RISKESDAS 2013
Modul IPKM
penyajian sampai
domain kabupaten/kota.
Modul MDG’s
penyajian sampai
domain provinsi,
subsampel dari Modul
IPKM.
Modul Biomedis
penyajian level nasional,
subsampel dari Modul
MDG’s.
Modul IPKM
KERANGKA SAMPEL
Kerangka sampel pemilihan tahap pertama adalah daftar primary
sampling unit (PSU) dalam master sampel.
PSU adalah gabungan dari beberapa blok sensus
Jumlah PSU dalam master sampel adalah 30000 PSU
PSU juga dilengkapi informasi jumlah dan daftar nama kepala
rumah tangga, alamat, tingkat pendidikan KRT berdasarkan klasifikasi wilayah urban/rural.
Kerangka sampel pemilihan tahap kedua adalah seluruh bangunan
sensus yang di dalamnya terdapat rumah tangga biasa (tidak termasuk institutional household). Bangunan sensus terpilih dan rumah tangga biasa dalam bangunan sensus terpilih terlebih dahulu dilakukan pengecekan keberadaan & pemutakhiran.
Skema Penarikan Sampel PSU dan Blok Sensus Susenas dan Riskesdas
Master Sampel 30.000 PSU Susenas dan
Riskesdas 12.000 PSU 18.000 PSU Susenas
sistematik
Susenas dan Riskesdas @2 Blok Sensus PPS size ruta Susenas @1Blok Sensus Riskesdas @1 Blok Sensus Susenas @ 1 Blok Sensus PPS size ruta Susenas 30.000 BS Susenas Trw 1
DESAIN SAMPLING (1)
Modul IPKM (untuk estimasi kabupaten/kota)
Metode Sampling: Sampling tiga tahap berstrata
Tahap pertama, memilih sejumlah psu dari psu terpilih secara
sistematik pada setiap kab/kota sesuai alokasi domain.
Tahap kedua, dari psu terpilih, dipilih 2 blok sensus secara
pps dengan size jumlah rumah tangga sesuai alokasi domain.
Selanjutnya dipilih secara acak satu blok untuk Riskesdas dan satu blok sensus untuk Susenas.
Tahap ketiga, dari setiap blok sensus terpilih Riskesdas,
dipilih 25 bangunan sensus secara sistematik berdasarkan data bangunan sensus hasil SP2010-C1.
Tahap keempat, dari setiap bangunan sensus terpilih dipilih
satu rumah tangga biasa secara acak, setelah terlebih dahulu mengidentifikasi rumah tangga yang sekarang tinggal di bangunan sensus tsb (dimutakhirkan).
DESAIN SAMPLING (2)
Modul MDG’s (untuk estimasi provinsi)Metode Sampling: Sampling dua tahap berstrata,
subsampel dari estimasi kab/kota.
Tahap pertama, memilih sejumlah BS secara sistematik
dari BS terpilih estimasi kab/kota sesuai alokasi domain kab/kota.
Tahap Kedua, dari setiap blok sensus sampel, dipilih 25
bangunan sensus secara sistematik berdasarkan data hasil SP2010-C1.
Tahap Ketiga, dari setiap bangunan sensus terpilih, dipilih
satu rumah tangga, setelah dilakukan pemutakhiran terlebih dahulu.
DESAIN SAMPLING (3)
Modul Biomedis (untuk estimasi nasional)
Metode Sampling: Sampling dua tahap berstrata, subsampel dari estimasi provinsi.
Tahap 1: Memilih 250 kabupaten/kota secara pps wr). Dari
hasil penarikan sampel, jumlah realisasi sampel yang efektif (effective sample size) sebanyak 177 kabupaten/kota.
Tahap 2: Dari setiap kabupaten/kota terpilih, dilakukan
pemilihan blok sensus secara systematic sampling dari daftar blok sensus sampel Riskesdas Modul MDG’s.
Rumah tangga yang menjadi sampel dalam Riskesdas Modul Biomedis adalah sebanyak 25 rumah tangga yang terpilih pada Modul MDG’s di blok sensus sampel Modul Biomedis.
