UJIAN KOMPREHENSIP MPC + SURCON

Slides:



Advertisements
Presentasi serupa
PENGERTIAN DAN KONSEP DASAR
Advertisements

UKURAN NILAI PUSAT UKURAN NILAI PUSAT ADALAH UKURAN YG DAPAT MEWAKILI DATA SECARA KESELURUHAN JENIS UKURAN NILAI PUSAT : MEAN , MEDIAN, MODUS KUARTIL,
Teori Graf.
Statistika Deskriptif: Distribusi Proporsi
PENGERTIAN DAN PROSEDUR
START.
Bulan maret 2012, nilai pewarnaan :
DESAIN DASAR SURVEI/ BASIC SURVEY DESIGNS
Materi 2 Sampling klaster (Cluster sampling)
METODE PENARIKAN CONTOH-I (TEORI) SAP- Taxonomy Bloom
PENGERTIAN DAN PROSEDUR
SURVEI CONTOH BIAS DAN NON SAMPLING ERROR
SURVEI CONTOH PASCA EVALUASI SURVEI (PES)

LANGKAH-LANGKAH melaksanakan SURVEI CONTOH
THE RATIO ESTIMATOR VARIANCE DAN BIAS RATIO PENDUGA SAMPEL VARIANCE
Praze061 STRATIFIED RANDOM SAMPLING  Pengertian, alasan, persyaratan dan keuntungan  Pendugaan rata-rata, proporsi, total serta dan ragamnya  Penentuan.
PROBABILITY PROPORTIONAL TO SIZE (PPS) SAMPLING
Materi Penarikan Sampling Bertahap (Multi-Stage Sampling)
Metode Penarikan Contoh I (Praktikum)
STRATIFIED TWO STAGE SAMPLING (SRS WR-SRS WR)
SURVEI CONTOH Rancangan Survei Ekonomis/ The Economic Design Survey
SURVEI CONTOH Rancangan Survei Ekonomis/ The Economic Design Survey
KULIAH KE-3 MATERI SURVEI
1 Kuliah ke-12 Rancangan Survei Ekonomis/ The Economic Design Survey Penentuan Besarnya Sampel Penentuan Besarnya Sampel Rancangan Survei Ekonomis Rancangan.
SUPLEMENT SURVEI CONTOH
Metode Penarikan Contoh II
Simple Random Sampling (SRS)
METODE PENARIKAN CONTOH-I (TEORI)
Materi 7 Bias, Error, Non Response dan Survei Pasca Pencacahan
Statistika Deskriptif
Kuliah ke-3 MATERI SURVEI.
Bab 6B Distribusi Probabilitas Pensampelan
PENGERTIAN DAN PROSEDUR
UKURAN PENYEBARAN DATA
3). Klaster dengan jumlah unit tidak sama (unequal cluster)
DOUBLE SAMPLING (TWO PHASE SAMPLING)
REGRESI DAN KORELASI SEDERHANA
….About Me…. Quotes: “ Do U see a star? It’s in your heart… That’s a hope.” Ika Yuni Wulansari, SST Lecturer June 2 nd, 1986
Rancangan Survei Ekonomis The Economic Design of Surveys.
Rabu 23 Maret 2011Matematika Teknik 2 Pu Barisan Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat – sifat barisan Barisan Monoton.
Pendugaan Parameter dan Besaran Sampel
UKURAN PEMUSATAN DATA Sub Judul.
Simple Random Sampling (SRS)
Bulan FEBRUARI 2012, nilai pewarnaan :
AREAL PARKIR PEMERINTAH KABUPATEN JEMBRANA
POPULASI DAN SAMPEL.
MULTI STAGE Pertemuan 2.
LANGKAH-LANGKAH melaksanakan SURVEI CONTOH
Ekonometrika Metode-metode statistik yang telah disesuaikan untuk masalah-maslah ekonomi. Kombinasi antara teori ekonomi dan statistik ekonomi.
Post Enumeration Survey Survei Pasca Pencacahan
Cluster Sampling By. Kadarmanto, Ph.D.
Penarikan sampel dua fase ( Two phase / Double sampling )
KULIAH KE-13 BIASES DAN NON SAMPLING ERROR
PENGERTIAN DAN PROSEDUR
Graf.
SURVEI CONTOH PERTEMUAN KE-4.
THREE STAGE SAMPLING (SAMPLING TIGA TAHAP)
BAB IV LANGKAH-LANGKAH PENELITIAN (…lanjutan...) IV – 1e
Materi 3 Penarikan sampling bertahap (Multi-Stage Sampling)
Statistika Deskriptif: Statistik Sampel
Sampling Klaster untuk Proporsi
Statistika Deskriptif: Distribusi Proporsi
Teknik Numeris (Numerical Technique)
Stratified Random Sampling
Oleh: J. Purwanto Ruslam
Korelasi dan Regresi Ganda
DISTRIBUSI PELUANG Pertemuan ke 5.
PENGERTIAN DAN PROSEDUR
Pengambilan Sampel Probabilitas
Transcript presentasi:

