B a g a i m a n a p e r a n a n d a t a p e m u t a k h i r a n t e r h a d a p RSE?

(1)

Yoga El-Qomariyah Sasmita yogamstat.wordpress.com [email protected] +62 813 8189 4685

B a g a i m a n a p e r a n a n d a t a p e m u t a k h i r a n

t e r h a d a p RSE

?

(2)

Bagaimana

peranan data pemutakhiran terhadap RSE

?

Apakah Relative Standard Error (RSE)?

Suatu ukuran untuk mengukur

seberapa jauh sebuah nilai statistik terhadap parameter disebut dengan Standard Error (SE), Jika SE

dirasiokan dengan nilai statistiknya

dan dinyatakan dalam persen maka

disebut dengan Relative Standard

Error (RSE).

(3)

Untuk mengetahui kelayakan sebuah nilai statistik dalam mengestimasi parameternya

Kegunaan RSE?

R S E ≤ 2 5 % 2 5 % < R S E ≤ 5 0 %

R S E > 5 0 %

Akurat (bisa digunakan) Perlu hati-hati jika digunakan

Dianggap tidak akurat (harus digabungkan dengan estimasi lain untuk memberikan estimasi

denganRSE ≤ 25%.

K r i t e r i a R S E

Kualitas hasil estimasi suatu survei bisa diamati dari RSE yang dihasilkan. Menurut Soedarti dkk (2007), keputusan mengenai

keakuratan suatu estimasi bisa diamati dari tabel berikut.

(4)

Lalu, bagaimana implementasi

pada indikator yang kita hasilkan?

Hitunglah estimasi populasi dan varians proporsi tertimbang dari

data Susenas Maret 2015 Kab. Murung Raya

(5)

5

Tabel 6. Proporsi Rumah Tangga Kab. Murung Raya yang Menggunakan Penerangan Utama dari Listrik PLN Berdasarkan Susenas Maret 2015

No.

Urut NKS

NKS

Jumlah Muatan Ruta per

BS (M_i)

∑a_i.M_i/10 (jml ruta dg

listrik PLN dlm bs (i))

Proporsi Ruta dengan listrik PLN

per BS (p_i) ^𝑖=1 𝑛

𝑝

_𝑖

− 𝑝

²

𝑖=1 𝑛

𝑴

_𝒊^𝟐

𝑝

_𝑖

− 𝒑

²

𝑖=1

𝑛

𝑴

_𝒊

𝑷

_𝒊

𝑴 − 𝒑

^∗

2

(1) (2) (3) (4) (5) (6) (7) (8)

1 10002 133 0 0.0000 0.171095 3822.601792 0.216100503

2 10040 50 0 0.0000 0.171095 540.2512567 0.216100503

3 10060 69 0 0.0000 0.171095 1028.854493 0.216100503

⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮

42 25019 85 85 1 0.343822 2069.010804 0.182841385

43 25021 114 102.6 0.9000 0.23655 2460.682133 0.375024518

44 25028 142 127.8 0.9000 0.23655 3817.882004 0.769097916

Jumlah 4332 2013.8 18.2000 8.4718 90621.4805 13.1083

Sumber: Susenas Maret 2015, diolah

(6)

 n = 44 (jumlah blok sensus sampel Susenas Maret 2015 di Kab. Murung Raya)

 N = 273 (jumlah blok sensus biasa di Kab. Murung Raya)



_𝑖=1^𝑛

𝑀

_𝑖

= jumlah muatan ruta per blok sensus hasil pemutakhiran



_𝑖=1^𝑁

𝑀

_𝑖

= jumlah muatan ruta se Kab. Murung Raya (hasil proyeksi)

 a

_i

= jumlah ruta dg listrik PLN dlm bs (i)

 𝑝

_𝑖

: proporsi elemen di cluster ke-i yang termasuk dalam kategori tertentu, 𝑝

_𝑖

=

^𝑎^𝑖

𝑀_𝑖

 𝑓 =

^𝑛

𝑁

=

⁴⁴

273

= 0.1612



_𝑖=1^𝑛

𝑎

_𝑖

= 2013.8;

_𝑖=1^𝑛

𝑀

_𝑖

= 4332;

_𝑖=1^𝑁

𝑀

_𝑖

= 26001

_𝑖=1^𝑛

𝑝

_𝑖

= 18.2;

4545 .

44 98 n 4332

M M

n

1 i

i

 

  



2418 .

273 95 26001 N

M M

N

1 i

i

 

 



(7)

7  Estimasi proporsi populasi tidak tertimbang:

𝑝 = 1 𝑛

𝑖=1

𝑛

𝑝

_𝑖

= 18.2

44 = 0.4136

Hal ini diartikan bahwa proporsi ruta yang menggunakan listrik PLN di Kab. Murung Raya adalah sebesar 41,36 persen.

