<![CDATA[ABSTRAK Kemiskinan merupakan masalah multidimensional yang membutuhkan perhatian pemerintah dan segenap unsur masyarakat yang ada. Hal ini dikarenakan masalah kemiskinan mencakup berbagai aspek kehidupan. Ketersediaan data kemiskinan hingga wilayah terkecil sangat diperlukan agar program dan kebijakan pengentasan kemiskinan dapat dilaksanakan tepat sasaran. Seiring dengan berkembangnya pemerintahan, sistem pengambilan keputusan di setiap daerah membutuhkan ketersediaan data yang akurat dan representatif hingga ke wilayah terkecil. Permasalahan muncul ketika ingin diperoleh informasi kemiskinan untuk area kecil dengan desain survei Susenas Badan Pusat Statistik (BPS). Tingkat presisi hasil estimasi yang diperoleh menjadi rendah karena sampel yang digunakan terlalu sedikit. Hal ini dikarenakan sampling design BPS dirancang untuk estimasi langsung tingkat area yang luas seperti nasional, provinsi, dan kabupaten/kota. Salah satu upaya untuk dapat melakukan estimasi hingga area kecil tanpa harus menambah jumlah sampel adalah Small Area Estimaton (SAE). Pada SAE dengan metode Empirical Based Linear Unbiased Prediction (EBLUP) berbasis area level serta menggunakan variabel penyerta mampu memberikan nilai estimasi yang lebih baik dibandingkan hasil estimasi langsung. Dari sampel yang tersedia, kecukupan presisi SAE dapat diketahui dengan melakukan simulasi bootstrap resampling pada ukuran sampel yang berbeda. Selanjutnya, dilakukan evaluasi dari simulasi yang telah dilakukan dengan melakukan penghitungan nilai relative efficiency sebagai perbandingan Mean Squared Error (MSE) dari SAE dengan estimasi langsung. Hasil penghitungan relative efficiency menunjukkan bahwa estimasi SAE metode EBLUP pada ukuran sampel 60 persen dari ukuran sampel Susenas sudah mampu menghasilkan presisi yang hampir sama dengan estimasi langsung dari sampel Susenas tersebut. Kata kunci: EBLUP, kemiskinan, MSE, relative efficiency, SAE]]>
Copyrights © 2018
