ANALISIS PENDUGAAN UKURAN KEMISKINAN MONETER PADA CONTOH BERUKURAN KECIL

Nurul Hidayati, Asep Saefuddin, Anang Kurnia

Abstract


Kemiskinan merupakan sebagian dari masalah pembangunan yang berkaitan dengan berbagai dimensi yang meliputi sosial, ekonomi, budaya, politik, regional dan waktu.Penelitian ini bertujuan untuk menilai ukuran sampel dari ukuran kemiskinan moneter yang digunakan oleh Badan Pusat Statistik Indonesia (BPS) dan juga untuk mencari solusi alternatif dalam mengestimasi ukuran kemiskinan moneter dalam contoh berukuran kecil. Metode yang digunakan dalam penelitian ini adalah estimasi langsung yang dilengkapi dengan simulasi yang bertujuan untuk mengevaluasi ukuran sampel dalam perhitungan estimasi pengukuran kemiskinan dan Bayes empiris sebagai solusi alternatif dalam mengestimasi ukuran kemiskinan moneter dengan ukuran sampel kecil. Hasil penelitian ini menunjukkan nilai estimasi memiliki varians kecil dan tidak bias jika ukuran sampel yang digunakanbesar, dan sebaliknya. Ini terbukti dalam perbandingan ukuran sampel, seperti yang ditunjukkan padaperilaku indeks bias Relative Bias (RB), Absolute Relative Bias, dan Relative Mean Square Error (RMSE). Dengan demikian, estimasi langsung dapat dikoreksi dengan estimasi Bayesian empiris dalam menangani masalah ukuran sampel yang kecil.


Keywords


indikator kemiskinan, pendugaan langsung, Bayes empiris, indeks perilaku

Full Text:

PDF

References


Abdillah, R. 2011. Pengelompokkan Kabupten/Kota Berdasarkan Ukuran Kemiskinan Moneter dan Nonmoneter di Jawa Tengah Tahun 2008. Skripsi tidak diterbitkan. Jakarata :Sekolah Tinggi Ilmu Statistik.

BPS. 2008. Analisis dan Penghitungan Tingkat Kemiskinan 2008. Jakarta : Badan Pusat Statistik.

Casella, G & Berger, RL. 2002. Statistical Inference. California : Duxbury.

Elbers, C., Lanjouw, J. O. and Lanjouw, P. 2003. Micro-level Estimation of Poverty and Inequality. Econometrica, Vol. 71 (1), pp: 355–364.

Foster J, Greer J and Thorbecke E. 1984. A Class of Decomposable Poverty Measures. Econometrica, Vol. 52 (3), pp: 761-766.

Haslett JS, Isidro CM, and Jones G. 2010. Comparison of Survey regression Techniques In The Context Of Small Area Estimation of Poverty, Vol. 36 (2), pp: 157-170.

Mafruhah I. 2009. Multidimensi Kemiskinan. Surakarta: LPP dan UNS Press.

Molina I, Rao, JNK. 2010. Small Area Estimation of Poverty Indicators. The Canadian Journal Statistics. Vol.38 (3), pp: 369-385.

Rao, JNK. 2003. Small Area Estimation. New York : John Willey & Sons.

Rozuli, AI. 2012. Menakar Program-Program Penanggulangan Kemiskinan dan Upaya Pembangunan Berkelanjutan. [online] Tersedia: http://www.infid.org/wp-content/uploads/2012/05/Poverty-Reduction-Imron-Rozuli-FISIB-UB-Malang.pdf. [08 Mei 2012].

Saei A, Chambers R. 2003. Small Area Estimation : A Review of Methods Based on The Application of Mixed Model. University of Southampton : S3RI Methodology Working Paper M30/16. [online] Tersedia: http://siteresources.worldbank.org/PGLP/Resources/200709gv-03-povertymeasurement.pdf.




DOI: https://doi.org/10.24853/fbc.5.1.37-54

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 FIBONACCI: Jurnal Pendidikan Matematika dan Matematika

Jurnal Fibonacci Indexed By:

  gs cro   one            

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Powered by Puskom-UMJ