 Estimator sampling variance untuk 𝑝 tidak tertimbang:

𝑉 𝑝 = 1 − 𝑓 𝑛(𝑛 − 1)

𝑖=1 𝑛

𝑝

_𝑖

− 𝑝

²

= 1 − 0.1612

44(44 − 1) ∗ 8.4718 = 0.0038

 Relative Standard Error (RSE):

𝑅𝑆𝐸 = 𝑉(𝑝)

𝑝 100% = 0.0038

0.4136 100% = 14.82%

Estimasi Tidak

Tertimbang

(8)

 Estimasi Proporsi tertimbang terhadap banyaknya elemen (Mi) dalam sampel klaster:

Hal ini diartikan bahwa proporsi ruta yang menggunakan

listrik PLN di Kab. Murung Raya adalah sebesar 46,49 persen

 Estimator sampling variance untuk p tertimbang:

 Relative Standard Error (RSE):

𝑅𝑆𝐸 = 𝑉( 𝑝

_𝑐^′

)

𝑝

_𝑐^′

100% = 0.0041

0.4649 100% = 13.85%

Estimasi Tertimbang Terhadap Banyaknya Elemen dalam Sampel

Klaster

4649 .

4332 0 8 . ˆ 2013

1

1  

 





 n

i

i n

i i c

M a p

P

  ^ ^ ^ _ _ ^ ⁰ ^. ⁰⁰⁴¹

) 1 44 )(

4545 . 98 (

4805 . 90621 44 .

8388 . 0 1

ˆ 1

2 2

1

2 .

2

 



 

 





n M

p p M n

P f v

n

i

i i c

(9)

9  Estimator proporsi tertimbang terhadap rata-rata

banyaknya elemen per klaster dalam sampel populasi:

Hal ini diartikan bahwa proporsi ruta yang menggunakan

listrik PLN di Kab. Murung Raya adalah sebesar 46,49 persen

 Estimator sampling variance untuk p tertimbang:

 Relative Standard Error (RSE):

𝑅𝑆𝐸 = 𝑉( 𝑝

_𝑐^∗

)

𝑝

_𝑐^∗

100% = 0.0058

0.4649 100% = 16.40%

Estimasi Tertimbang Terhadap Rata-rata Banyaknya Elemen

Per Klaster dalam Sampel Populasi

4649 .

) 0 4545 .

98 ).(

44 (

8 .

ˆ

^*



^*

 

¹

 2013 



M n

a p

P

n

i i c

  ^ _ ^ _ ^ ^ ⁽ ¹³ ^. ¹⁰⁸³ ⁾ ⁰ ^. ⁰⁰⁵⁸

) 1 44 ( 44

1612 .

0 1 1

ˆ 1

²

1

*





 

 

 



 



  

 n

i

i i

c

p

M P M n

n P f

v

(10)

K e s i m p u l a n

 Dari ketiga estimator proporsi di atas (1 – 3), diketahui bahwa proporsi tertimbang terhadap banyaknya elemen (M_i) dalam sampel klaster (2) dan proporsi tertimbang terhadap rata-rata banyaknya elemen per klaster dalam sampel populasi (3) adalah proporsi yang terbesar serta bernilai sama;

 Dari ketiga estimator sampling variance untuk p di atas (1 – 3), diketahui bahwa variance paling kecil adalah variance tidak tertimbang (1).

 Dari ketiga estimator RSE di atas (1 – 3) tidak ada yang melebihi 25 persen di samping itu diketahui bahwa RSE paling kecil adalah RSE Tertimbang Terhadap Banyaknya Elemen dalam Sampel Klaster (2).

 Hasil pemutakhiran merupakan salah faktor penentu layak atau tidaknya sebuah indikator dalam mengestimasi nilai parameternya.

(11)

S U P L E M E N H A N S O S

11 I P D

R AW D ATA P O D E S 2 0 1 9

R e v i e w I P D 2 0 1 4 v s 2 0 1 8

 Ground Check hasil review IPD 2014 vs 2018

R a w d a t a P o d e s 2 0 1 8

 Mekanisme mendapatkan rawdata

 Review rawdata tingkat kecamatan

 Pemanfaatan rawdata

U P D AT I N G P O D E S 2 0 1 9

 Tujuan

 Cakupan

 Alokasi Kebutuhan Petugas

(12)

T H A N K Y O U

http://s.bps.go.id/menghitung_RSE

Ilmu vs Harta

Harta, pemiliknya akan menjaga harta, tetapi Ilmu, pemilik akan dijaganya

Harta, semakin dibagi akan semakin sedikit, tetapi Ilmu, semakin dibagi semakin bertambah (Ali bin Abi Thalib)