Pelatihan Susenas Lipi

Pelatihan dan Pengolahan

Data Survei Sosial Ekonomi

Nasional (SUSENAS)

Oleh;

SURVEI SOSIAL EKONOMI

NASIONAL (SUSENAS)

Pengertian SUSENAS

•

Survei yang dirancang untuk mengumpulkan

data sosial kependudukan yang relatif luas

(BPS, 2001).

•

Sejak tahun 1992, diperuntukkan untuk

memonitor gambaran kesejahteraan

penduduk

•

SUSENAS merepresentasikan kondisi sosial

Pengertian SUSENAS

BPS menggunakan SUSENAS untuk menghitung beberapa indikator berikut:

1.

Persentase persalinan ditolong tenaga kesehatan (dokter, bidan dan tenaga medis)

2.

Rasio elektrifikasi

3.

Rata-Rata lama (bulan) anak 2-4 tahun mendapat ASI

4.

Persentase penduduk yang berobat jalan sebulan yang lalu

5.

Persentase Pengeluaran Rata-rata per Kapita Sebulan

6.

Persentase Rumah Tangga menurut Provinsi, Tipe Daerah dan Status Kepemilikan Rumah, dll

Pembagian data SUSENAS

Data mentah (Raw Data) SUSENAS terbagi

menjadi beberapa bagian:

1.

SUSENAS Inti (core)

–

Mencakup pertanyaan-pertanyaan tentang keadaan dan perilaku masyarakat yang erat dengan aspek kesejahteraan, pendidikan,

kesehatan, perkawinan, kegiatan ekonomi ART, dan kondisi perumahan.

Pembagian data SUSENAS

Data mentah (Raw Data) SUSENAS terbagi

menjadi beberapa bagian:

1.

SUSENAS Inti (core)

–

SUSENAS Inti (core), menurut tingkat

observasinya, dapat dibagi lagi menjadi dua:

•SUSENAS Kor Individu

–Data mengenai: Pendidikan, Umur, Jenis Kelamin, Perkawinan, Kegiatan Ekonomi, Kesehatan, dll

•SUSENAS Kor Rumah Tangga

–Data mengenai: Kondisi Perumahan dan Lingkungan Hidup, Pengeluaran Rumah Tangga

Pembagian data SUSENAS

Data mentah (Raw Data) SUSENAS terbagi

menjadi beberapa bagian:

2.

SUSENAS Modul

–Mencakup pertanyaan yang lebih rinci dari SUSENAS Kor

–Terdapat tiga modul yang dikumpulkan secara bergiliran dalam waktu tiga (3) tahun:

•Modul Konsumsi dan Pendapatan Rumah Tangga  tahun pertama

Pembagian data SUSENAS

Data mentah (Raw Data) SUSENAS terbagi

menjadi beberapa bagian:

2.

SUSENAS Modul

–

Digunakan untuk memonitoring kondisi sosial

ekonomi yang tidak harus dimonitor tiap tahunnya.

–

informasi kesehatan dan gizi tidak lagi dikumpulkan melalui SUSENAS sejak tahun 2007. Pendataan

kesehatan dan gizi selanjutnya dikumpulkan oleh Kementrian Kesehatan melalui Riset Kesehatan Dasar (RISKESDAS) yang mengadopsi

pertanyaan-Pembagian data SUSENAS

Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:

3.

SUSENAS Panel

–SUSENAS dapat digunakan untuk melakukan analisis longitudinal (cross section sama yang diobservasi pada tahun berbeda.

–SUSENAS longitudinal sering disebut SUSENAS Panel.

–Pengumpulan data SUSENAS Panel diusahakan dari rumah tangga yang sama, namun jika rumah tangga yang disurvei pada tahun sebelumnya tidak dapat ditemui, rumah tangga ini diganti dengan rumah tangga baru yang berada dalam satu (1) Nomor Blok Sensus (NBS)

Perbedaan SUSENAS RT

dan Individu

SUSENAS Individu

Tingkat pendidikan

Keterangan pekerjaan

Jenis kelamin Usia

SUSENAS Rumah Tangga (RT)

