Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Aplikasi Statistika & Komputasi Statistik

jurnalasks
Website

Published by Politeknik Statistika STIS

ISSN : 20864132 EISSN : 26151367 DOI : -

Core Subject : Science, Education,

Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

Redaksi menerima karya ilmiah atau artikel penelitian mengenai kajian teori statistika dan komputasi statistik pada bidang ekonomi dan sosial dan kependudukan, serta teknologi informasi. Redaksi berhak menyunting tulisan tanpa mengubah makna subtansi tulisan. Isi jurnal Aplikasi Statistika dan Komputasi Statistik dapat dikutip dengan menyebutkan sumbernya.

Arjuna Subject : -

Articles 6 Documents

Search results for , issue "Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics" : 6 Documents clear

Aplikasi Small Area Estimation (SAE) Metode Pseudo EBLUP pada Official Statistics di Indonesia Deo Dedianto
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Small Area Estimation (SAE) is a modeling-based estimation method. In practice, SAE that is often used is a type A model, because the availability of auxiliary variables is only available at area level. One of small area estimation method is Empirical Best Linear Unbiased Prediction (EBLUP). When the EBLUP estimation does not include an appropriate and specific sampling weight, it is assumed that the sample is selected by Simple Random Sampling (SRS) which assumes that each unit has the same probability to be selected as a sample. However, the design of Proportional Proportion to Size Sampling (PPS) sampling tends to be better and more efficient to use than SRS because each unit has different probability to be selected as a sample, depending on the size used. One of important indicator / official statistics is household expenditure as a proxy indicator of household poverty measurement. This study included a sampling weight in small area estimate of household expenditure, a case study in East Java Province. The estimation method is Pseudo-EBLUP. Based on the results of the study, Pseudo-EBLUP method produces better precision than the EBLUP method in estimating household expenditure.

Eksplorasi Small Area Estimation (SAE) Data SUSENAS Triwulanan dengan Add-Ins Rexcel Ibnu Santoso
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Nowadays, the demand of small area data of BPS-Statistics Indonesia is increasing. This condition needs further study about SAE for BPS data. By using SUSENAS quarterly, we want to see how SAE can produce better accuracy for estimation value in small area than design-based. The result show that SAE EBLUP-Fay Herriot can produce better estimation with lower MSE than design-based estimation. This research also create tools to calculate this estimation. The tools was wrapped in Add-Ins Rexcel based on Graphical User Interface ( GUI ). Keywords: EBLUP Fay Herriot, SAE, design-based, SUSENAS, Add-Ins, Rexcel

Kerentanan Kemiskinan: Pendugaan, Pemetaan, Penciri, dan Rekomendasi Kebijakan pada Data Sampel Kecil Arif Rahman
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Ukuran kemiskinan yang biasa dinyatakan dengan jumlah kemiskinan adalah konsep yang statis karena hanya memberikan gambaran kondisi kesejahteraan pada waktu tertentu. Kenyataannya, kemiskinan adalah kondisi yang sangat dinamis sehingga kemiskinan merupakan fenomena stokastik. Kerentanan kemiskinan rumah tangga perlu diukur, sebagai peluang rumah tangga akan berada pada status tidak miskin atau justru menjadi miskin pada masa mendatang. Isu kerentanan kemiskinan telah menjadi perhatian setelah terjadinya krisis ekonomi di Asia Timur, termasuk Indonesia. Pengukuran kerentanan kemiskinan rumah tangga pada level kecil, yaitu kecamatan, penting dilakukan terkait perlunya kebijakan regional yang tepat sasaran. Tujuan penelitian ini adalah menduga rumah tangga rentan miskin level kecamatan, memetakan, dan menentukan penciri rumah tangga rentan miskin sebagai dasar rekomendasi kebijakan. Studi kasus dilakukan pada Kabupaten Sambas. Metode analisis yang digunakan adalah Vulnerable Expected as Poverty (VEP), Small Area Estimation (SAE) Fay-Herriot EBLUP, dan Analisis Komponen Utama (AKU) Polikhorik. Hasil penelitian menunjukkan bahwa kecamatan dengan proporsi rumah tangga rentan miskin tertinggi adalah Pemangkat dan Teluk Keramat. Hasil ini selanjutnya disajikan dalam gradasi peta dengan sumber data kemiskinan lain sebagai pembanding. Pemetaan menghasilkan kesimpulan bahwa hasil pendugaan kerentanan sudah valid. Selanjutnya, variabel penciri rumah tangga rentan miskin diperoleh 3 komponen utama yaitu wilayah dan perumahan, karakteristik KRT, serta ukuran dan konsumsi rumah tangga. Variabel penciri ini dapat menjadi dasar kebijakan sebagai upaya preventif kemiskinan di Kabupaten Sambas.