UJIAN KOMPREHENSIP MPC + SURCON TUTORIAL ATAU KISI-KISI ?

Hasil Ujian Komprehensip Smt.Gasal 2009/2010 Jumlah Soal “B” Banyaknya Mhs (f) Keterangan 1 2 3 4 5 6 7 8 9 10 Jumlah 30 37 77 64 50 22 290 Q1=5 Q2=Md=6 Q3=7 IQR=7-5=2 Sk=0

MATERI UJIAN ? Konsep Dasar Metode Sampling Two Stage Sampling Basic Survey Designs Bias dan Non Sampling Error PES Rancangan Survei Ekonomis

KONSEP DASAR SAMPLING Bila informasi dari survei ingin menarik kesimpulan populasi maka perlu digunakan sampling berpeluang. Bagaimana menarik sampel elemen/ kelompok agar dapat menarik kesimpulan tentang sebuah populasi dengan hasil yang memuaskan ?  Metode sampling memegang peranan penting untuk menyajikan estimasi

SAMPLING BERPELUANG Setiap unit dalam populasi harus mempunyai peluang untuk terpilih dalam sampel, maka dimungkinkan untuk menghasilkan estimasi parameter dari populasi seperti total, rata-rata dan pro-porsi. Untuk ini diperlukan kerangka sampel Makin kenal kita akan sifat populasi, makin tepat pemilihan sampel yang akan digunakan

TERMINOLOGI SAMPLING (1) Elemen Elemen adalah unit yg digunakan untuk mendapatkan informasi. Elemen merupakan individu yg informasinya akan digunakan untuk menghasilkan statistik (infrensial). Elemen biasanya merupakan unit sampling terkecil (ultimate sampling unit).

TERMINOLOGI SAMPLING (2) Populasi Populasi merupakan satu kesatuan dengan elemen. Populasi merupakan agregasi dari seluruh elemen yg perlu ditentukan. Populasi harus didefinisikan dengan menentukan isi, unit, cakupan dan waktu. Semua penduduk yg tinggal dalam rumahtangga biasa di Indonesia pada bulan Pebruari 2007.

TERMINOLOGI SAMPLING (3) Unit observasi Unit observasi adalah unit dimana informasi diperoleh baik secara langsung maupun melalui responden tertentu. Elemen sangat erat kaitannya dengan unit observasi. Elemen bisa sama dengan unit observasi, contoh rumah tangga adalah selain sebagai elemen juga dapat sebagai unit observasi, misalkan pengumpulan data keadaan tempat tinggal. Unit observasi bisa individu dari elemen, misalnya anggota ART.

TERMINOLOGI SAMPLING (3) Unit Sampling (Sampling Unit) Unit sampling adalah unit yg dijadikan dasar penarikan sample baik berupa elemen atau kumpulan elemen (klaster). Rumahtangga dapat dijadikan unit sampling dan atau kumpulan rumahtangga pada wilayah tertentu yaitu bloksensus. Individu perusahaan/usaha sbg unit sampling pada direktori perusahaan / usaha.

