Penerapan metode spatial empirical best linear unbiased prediction dengan Prosedur Restricted Maximum Likelihood dan Bootsrap untuk Estimasi Persentase Penduduk Miskin Tingkat Kecamatan di Kabupaten Wonosobo
Penerapan Metode Spatial Empirical Best Linear
Unbiased Prediction Dengan Prosedur Restricted
Maximum Likelihood Dan Bootstrap Untuk ...
-
Code CallNo Lokasi Ketersediaan 010030007646 519.5 Agu p/R.14.12.1 Perpustakaan Pusat Tersedia -
Perpustakaan Perpustakaan PusatJudul Seri -No. Panggil 519.5 Agu p/R.14.12.1Penerbit Magister Statistika Terapan : Bandung., 2017 Deskripsi Fisik xii,; 72 hlm,;29 cmBahasa IndonesiaISBN/ISSN -Klasifikasi 519.5 Agu pTipe Isi -Tipe Media -Tipe Pembawa -Edisi 2017Subyek Info Detil Spesifik TesisPernyataan Tanggungjawab Agustin Siti Aminah -
Penerapan Metode Spatial Empirical Best Linear
Unbiased Prediction Dengan Prosedur Restricted
Maximum Likelihood Dan Bootstrap Untuk Estimasi
Persentase Penduduk Miskin Tingkat Kecamatan Di
Kabupaten Wonosobo
2. Kata Kunci
1. Bootstrap
2. Poverty Mapping
3. REML
4. SAE
5. SEBLUP
3. Abstrak
Sampai saat ini sebagian besar data yang disajikan oleh Badan Pusat
Statistik (BPS) sebagai penyedia data statistik nasional masih terbatas pada
tingkat kabupaten/ kota. Ukuran sampel yang kurang mencukupi untuk level
wilayah lebih kecil membuat pengukuran indikator kemiskinan dengan estimasi
langsung menghasilkan standard error yang besar, sehingga analisis yang
didasarkan pada kondisi tersebut menjadi tidak dapat diandalkan. Untuk
mengatasi masalah ini diperlukan metode estimasi yang dapat memberikan tingkat
akurasi yang lebih baik dengan mengkombinasikan data survei dengan data
pendukung lain. Salah satu metode yang sering digunakan adalah Small Area
Estimation (SAE). Ada banyak metode yang digunakan dalam SAE, salah satunya
adalah Spatial Empirical Best Linear Unbiased Prediction (SEBLUP). Metode
SEBLUP dengan prosedur maximum likelihood belum mempertimbangkan
hilangnya derajat bebas akibat mengestimasi p, sehingga dikembangkan metode
Spatial EBLUP dengan prosedur restricted maximum likelihood (REML).
Dalam penelitian ini yang menjadi variabel respon adalah persentase
penduduk miskin (Po) yang diperoleh dari data Susenas Tahun 2015. Sedangkan
variabel penyerta (auxiliary variable) yang digunakan berasal dari hasil data
Potensi Desa 2014. Kabupaten Wonosobo sebagai kabupaten yang memiliki
persentase kemiskinan tertinggi di Provinsi Jawa Tengah digunakan sebagai
wilayah penelitian. Prosedur REML diterapkan dalam estimasi persentase
penduduk miskin di Kabupaten Wonosobo dan prosedur bootstrap digunakan
untuk menghitungMean Square Error yang selanjutnya digunakan untuk
menghitung RRMSE sebagai ukuran tingkat akurasi metode estimasi langsung
-
Tidak tersedia versi lain
-
Silakan login dahulu untuk melihat atau memberi komentar.