Pemodelan Kemiskinan di Provinsi Bengkulu Menggunakan Small Area Estimation dengan Pendekatan Semiparametrik Penalized Spline

I Sriliana, E Sunandi, U Rafflesia

Abstract


Penelitian ini bertujuan untuk memodelkan tingkat kemiskinan di Provinsi Bengkulu. Metode yang digunakan dalam penelitian ini adalah small area estimation (SAE) dengan pendekatan semiparametrik penalized spline (P-Spline). SAE merupakan metode statistika yang sering digunakan untuk mendapatkan suatu informasi yang akurat tentang kemiskinan. Ketika asumsi linieritas pada model dasar SAE tidak terpenuhi, maka dilakukan pendekatan nonparametrik sebagai alternatif pilihan. Salah satunya adalah pendekatan semiparametrik penalized spline. Metode SAE dengan pendekatan semiparametrik mempunyai model yang lebih fleksibel karena mengakomodasi hubungan antara respon dengan prediktor yang bersifat linier dan nonlinier. Pada penelitian ini, dilakukan pemodelan kemiskinan di Provinsi Bengkulu berdasarkan rata-rata pengeluaran per kapita melalui pendugaan parameter model SAE menggunakan semiparametrik P-Spline sehingga diperoleh suatu persamaan regresi efek campuran sebagai model kemiskinan. Berdasarkan hasil analisis diperoleh model kemiskinan di Provinsi Bengkulu yaitu model P-Spline linier dengan 1 knot. Model ini mempunyai nilai GCV sebesar 148928361265,95, nilai AIC sebesar 13883,46, dan BIC sebesar 13904,38.

This study aims to model the level of poverty in Bengkulu Province. The method used in this research is small area estimation (SAE) with semiparametric penalized spline (P-Spline) approach. SAE is a statistical method that is often used to obtain an accurate information about poverty. When the linearity assumptions on the basic SAE model are not met, a nonparametric approach is used as an alternative choice. One is the semiparametric approach of the penalized spline. The SAE method with semiparametric approach has a more flexible model because it accommodates the relationship between response with linear and nonlinear predictors. In this study, poverty modeling in Bengkulu Province was based on average per capita expenditure through the estimation of SAE model parameters using semiparametric P-Spline to obtain a mixed effect regression equation as a model of poverty. Based on the analysis result obtained poverty model in Bengkulu Province is model of P-Spline linear with 1 knot. This model has a GCV value of 148928361265,95, AIC value of 13883.46, and BIC of 13904.38.


Keywords


Poverty, Semiparametric Penalized Spline, Small Area Estimation

Full Text:

PDF

References


Apriani F. 2017. Pemodelan Pengeluaran Per Kapita Menggunakan Small Area Estimation dengan Pendekatan Semiparametrik Penalized Spline. (Thesis). Institut Teknologi Sepuluh Nopember. Surabaya. [http://repository.its.ac.id/3155/1/1315201026-Master_Theses.pdf]

Badan Pusat Statistika (BPS) Provinsi Bengkulu. 2017. Berita Resmi Statistik -Tingkat Kemiskinan di Provinsi Bengkulu Maret 2017. No. 42/07/17/XI, 17 Juli 2017.

Badan Pusat Statistika (BPS). 2012. Data Strategis BPS. Katalog BPS 1103003: No. 03220.1202. ISSN, 2087-2011.

Baskara ZW. 2014. Pendugaan Area Kecil Menggunakan Pendekatan Penalized Spline. (Thesis). Institut Teknologi Sepuluh Nopember. Surabaya. [http://digilib.its.ac.id/ITS-paper-13121140006367/34319]

Iriyanto S & Darsyah MY. 2014. Analysis of Poverty in Indonesia with Small Area Estimation: case in Demak District. South East Asia Journal of Contemporary Business, Economics and Law 5(3): 1823. [http://seajbel.com/previous-issues/december-2014/vol-5-issue-3-june-2014-economic/]

Eubank RL. 1998. Spline Smoothing and Nonparametric Regression. New York: Marcel Decker.

Giusti C, Marchetti S, Pratesi M & Salvati N. 2012. Semiparametric Fay-Herriot Model using Penalized Spline. JOURNAL OF THE INDIAN SOCIETY OF AGRICULTURAL STATISTICS (JISAS) 66(1): 1-14. [www.isas.org.in/jisas]

Opsomer DJ, Claeskens G, Ranalli MG, Kauermann G & Breidt FJ. 2008. Non-Parametric Small Area Estimation using Penalized Spline Regression. Journal of the Royal Statistical Society: Series B (Statistical Methodology) 70(1): 265286. DOI: 10.1111/j.1467-9868.2007.00635.x

Prasad NGN & Rao JNK. 1990. The Estimation of The Mean Squared Error of The Small Area Estimators. Journal of American Statistical Association 85(409): 163-171. DOI: 10.1080/01621459.1990.10475320

Rao JNK. 2003. Small Area Estimation. London: Wiley.

Salvati N, Chandra H, Ranalli MG & Chambers R. 2008. Small Area Estimation Using a Nonparametric Model Based Direct Estimator. Wollongong NSW: Centre for Statistical & Survey Methodology, University of Wollongong.

Sriliana I, Agustina D & Sunandi E. 2016. Pemetaan Kemiskinan di Kabupaten Mukomuko Menggunakan Small Area Estimation dengan Pendekatan Regresi Penalized Spline. Jurnal Matematika Integratif 12(2): 125-133. DOI:10.24198/jmi.v12.n2.11929.125-133


Refbacks

  • There are currently no refbacks.