SIMPLE RANDOM SAMPLING Digunakan karena sangat terbatasnya pengetahuan terhadap unsur-unsur populasi. Keterangan yang lebih rinci untuk menilai derajat keseragaman atau menggolong-golongkan belum diperoleh Dari pengetahuan yang ada, belum diperoleh prosedur seleksi tandingan yang lebih efisien

SYARAT YANG PERLU DIPENUHI Tersedianya daftar kerangka sampel yang cermat dan lengkap Populasi data relatif seragam; Populasi tidak terlalu terpencar-pencar dalam areal yang luas.

PROSEDUR PEMILIHAN Without Replacement (tanpa pemulihan): Seluruh kemungkinan sampel With Replacement (dengan pemulihan): Seluruh kemungkinan sampel : ,

SYSTEMATIC SAMPLING (1) Pada penarikan sampel acak sederhana setiap unit dipilih dengan menggunakan tabel angka random. Dengan demikian kita harus menarik sampel sebanyak n kali, misal dari suatu wilayah harus dipilih 300 rumah tangga berarti harus mengambil angka random sebanyak 300 kali. Untuk memperingan penarikan sampel ini maka diterapkan penarikan sampel secara sistematik, dengan hanya mengambil satu angka random saja dan lainnya akan mengikuti dengan menghitung intervalnya

SYSTEMATIC SAMPLING (2) Menggunakan “interval (I)” = N/n. Dapat digunakan linear sistematik atau sirkuler sistematik Tetap random sampling dan peluang setiap unit diketahui

Keuntungan: Lebih cepat, murah dan mudah pelaksanaannya dari pada cara-cara yang lain. Pengambilan sampel tanpa harus menggunakan kerangka sampel Sampel sistematis tersebar lebih merata, sehingga kemungkinan besar menghasilkan sampel yang lebih representatif dan lebih efisien dari pada SRS.

Kelemahan: Penduga varian sulit diperoleh dari sampel sistematis tunggal. Apabila unit dalam populasi yang akan diambil sampel mengikuti pola tertentu, misalnya berfluktuasi secara periodik. Penyusunan yang tidak baik mungkin menghasilkan sampel yang sangat tidak efisien.

PPS SAMPLING (1) Sampling with Probability Proportional to Size (PPS) adalah suatu prosedur penarikan sampel dimana peluang terpilihnya suatu unit sampel sebanding dengan ukuran Ukuran yang dimaksud adalah informasi tambahan (auxiliary information) yang dipertimbangkan sebagai dasar penarikan sampel dan memiliki korelasi yang erat dengan variabel-variabel yang akan diteliti.

Variabel yang diteliti   PPS SAMPLING (2) Variabel yang diteliti Variabel tambahan Penduduk sekarang Penduduk sensus sebelumnya/luas geografi Jumlah kelahiran sekarang sebelumnya Total pendapatan Luas panen Total luas yang ditanami Produksi pabrik Jumlah pekerja  

STRATIFIED SAMPLING Dalam metode sampling dikenal dengan istilah strata, yaitu mengelompokkan unit-unit dalam populasi menjadi strata, dengan tujuan untuk efisiensi penggunaan metode sampling atau untuk keperluan lain seperti domain penyajian (daerah perkotaan dan daerah pedesaan, daerah miskin dan bukan daerah miskin, atau daerah sulit dan bukan daerah sulit). Penggunaan stratifikasi untuk efisiensi metode sampling adalah dengan mengusahakan pengelompokan elemen yang karakteristiknya lebih homogen.

Pembentukan Strata (1) Pengelompokan unit sampling ke dalam strata yaitu membagi N unit sampling menjadi N1, N2, ……….., NL yang masing-masing menunjukkan jumlah unit dalam strata, yaitu strata ke 1, ke 2, dan seterusnya sampai dengan ke L. L menunjukkan banyak strata yang dibentuk pada populasi. N1 + N2 + ……………. + NL = N

Pembentukan Strata (2) Untuk membentuk strata diperlukan variabel pendukung yang dapat digunakan untuk mengelompokkan unit sampling sehingga varians dari nilai variabel di dalam strata menjadi lebih homogen. Dan bila memungkinkan lebih baik lagi bila dapat diusahakan agar perbedaan rata-rata nilai karakteristik antar strata dibuat sebesar mungkin.

