ESTIMASI INDIKATOR KEMISKINAN TINGKAT KECAMATAN MENGGUNAKAN REGRESI KEKAR M-KUANTIL

Abstract

Indikator kemiskinan seperti Angka Kemiskinan P0, Kedalaman Kemiskinan P1, dan Keparahan Kemiskinan P2 dihitung oleh Badan Pusat Statistik (BPS) melalui dari Survei Sosial Ekonomi Nasional (Susenas) dengan sampel yang hanya dirancang untuk mengestimasi level nasional, provinsi, dan kabupaten/kota. Meskipun Susenas memiliki jumlah sampel yang besar secara nasional, tetapi jumlahnya menjadi tidak cukup jika digunakan untuk estimasi langsung pada level kecamatan. Untuk menangani masalah tersebut, beberapa BPS di daerah melakukan penambahan sampel (oversampling) melalui survei tambahan (Suseda) yang berdampak pada penambahan biaya dan sumber daya manusia. Oleh karena itu, dibutuhkan teknik estimasi area kecil berbasis model yang hanya menggunakan sampel kecil (tanpa oversampling) sehingga lebih murah dan akurasinya bisa lebih baik. Pada penelitian ini, teknik estimasi area kecil didasarkan pada model level unit dengan data SP2010 dan Susenas 2015 sebagai penyedia variabel penjelas dan pengeluaran perkapita rumah tangga sebagai variabel respon. Penelitian ini menggunakan model regresi M-kuantil yang kekar terhadap outlier yang memanfaatkan fungsi pengaruh dan nilai kuantil dalam memboboti residual untuk menghasilkan estimasi koefisien regresi. Untuk mengevaluasi akurasi dua teknik estimasi (oversampling dan M-kuantil), digunakan RRMSE untuk setiap estimasi indikator kemiskinan di level kecamatan.