Efisiensi Metode EBLUP pada Small Area Estimation Easbi Ikhsan
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

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

Analisis Kemiskinan Multidimensi di Provinsi Jawa Tengah, 2011-2013 Lestari Indriani
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

Kemiskinan merupakan masalah yang kompleks, sehingga diperlukan pendekatan yang lebih tepat untuk mengukur fenomena kemiskinan yang kompleks dan bersifat multidimensional tersebut. Dengan menggunakan data Survei Sosial Ekonomi Nasional (Susenas) 2011—2013 dan metode Alkire-Foster, penelitian ini mencoba mengukur kemiskinan ditinjau dari berbagai deprivasi yang dialami oleh penduduk di Provinsi Jawa Tengah. Penelitian ini menggunakan 3 dimensi, yaitu: nutrisi dan kesehatan, pendidikan, serta standar hidup, dengan 10 indikator, yaitu: konsumsi kalori rumah tangga, konsumsi protein rumah tangga, lama sekolah, partisipasi sekolah, bahan bakar memasak, sanitasi, air bersih, akses listrik, jenis lantai terluas, dan aset yang dimiliki. Hasil menunjukkan bahwa kemiskinan yang diukur dengan hanya mempertimbangkan dimensi moneter ternyata memberikan gambaran yang berbeda dengan kemiskinan yang diukur dengan mempertimbangkan berbagai dimensi (multidimensi), meskipun sama-sama menunjukkan fenomena perdesaan. Persentase penduduk miskin multidimensi yang lebih besar dibanding persentase penduduk miskin moneter mengindikasikan bahwa terdapat penduduk yang tidak teridentifikasi miskin secara moneter namun masih mengalami deprivasi pada berbagai dimensi kemiskinan yang lain. Kontributor terbesar terhadap tingkat kemiskinan multidimensi di Provinsi Jawa Tengah pada 2011—2013 adalah dimensi nutrisi dan kesehatan, yang diikuti dengan dimensi standar hidup dan pendidikan. Kata Kunci: Kemiskinan Multidimensi, Metode Alkire-Foster, Deprivasi

Analisis Potensi Penyebab Rumah Tangga Miskin Jawa Tengah sri Ningsih
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics
Publisher : Pusat Penelitian dan Pengabdian Masyarakat Politeknik Statistika STIS

This study aims to analyze the potential causes of poor households in Central Java. Analysis using logistic regression. The study used secondary data from the National Socio-Economic Survey (Susenas) in Central Java 2018 collected by Badan Pusat Statistik. The study concluded that there are 6 (six) main characteristics: the area of residence, gender, education level, number of household members and the status of working head of household, which has the potential to cause household poverty in Central Java. Households living in rural areas have the opportunity to be poor at 1,398 times higher than in urban areas. On that basis, it is recommended to improve the economy of rural areas.

Page 1 of 1 | Total Record : 6

Filter by Year

2018 2018

Filter By Issues

All Issue Vol 17 No 2 (2025): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 17 No 1 (2025): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 16 No 2 (2024): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 16 No 1 (2024): Jurnal Aplikasi Statistika & Komputasi Statistik Vol 15 No 2 (2023): Journal of Statistical Application and Computational Statistics Vol 15 No 1 (2023): Journal of Statistical Application and Computational Statistics Vol 14 No 2 (2022): Journal of Statistical Application and Computational Statistics Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 13 No 2 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 13 No 1 (2021): Jurnal Aplikasi Statistika dan Komputasi Statistik Vol 12 No 3 (2020): Jurnal Aplikasi Statistika dan Komputasi Statistik Edisi Khusus Vol 12 No 2 (2020): Journal of Statistical Application and Computational Statistics Vol 12 No 1 (2020): Journal of Statistical Application and Computational Statistics Vol 11 No 2 (2019): Journal of Statistical Application and Computational Statistics Vol 11 No 1 (2019): Journal of Statistical Application and Computational Statistics Vol 10 No 2 (2018): Journal of Statistical Application and Computational Statistics Vol 10 No 1 (2018): Journal of Statistical Application and Computational Statistics Vol 9 No 2 (2017): Journal of Statistical Application and Computational Statistics Vol 9 No 1 (2017): Journal of Statistical Application and Computational Statistics Vol 8 No 2 (2016): Journal of Statistical Application and Computational Statistics Vol 8 No 1 (2016): Journal of Statistical Application & Statistical Computing Vol 7 No 2 (2015): Journal of Statistical Aplication and Statistical Computing Vol 7 No 1 (2015): Journal of Statistical Application and Computational Statistics More Issue

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota adm. jakarta timur,

Dki jakarta

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota adm. jakarta timur, Dki jakarta INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota adm. jakarta timur,

Dki jakarta

INDONESIA