Status kepemilikan bangunan rumah

Bahan bakar memasak

Sumber air minum Pengeluaran rumah tangga

Sumber penerangan Jenis atap

SUSENAS Individu dan Rumah

Tangga

Observasi Variabel Status kepemilika n rumah Sumber Peneranga n

Keluarga Bapak Budi Sendiri Listrik PLN Keluarga Bapak Ali Sendiri Obor

Keluarga Mbah Djoyo Sewa Listrik Non _PLN

Keluarga Cak Ndoro Sendiri Listrik PLN

Observasi Variabel Jenis Kelamin Umur Pendidika n

Bapak Budi Laki-laki 47 Sarjana Ibu Budi Perempuan 40 Sarjana Kakak Budi Perempuan 28 Sarjana Budi Laki-laki 23 SMA Adek Budi Perempuan 18 SMA

Membaca kuesioner

SUSENAS

Membaca kuesioner SUSENAS



_{Kuesioner SUSENAS terbagi menjadi 2:}



_{Kuesioner untuk informasi Kor (individu dan}

rumah tangga)



_{Kuesioner untuk informasi Panel}



_{Membaca kuesioner Kor}



_{Buka file kuesioner SUSENAS Kor yang berformat}

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca data SUSENAS

(STATA)



_{Kuesioner: susenas 2013 mar_K (id)}



_{Terbagi menjadi beberapa bagian yang disebut}

Blok

 _{Blok 1 : Keterangan tempat}

 _{Blok 4 : Keterangan Anggota Rumah Tangga}

 Blok 5 : Keterangan perorangan tentang kesehatan, pendidikan, ketenagakerjaan, serta fertilitas dan KB

 _{Blok 6 : keterangan perumahan}  _{Blok 7 : perlindungan sosial}

Membaca data SUSENAS

(STATA)



_{Kuesioner: susenas 2013 mar_K (id)}



_{Pengelompokan variable di dalam blok akan}

mempengaruhi penamaan variable itu di raw data (kecuali di roster)

 Provinsi : b1r1

 Partisipasi sekolah : b5r14

 _{Sakit panas (1bln) : b5r1a}  _{Jenis atap terluas : b6r5}  dst

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS

Membaca kuesioner SUSENAS



_{Kuesioner: susenas 2013 mar_M (id)}



_{Terdiri dari:}

 Blok 41 : Pengeluaran Makanan, minuman dan tembakau

Terdiri dari 229 jenis pengeluaran

 _{Blok 42 : Pengeluaran untuk barang-barang bukan}

makanan

Terdiri dari 343 jenis pengeluaran

Memeriksa data berdasarkan

Kuesioner

Memeriksa data berdasarkan

Kuesioner



_{Buka data Susenas Kor Individu dengan nama}

Memeriksa data berdasarkan

Kuesioner



_{Buka data Susenas Kor Individu dengan nama}

“susenas13mar_ki”



_{Periksa isi data susenas tersebut dengan}

mengetikkan perintah “browse” di command windows

Memeriksa data berdasarkan

Kuesioner



_{Selain dapat menggunakan perintah “browse”}

untuk mendeskripsikan data, kita juga dapat menggunakan beberapa perintah lain

 Tabulate

 _Describe  _Summarize



_{Mari kita coba mendeskripsikan salah satu data,}

Memeriksa data berdasarkan

Kuesioner



_{Mari kita coba mendeskripsikan salah satu data,}

“Jk”  Jenis kelamin

 _{tabulate jk}

Memeriksa data berdasarkan

Kuesioner



_{Perintah tabulate juga dapat digunakan untuk cross}

tabulation.

Menggunakan data SUSENAS

Kita akan berlatih dengan menghitung salah

satu indikator pembangunan



Rasio

Elektrifikasi

Beberapa hal yang perlu diperhatikan:

1.

Jenis SUSENAS yang dibutuhkan



SUSENAS

RT

2.

Variabel di SUSENAS apa yang akan dipakai

Rasio Elektrifikasi

Beberapa hal yang perlu diperhatikan:

2.

Variabel di SUSENAS apa yang akan dipakai



_{Total rumah tangga}

 Membuat variable pembantu yang bernilai 1 untuk seluruh observasi

 _{Untuk memanipulasi data (menciptakan variable}

baru) kita dapat menggunakan perintah “generate”

 _{generate v1=1}



_{Total rumah tangga yang menggunakan listrik}

Rasio Elektrifikasi



_{Rasio elektrifikasi:}

= 0.74

Penimbang



_{Jika diperhatikan lebih lanjut, data total}

rumah tangga dan rumah tangga pengguna

listrik PLN masih terlalu kecil



Masih

ukuran sample



_{SUSENAS meyediakan variable penimbang}

yang berfungsi sebagai variable pengali

agar mendapatkan gambaran populasi



_{SUSENAS individu  weind}

Penimbang



_{SUSENAS memiliki beberapa fungsi untuk}

mengakomodir “penimbang”



