0.1786 26.0160 0.1779 29.7898
Cilendek Barat 0.3125 217.8616 0.2965 24.9961 0.2952 28.3917
Lampiran 3. Nilai Dugaan Parameter Dan Menggunakan Metode Momen