ESTIMASI RASIO (1) Metode sampling digunakan dengan maksud merencanakan sampel yg paling efisien (meminimumkan kesalahan sampling), dengan menggunakan sebanyak mungkin informasi yg tepat sesuai dengan obyek dan tujuan survei Seperti Stratified Sampling, PPS Sampling, menggunakan auxilary information (informasi tambahan) Peningkatan efisiensi juga dikembangkan pada estimasi Rasio yg menggunakan informasi tadi sebagai variabel pembantu dalam estimasi.

ESTIMASI RASIO (2) Apabila akan menggunakan metode sampling seperti Stratified Sampling, PPS Sampling dan Estimasi Rasio, informasi harus tersedia pada setiap unit yg akan dijadikan :dasar stratifikasi (Stratified Sampling), atau penghitungan peluang terpilihnya satu unit (PPS Sampling) atau penerapan estimasi rasio.

ESTIMASI RASIO (3) Dengan menggunakan Estimasi Rasio, misalnya kita dapat memperoleh informasi mengenai perkembangan banyaknya Ruta/penduduk, lahan pertanian, besarnya pembayaran upah dan gaji, dan rata-rata penghasilan Ruta. Untuk data semacam ini Estimasi Rasio akan lebih efisien, karena yg diharapkan adalah gambaran perubahannya, dengan tidak menutup kemungkinan mendapatkan estimasi total.

ESTIMASI RASIO pada DATA AGREGAT Diantara metode sampling yang ada Estimasi Rasio paling banyak dipakai dan penerapannya paling mudah Estimasi Rasio cocok apabila unit-unit populasi mempunyai karakteristik yang berkorelasi positif. Bentuk Sederhana dari Estimasi Rasio :

PENDUGA REGRESI Estimasi regresi dirancang untuk meningkatkan presisi dengan menggunakan variabel pendukung (auxillary variable) yg mempunyai korelasi dg karakteristik dari variabel yg akan diteliti. Apabila variabel y dan x mempunyai hubungan linier, maka disarankan untuk dilakukan dengan dasar regresi linier.

PENDUGA REGRESI Seseorang ingin menyempurnakan perkiraan produksi buah mangga di suatu areal lahan. Petani memperkirakan hasil produksi buah dg cara eye estimate (berdasarkan pengalaman) merupakan perkiraan kasar. Perkiraan banyaknya produksi dapat ditingkatkan presisinya melalui estimator regresi, dg cara mengambil sampel pohon dan menimbangnya maka diperoleh perkiraan yg lebih baik. Dalam estimator regresi penarikan sampel dg SRS dan didahului dg difference estimator yg merupakan persamaan linier yg sederhana.

CLUSTER SAMPLING (SAMPLING KLASTER) Pengertian: Klaster = kelompok unit yg lebih kecil, seperti elemen atau subunit Penarikan sampling klaster  klaster sebagai sampling unit Sampling klaster satu tahap  seluruh unit dalam klaster terpilih, dicacah

CLUSTER SAMPLING Alasan: Tidak ada daftar elemen dalam populasi Lebih ekonomis, mis.nya perlu biaya yg besar untuk membuat daftar elemen dalam populasi dan biaya pencacahan lebih hemat Sampling unit berkelompok, lebih nyaman (lebih mudah dan cepat) dibanding SRS Peta dari suatu wilayah seperti blok sensus/ segmen biasanya sudah tersedia dan dapat dijadikan klaster. Persyaratan : klaster mempunyai batas yg jelas dan tidak tumpang tindih

Unit Listing/ Daftar Unit Contoh Klaster, unit listing, elemen / unit analisis, serta aplikasi Klaster Unit Listing/ Daftar Unit Elemen/Unit Analisis Aplikasi (1) (2) (3) (4) 1. Blok Sensus Rumahtangga Orang Estimasi jumlah rumahtangga/ penduduk beserta karakteristiknya 2. Desa Sekolah Guru/ Murid Estimasi jumlah guru/ murid beserta karakteristiknya 3. Sekolah Kelas Murid Estimasi jumlah murid beserta karakteristiknya 4. Halaman buku Baris Kata Estimasi jumlah kata dalam buku 5. Bulan Minggu Hari Estimasi rata-rata kepadatan lalu lintas.