DESIGN WEIGHT(1)
Estimasi kabupaten/kota (Modul IPKM)
𝑤𝑤𝑘𝑘𝑘𝑘𝑘𝑗𝑗 = 𝑀𝑀𝑘𝑘𝑘𝑘25 × 𝑛𝑛× 𝐵𝐵𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑘𝑘𝑘 × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 ×
𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑛𝑛𝑘𝑘𝑘 : jumlahbloksensussampelModulIPKM di kabupatenkstrata h (h=1,2) 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di kab/kota k strata h
bloksensusi
𝑀𝑀𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di kab/kotakstrata h 𝐵𝐵𝑘𝑘𝑘𝑘𝑘: jumlahpopulasibangunansensus di kab/kota k strata h bloksensusi
(hasil SP2010)
𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensusj (hasil SP2010)
𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata
DESIGN WEIGHT(2)
Estimasi provinsi (Modul MDG’s)
𝑤𝑤
𝑘𝑘𝑘𝑘𝑘𝑗𝑗′=
𝑀𝑀
𝑘𝑘𝑘𝑘25 × 𝑛𝑛
× 𝐵𝐵
𝑘𝑘𝑘𝑘𝑘× 𝑚𝑚
𝑘𝑘𝑘𝑘𝑘𝑗𝑗𝑘𝑘𝑘′
× 𝑀𝑀
𝑘𝑘𝑘𝑘𝑘×
𝑚𝑚
𝑘𝑘𝑘𝑘𝑘𝑗𝑗′
𝑚𝑚
𝑘𝑘𝑘𝑘𝑘𝑗𝑗𝑛𝑛𝑘𝑘𝑘′ : jumlahbloksensussampelModulMDG’s di kabupatenkstrata h 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga (hasil SP2010) di kab/kota k
strata h bloksensusi
𝑀𝑀𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga (hasil SP2010) di kab/kotak
strata h
𝐵𝐵𝑘𝑘𝑘𝑘𝑘: jumlahpopulasibangunansensus di kab/kota k strata h bloksensusi (hasil SP2010)
𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensusj (hasil SP2010)
𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata
DESIGN WEIGHT(3)
Estimasi nasional (ModulBiomedis)
𝑤𝑤𝑝𝑝𝑘𝑘𝑘𝑘𝑘′′ = 25 × 𝑡𝑡𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑝𝑝𝑘 × 𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ × 𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘 ×
𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘: jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p (p=1,2,3) kab/kota k strata daerahh (h=1,2)
𝑡𝑡𝑝𝑝𝑘 : jumlahsampelkabupaten/kotadi strata IPKM ke-p (p=1,2,3) daerahh (h=1,2)
𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ : jumlahbloksensussampelModulBiomedisdi strata IPKM ke-p kabupatenk daerahke-h
𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p kab/kota k daerahh bloksensusi
𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasibangunansensus di strata IPKM ke-p kab/kota k daerahh bloksensusi(hasil SP2010)
𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata
hbloksensusibangunansensusj (hasil SP2010)
𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata
Respon Rate
a. Rumah Tangga : 98%, tertinggi NTB (99.83%), terendah DKI (89.57%) b. Individu: 93%, tertinggi Sumsel (98.20%), terendah Papua (81%)
c. Ciri-ciri non respon individu :
Kelompok umur Respon Total Respon rate Ya Tidak 0-9 192,507 6,872 199,379 0.966 10-19 199,149 20,074 219,223 0.908 20-29 127,777 22,301 150,078 0.851 30-39 157,757 11,913 169,670 0.930 40-49 150,914 8,896 159,810 0.944 50-59 108,470 4,998 113,468 0.956 60-69 56,164 1,798 57,962 0.969 70 plus 35,025 978 36,003 0.973 Total 1,027,763 77,830 1,105,593 0.930
Adjustment for Nonresponse
Nonrespon block: Adjustment weight for nonresponse Nonrespon household:pbs=response rate block census
pruta= response rate household
ruta BS hi r hi W p p W( ) = ⋅ 1 ⋅ 1 BS hi r hi W p W( ) = ⋅ 1
Trimmed Weight
Weight trimming process is should done by strata.
The Process is begin with the specific value of upper bound, then it
will adjust to original weight in dataset therefore the number of
Trimmed Weight (lanjutan)
Trimmed weight for BS ke-i strata h, at district is:
(
)
(
)
⋅
⋅
≥
⋅
⋅
⋅
⋅
<
=
( ) ( ) (( )) *) (3
jk
3
3
jk
r hi hi r hi r hi hi r hi T hiW
IQR
W
W
IQR
W
IQR
W
W
W
Trimmed Weight (lanjutan)
Assume the weight in strata is constant.
If F
Tis rasio original weight to trimmed weight.
Adjusted trimmed weight for strata h at district:
∑
∑
= h kh kh T h r hi h T W n W n F ) ( ) ( ( )* ) ( T hi T T hiF
W
W
=
×
Correction Factor for Household Projection
The number of household that used for design
weight is the number of household based on
SP2010. For that reason, it has to use the
correction factor according to 2013 projection:
) 2010 ( ) 2013 ( ) ( ) (
~
h h T hij A hijH
H
x
w
w
=
Secondary data control
The final step is calculate the weight for each household
that controlled by the number of household from 2011
projection based on sex (2 categories) and 5 year age
group (16 categories) using
GLS (Generalized Least
Adjusted Final Weight (GLS procedure)
GLS is proposed to minimize the function of weight so:
will be solve the problem .
min
(
Ω
W
)
Λ
(
Ω
−
W
)
′
−
−1 W XN
W
X
′
=
Adjusted Final Weight (Continue)
The unique solution for cases is
adjusted final weight
:
= vector design weight for each sample from m unit sample;
= matrix for each characteristic of unit sample where parameter is known, like
number of person in cell K by definition of age, sex in each unit. = vector of parameter X, like # population in each cell by age, sex.
= matrix final weight, assumed or , with each elemen m×1 vector η is total of column matrix X for each unit.
= vector adjusted final weight;
1) (n Ω × ) XK×m ) 1 ( PK× ) (
Λ m×m Λ diag= ( )Ω Λ=(diag(η))−1diag( )Ω
) ( ) 1 ( G x mh W