PENDUGAAN AREA KECIL KOMPONEN INDEKS PENDIDIKAN DALAM IPM DI KABUPATEN INDRAMAYU DENGAN METODE HIERARCHICAL BAYES BERBASIS SPASIAL
Era otonomi daerah seperti saat ini mendorong pemerintah daerah untuk memiliki
informasi hingga pada area kecil. Salah satu indikator pokok bagi pemerintah
daerah adalah Indeks Pembangunan Manusia (IPM). IPM dihitung oleh BPS
setiap tahunnya hingga tingkat kabupatenlkota. Penghitungan IPM hingga tingkat
kecamatan tidak bisa dilakukan secara langsung oleh BPS karena kurangnya
sampel. Salah satu cara untuk menaksir IPM pada domain kecil adalah melalui
pendugaan tidak langsung dengan pendekatan Pendugaan Area Kecil (Small Area
Estimation/SAE). Salah satu model SAE yang dapat digunakan adalah model
Hierarchical Bayes (HB). Model HB memiliki kelebihan dibandingkan dengan
model SAE lainnya, diantaranya adalah dihasilkannya MSE yang lebih rendah,
varians posterior terkecil, dan dapat menangani variabel respon yang bersifat
diskr.et seperti Angka Melek Huruf.
Model-model dalam pendugaan area kecil mengasumsikan bahwa pengaruh acak
gal at area saling bebas. Namun dalam beberapa kasus, asumsi ini sering
dilanggar. Pelanggaran asumsi ini disebabkan oleh keragaman suatu area
dipengaruhi area sekitamya, sehingga efek spasial dapat dimasukkan ke dalam
pengaruh acak. .
Penelitian ini bertujuan untuk menaksir Indeks Pendidikan (terdiri dari Angka
Melek Huruf [AMH] dan Rata-Rata Lama Sekolah [RLS]) sebagai salah satu
komponen IPM melalui pendekatan Hierarchical Bayes Small Area Estimation
(HB SAE) tingkat kecamatan di Kabupaten Indramayu Tahun 2011. Model HB
Logit Normal (HBLN) digunakan untuk menduga AMH dan model HB Normal
(HBN) digunakan untuk menduga RLS.
Hasil simulasi menunjukkan bahwa model HB berbasis spasial lebih baik
dibandingkan dengan model HB non spasial. Spasial HBLN lebih baik dalam
melakukan pendugaan terhadap parameter regresi (Pi) dibandingkan HBLN non
spasial. Sedangkan spasial HBN lebih baik dalam pendugaan parameter populasi
(lLi) dan parameter regresi (Pi) dibandingkan HBN non spasial.
No copy data
No other version available