Penarikan sampel dua tahap Misalkan jumlah unit yang dapat dijadikan dasar untuk penarikan sampel tahap pertama ( pstp atau first stages sampling unit – fsu) adalah N, dan jumlah unit yang dapat dijadikan dasar penarikan sampel tahap kedua ( pstd atau secondary sampling unit – ssu) pada setiap unit penarika sampel tahap pertama yang ke-i adalah Mi . Contoh : Sampel dua tahap dengan jumlah unit sama N = 81, n = 5, M = 9, m = 2       N = 81 unit n = 5 unit M = 9 subunit M = 9 subunit M = 9 subunit M = 9 subunit M = 9 subunit m = 2 sub unit m = 2 sub unit m = 2 sub unit m = 2 sub unit m = 2 sub unit

Penarikan Sampel Acak Dua Tahap Penarikan sampel dua tahap, kedua tahap acak sederhana Dari N unit pstp dipilih n unit, dan dari Mi unit pstp pada setiap ke-i dipilih sebanyak mi unit. Penarikan sampel pada kedua tahap menerapkan metode penarikan sampel acak sederhana tanpa pemulihan. Banyaknya sampel pada pstd adalah m1+m2+…+mn. Misalkan yij adalah nilai karakteristik Y pada unit pstd ke-j dan pstp ke-i yang terpilih (j=1,2,…,mi) dan (i=1,2,3,…,n). Secara skematis penarikan sampel acak sederhana dua tahap dapat disajikan pada gambar berikut. Penarikan Sampel Acak Dua Tahap (N=12, n=4 , m1=3, m2=2, m3=5, m4=3)   6 7 Keterangan: Unit pstp terpilih : Unit pstd terpilih 1 2 3 4 5 8 9 10 11 12

Tabel 3.1 : Penarikan sampel dua tahap dengan metode PSAS DP     dPenduga Parameter (1) Penarikan sampel dua tahap dengan metode SRSWR (PSAS DP) Rancangan penarikan sampel yang digunakan adalah rancangan penarikan sampel 2 tahap, dengan tahapan sebagai berikut :  Tahap pertama, dari N unit sampling tahap pertama dipilih n unit dengan menerapkan metode PSAS DP. Tahap kedua, misalkan pada setiap unit pstp yang terpilih memuat Mi unit pstd, selanjutnya dipilih mi unit dengan menerapkan metode PSAS DP. Dari uraian rancangan penarikan sampel yang direncanakan dapat ditentukan peluang, dan fraksi sampling pada setiap tahap penarikan sampel seperti tercantum pada tabel di bawah ini. Tabel 3.1 : Penarikan sampel dua tahap dengan metode PSAS DP Tahap Banyaknya unit di dalam Metode penarikan sampel Peluang pemilihan sampel Fraksi sampling Populasi Sampel Pertama N n PSAS-DP Kedua Mi mi

Dengan demikian selanjutnya dapat ditentukan besarnya faktor pengali (inflation factor) pada tahapan penarikan sampel yang merupakan kebalikan dari fraksi sampling dan factor pengali-pengalinya (overall inflation factor) adalah: Faktor pengali pstp    Faktor pengali pstd   Faktor pengali keseluruhan, yang berbeda antar pstp, kecuali bila F2i = F2 konstan,  F = F1.F2 merupakan desain tertimbang sendiri (self-weighting design). Misal yij menyatakan nilai karkteristik Y pada pengamatan ke-j dalam unit pstp ke-i, maka rumus umum estimasi yang tak bias bagi total adalah dengan Ambil wij dan diletakkan pada rumus umum, maka akan diperoleh estimasi bagi total karakteristik Y berdasarkan nilai-nilai sampel, yaitu :

Tabel 3.2 : Rencana penarikan sampel 2 tahap dengan metode PPS dan PSAS DP   Tahap Banyaknya unit di dalam Metode penarikan sampel Peluang pemilihan sampel Fraksi sampling Populasi Sampel Pertama N n PPS DP Kedua Mi mi PSAS DP   Penduga tak bias bagi total karakteristik Y yang hanya didasarkan pada unit penarikan sampel tahap pertama ke-i adalah

