Hierarchical Bayes Spasial Untuk Estimasi Pengeluaran Perkapita Level Kecamatan

Authors

  • Dwi Asih Septi Wahyuni Badan Pusat Statistik Kabupaten Tapanuli Tengah

DOI:

https://doi.org/10.34123/jurnalasks.v11i2.154

Keywords:

small area estimation, hierarchical bayes, spasial, pengeluaran perkapita

Abstract

Badan Pusat Statistik merilis angka pengeluaran perkapita setiap tahun untuk 514 kabupaten/kota di Indonesia.Angka pengeluaran perkapita diperoleh melalui Survei Sosial Ekonomi Nasional (Susenas). Susenas hanya dapat memberikan data yang akurat hingga level kabupaten/kota. Disisi lain, kebutuhan data hingga level kecamatan bahkan desa/kelurahan semakin meningkat guna memotret keberhasilan tujuan pembangunan berkelanjutan (sustainable development goals) setiap kabupaten/kota. Penelitian ini mengusulkan metode small area estimation dengan menggabungkan data survei dan sensus menggunakan model hierarchical bayesdengan mempertimbangkan keterkaitan antar wilayah (bobot spasial). Estimasi pengeluaran perkapita level kecamatan mampu memberikan hasil yang akurat dengan menggabungkan data pengeluaran perkapita sebagai variabel dependen dari Susenas dan data sensus dari Potensi Desa (Podes) sebagai variabel independen menggunakan model hierarchical bayesspasial.

Downloads

Download data is not yet available.

References

Arndt, Channing.dkk. 2016. Poverty Mapping Based on Firsr Order Dominance With An Example From Mozambique. Journal of International Development, (28), 3-21. Bukhari, Ari Shobri. 2015. Pendugaan Area Kecil Komponen Indeks Pendidikan dalam IPM di Kabupaten Indramayu dengan Metode Hierarchical Bayes Berbasis Spasial. Tesis Sekolah Universitas Padjadjaran Bandung. Bandung. 166 hlm. Chandra, Hukum dan Kaustav Aditya. 2018. Localised Estimates and Spatial Mapping of Poverty Incidence in The State of Bihar in India-An Application of Small Area Estimation Technique. Plos one, 13(6), 1-14. Grassetti, Luca dan Laura Rizzi. 2018. The determinants of Individual Health Care Expenditure in the Italian Region of Friuli Venezia Giulia: Evidence From a Hierarchical Spatial Model Estimation. Empir Econ. Springer-Verlag GmnH Germany https://doi.org/10.1007/s00181-017-1372-9, 1-23. Guadarrama, Maria, Isabel Molina dan J.N.K Rao. 2015. A Comparison of Small Area Estimation Methods for Poverty Mapping. UC3M Working Papers Statistics and Econometrics15-05. Universidad Carlos III De Madrid, 1-25. Lesage, James P. 1999. The Theory and Practice of Spatial Econometrics. Department of Economics. University of Toledo. Marchetti, Stefano dan Luca Secondi, 2017. Estimates of Household Consumption Expenditure at Provincial Level in Italy by Using Small Area Estimation Methods: “Real” Comparisons Using Purchasing Power Parities. Springer Science & Business Media Dordrecht (131), 215-234. Molina, Isabel, Balgobin Nandram, dan J.N.K Rao. 2014. Small Area Estimation of General Parameters With Application to Poverty Indicators: A Hierarchical Bayes Approach. The Annals of Applied Statistics Vol 8 No. 2, 852-885. Rao, JNK dan Molina (2015). Small Area Estimation. New Jersey. John Wiley & Sons. Wahyuni, Dwi Asih Septi. 2018. Spatial Hierarchical Bayes Estimation of Mean Years of Schooling.IOP Conf. Series: Material Science and Engineering 300(1), 1-6. Zhou, Qian M dan Yong You. 2008. Hierarchical Bayes Small Area Estimation For The Canadian Community Health Survey.Canada: SSC Annual Meeting. Proceeding of The Survey Methods Section.

Downloads

Published

2020-09-08

How to Cite

Wahyuni, D. A. S. (2020). Hierarchical Bayes Spasial Untuk Estimasi Pengeluaran Perkapita Level Kecamatan. Jurnal Aplikasi Statistika & Komputasi Statistik, 11(2), 29–36. https://doi.org/10.34123/jurnalasks.v11i2.154

Issue

Vol. 11 No. 2 (2019): Journal of Statistical Application and Computational Statistics

Section

Statistika Ekonomi