Aweight  Analitic weight



_{Pweight  Sampling weight}



_{Iweight  Importance weight}



_{Fweight  Frequency weight}



_{Pada kesempatan ini kita akan}

Penimbang



_{Pada kesempatan ini kita akan}

menggunakan frequency weight/“fweight”



_{Fungsi penimbang dapat dipadukan dengan}

beberapa perintah lain seperti “tabulate”



_{Tabulate var [fw=“variable weight”] option}



_{tabulate v1 [fw=wert]}

Penimbang



Fungsi penimbang dapat dipadukan dengan

beberapa perintah lain seperti “tabulate”



_{tabulate v1 [fw=wert]}



_{Perintah ini error karena fweight tidak dapat}

digunakan jika variable penimbang bukan

merupakan bilangan bulat

Penimbang



_{Perintah ini error karena fweight tidak dapat}

digunakan jika variable penimbang bukan

merupakan bilangan bulat



_{Untuk memeriksa masukkan perintah: browse}

Penimbang



_{Perintah ini error karena fweight tidak dapat}

digunakan jika variable penimbang bukan

merupakan bilangan bulat



_{Untuk membulatkan variable wert, kita dapat}

menggunakan perintah “round”



_{Buat variable baru (wert_new) yang bernilai}

pembulatan dari variable wert

 _{generate wert_new=round(wert)}



Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new

Penimbang



_{Periksa apakah perintah sudah sesuai dengan}

yang diharapkan. Bandingkan nilai wert dengan wert_new

Penimbang



_{Kita ulangi perintah tabulate untuk variable}

v1 dan v2 dengan menggunakan wert_new

sebagai penimbang



_{tabulate v1 [fw=wert]}



_{tabulate v2 [fw=wert]}

Rasio Elektrifikasi



_{Rasio elektrifikasi dengan nilai populasi:}

= 0.789

•

 

Sumber: Statistik PLN 2013

Tingkat kemiskinan

•

Tingkat kemiskinan merupakan indikator sosial

ekonomi yang penting dan merupakan salah satu

indikator capaian pembangunan

•

Untuk mendapatkan indicator tersebut, terlebih

dahulu kita harus mendefinisikan status miskin

individu

– Status miskin=pengeluaran perkapita perbulan < garis kemiskinan

•

Variabel yang dibutuhkan

Tingkat kemiskinan

•

Untuk menghitung indicator ini akan

menggunakan data SUSENAS Individu.

•

Langkah 1:

–

Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”

–

Memasukkan garis kemiskinan ke data “susenas13mar_ki”

Tingkat kemiskinan

•

Langkah 1:

–

Memasukkan garis kemiskinan ke data “susenas13mar_ki”

• Buka Ms. Excel dengan nama “tingkat kemiskinan dan garis kemiskinan” di folder pelatihan

• Cari tabel garis kemiskinan, tingkat kemiskinan untuk bulan maret 2013

Tingkat kemiskinan

•

Langkah 1:

–

Memasukkan garis kemiskinan ke data “susenas13mar_ki”

Tingkat kemiskinan

•

Langkah 1:

– Memasukkan garis kemiskinan ke data “susenas13mar_ki”

– Setiap provinsi memiliki dua garis kemiskinan: desa dan kota. generate povline =359217 if b1r1 ==11 & b1r5 ==1

replace povline =307352 if b1r1 ==12 & b1r5 ==1 replace povline =332837 if b1r1 ==13 & b1r5 ==1 replace povline =346796 if b1r1 ==14 & b1r5 ==1 replace povline =337930 if b1r1 ==15 & b1r5 ==1 . . replace npl =319416 if b1r1 ==11 & b1r5 ==2 replace npl =263061 if b1r1 ==12 & b1r5 ==2 replace npl =288215 if b1r1 ==13 & b1r5 ==2 replace npl =312591 if b1r1 ==14 & b1r5 ==2

Tingkat kemiskinan

•

Langkah 2:

–

Menentukan status kemiskinan individu

• generate poor=exp_cap<povline

•

Langkah 3:

–

Mentabulasikan hasil

Tingkat kemiskinan

•

Langkah 3:

– Mentabulasikan hasil dengan nilai populasi • generate weind_new=round(weind)

• tabulate poor [fw=weind_new]