BASIC SURVEY DESIGNS CROSS SECTIONAL SURVEY LONGITUDINAL SURVEYS - TREND STUDIES - COHORT STUDIES - PANEL STUDIES

CROSS SECTIONAL SURVEY (1) Dikumpulkan pada satu titik waktu Estimasi populasi pada saat itu Informasi tunggal dan kaitan antar variabel Cross Sectional Survey – dilakukan pencacahan sekali dg variabel yg banyak

CROSS SECTIONAL SURVEY (2) Survei Biaya Hidup (SBH) bertujuan untuk menyajikan indeks harga penimbang untuk survei konsumsi untuk mendapatkan pola konsumsi

CROSS SECTIONAL SURVEY (3) Susenas Data pokok/kor, misalnya mengaitkan pendidikan; pekerjaan dengan pola konsumsi Data modul / rinci

CROSS SECTIONAL SURVEY (4) Supas Lima tahun sekali Untuk melihat perubahan fertilitas, mortalitas,dsb supaya data yang dipakai dalam survei-survei tidak out of date

LONGITUDINAL SURVEY Dilakukan pencacahan dari waktu ke waktu dapat berupa description (deskriptif), atau explanatory (penjelasan) Trend Studies Cohort Studies Panel Studies

TREND STUDIES (1) Studi trend : adalah studi yang dlakukan dari waktu ke waktu terhadap suatu populasi dengan sampel yang independen untuk mengkaji perkembangan dari karakteristik yang terpilih.

TREND STUDIES (2) Survei produksi palawija  Sakernas  Survei harga Survei produksi palawija  Sakernas Definisi populasi : penduduk 15 th ke atas Trend : triwulanan Sampel Tw. II sebesar 50% merupakan ulangan sample Tw.I

COHORT STUDIES (1) Studi cohort – studi yang dilakukan dari waktu ke waktu terhadap bagian tertentu dari populasi dengan sampel yang independen untuk mengkaji perkembangan dari karakteristik yang diteliti.

COHORT STUDIES (2) Difokuskan pada spesifik populasi (cohort)  pengangguran. Dilaksanakan secara berkala Populasi keadaan awal dan diikuti Sampel dapat berbeda

PANEL STUDIES (1) Studi panel – studi yang dilakukan dari waktu ke waktu dengan sampel yang sama (panel) untuk mengkaji perkembangan dari karakteristik yang diteliti.

PANEL STUDIES (2) CONTOH : SUSENAS PANEL Susenas panel untuk mengetahui perkembangan pola konsumsi di Indonesia. Survei dilakukan dengan sampel yang sama.

BIASES DAN NON SAMPLING ERROR (1)  Bias dan Non Sampling Error Bias merupakan systematic errors, kaitandengan variable errors Bias dan non sampling error harus dipikirkan karena mempunyai pengaruh yang besar terhadap total error

NON SAMPLING ERROR (1) Non sampling error dipengaruhi oleh : a. Kesalahan konsep -definisi b. Daftar isian yang kurang baik dan pedoman yang tidak jelas c. Kualifikasi petugas d. Pelatihan petugas lemah e. Responden tidak cooperative

NON SAMPLING ERROR (2) f. Pengawasan dan atau pemeriksaan serta monitoring tidak dilakukan/ lemah g. Editing & coding tidak dilakukan dengan baik h. Kesalahan perekaman data i. Lainnya

Hubungan Variable Sampling Error dan Bias (1)

Hubungan Variable Sampling Error dan Bias (2) Suatu desain dapat dikategorikan :  Accurate (akurasi), yg berkaitan dengan total error. Suatu design dikatakan accurate bila mempunyai total error kecil  Precise (yang berkaitan dengan variable error),tapi tidak accurate. Suatu design misalnya mempunyai sampling error kecil akan tergolong dalam design yg mempuyai presisi yg baik  tidak keduanya

Dapat juga dikategorikan Reliability: design yang mempunyai sampling error kecil, tetapi sebenarnya mempunyai bias yang besar (design kurang mewakili populasi) Validity : design yg cukup baik tetapi sampling error besar. Dalam hal ini design sudah cukup baik tetapi besarnya sample tidak memenuhi persyaratan minimum sample sizes (sample kurang)

