METODE PENDUGA EMPIRICAL BEST LINEAR UNBIASED PREDICTION DAN SPATIAL EMPIRICAL BEST LINEAR UNBIASED PREDICTION PADA PENDUGAAN AREA KECIL
| Main Author: | Dhenty Dwi Oktafiani, 1517031187 |
|---|---|
| Format: | Bachelors NonPeerReviewed Book Report |
| Terbitan: |
Fakultas Matematika dan Ilmu Pengetahuan Alam
, 2019
|
| Subjects: | |
| Online Access: |
http://digilib.unila.ac.id/58341/1/ABSTRAK-ABSTRACT.pdf http://digilib.unila.ac.id/58341/2/SKRIPSI%20FULL.pdf http://digilib.unila.ac.id/58341/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf http://digilib.unila.ac.id/58341/ |
Daftar Isi:
- Survei Sosial Ekonomi Nasional (SUSENAS) yang dilakukan oleh Badan Pusat Statistika (BPS) bertujuan untuk mengetahui tingkat kesejahteraan penduduk di bidang ekonomi. Kesejahteraan penduduk di bidang ekonomi dapat diukur dengan pengeluaran per kapita. Adanya keterbatasan informasi dalam menduga pengeluaran perkapita membuat pendugaan langsung tidak dapat digunakan. Masalah tersebut dapat diatasi dengan menggunakan pendugaan area kecil yaitu dengan menambahkan informasi tambahan mengenai jumlah kelahiran penduduk yang berpengaruh secara signifikan terhadap pengeluaran per kapita. Metode Empirical Best Linear Unbiased Prediction (EBLUP) merupakan salah satu metode pendugaan area kecil yang digunakan pada data kontinu dengan mensubstitusikan komponen ragam yang tidak diketahui ke dalam penduga BLUP. Penduga EBLUP dengan memperhatikan pengaruh spasial atau lokasi sebagai pembobotnya disebut dengan Spasial EBLUP (SEBLUP). Metode yang digunakan untuk menduga parameter pada penduga EBLUP dan SEBLUP adalah Restricted Maximum Likelihood Estimation (REML) dan Generalized Least Square (GLS). Pada penelitian ini kualitas dari penduga parameter EBLUP dan SEBLUP dapat dievaluasi dengan Mean Square Error (MSE). Hasil dalam penelitian menunjukkan bahwa penduga SEBLUP menghasilkan nilai MSE yang lebih kecil dibandingkan metode EBLUP dalam menduga pengeluaran per kapita. Kata kunci: Pendugaan Area Kecil, Empirical Best Linear Unbiased Prediction, Restricted Maximum Likelihood Estimation, Generalized Least Square, Mean Square Error.