Gb : Hubungan VE dan Bias

Sumber-sumber Bias/ kesalahan 1. Sampling Bias (Bias Sampling): a. Frame biases b. “Consistent” sampling biases c. Constant statistical bias 2. Non Sampling Biases (Bias Di Luar Sampling): a. Non Observation (Di luar Observasi) - Non Coverage - Non response b. Observation (dalam Observasi) - Field : data collection - Office : data processing

Sampling Bias (1) “Frame biases “ Bias terjadi karena penggunaan kerangka sampel yang salah. Contoh : digunakan kerangka sampel yang bukan data mutahir, penggunaan data pendukung yang salah (menggunakan PPS sampling tetapi size tidak ada korelasi dengan data yang kita amati) atau definisi frame tidak sesuai dengan unit analisis

Sampling Bias (2) Bias yang menyangkut penghitungan, seperti dalam Consistent Sampling Biases dan Constant Staistical Biases, dapat diatasi pada saat estimasi, yaitu pada saat penetapan faktor pengali dan penimbang. Sehingga hal ini dapat diamati sepanjang data yang digunakan dari hasil survei benar atau data yang digunakan sebagai pendukung akurat, misal data untuk penimbang.

Effective Sample Sizes (1)  Contoh : Effective sample sizes (besarnya sample yang efektif dengan menghitung bias). - Nilai rumah rata-rata $ 9200 - Standar deviasi (Sy) $ 5700 - Bias $ 320 (3,5 %) Apakah bias ini besar?

Effective Sample Sizes (2)  n 100 1000 10.000 100.000 SE 0.57 0.18 0.057 0.018

Effective Sample Sizes (3) Jadi SE berbanding terbalik dengan Total error n 100 1000 10.000 100.000 TE 0.65 0.37 0.32 0.32

Effective Sample Sizes (4)  Berapa n’ agar SE = total error n 100 1000 10000 100000 n’ 76 240 308 317

Effective Sample Sizes (5) SE & n’ makin lama makin konstan, yang paling bagus adalah 308 karena total error sudah konstan. n’ = effektif sample size

PES (Pasca Evaluasi Survei/ Sensus ) (1) PES ditujukan untuk mengetahui berbagai kesalahan di luar teknik sampling PES tidak untuk memperbaiki estimasi tetapi ditujukan untuk : - mengkaji sejauh mana kira-kira ada kesalahan baik ditinjau dari cakupan (coverage) maupun dari isi (content) - sebagai pendukung analisis - sebagai masukan untuk penyempurnaan metodologi yang akan datang

PES (2) - salah cacah (errorneous inclusion) - lewat cacah (omission)  Coverage Error (salah cakupan) - salah cacah (errorneous inclusion) - lewat cacah (omission) - double cacah  Content Error (salah isian) - salah isi (errorneous entries) - tak ada isian (non response entries)  Misalnya dalam listing:  Coverage : unit sampling  Content : karakteristik (dalam kuesioner )

 Untuk Melihat Coverage Error  Formula Chandra Demming  Formula /model Uttam Chand  Metode David Bateman  Dual System Estimation Model  Diadakan PES

 Coverage Error Check Coverage check bertujuan untuk mengetahui apakah dalam pelaksanaan pendaftaran bangunan dan rumah tangga terjadi lewat cacah atau cacah ganda di suatu blok sensus terpilih dan apakah blok sensus yang terdapat dalam sketsa peta blok sensus sudah dicacah semuanya.

 Content Error Check Antara lain dengan penghitungan: Index of reliability Index of concistency

Formula Chandra Demming (1) SURVEI/ SENSUS Jumlah Ya Tidak P E S M U2 N2 U1 N1

Formula Chandra Demming (2) Asumsi : kegiatan sensus/survei dan PES dilakukan secara independen Under enumeration dari survei/ sensus : Under enumeration dari PES: Kondisi yang dibandingkan sama  perlu identifikasi dalam dafar isian

Tabel 1. Hasil Matching RUTA pada Blok Sensus Terpilih PES STO3 dengan Metode Chandra Demming Jumlah Ya Tidak P E ST03 S 55.109 (84,28) 4.565 (6,98) 59.674 (91,26) 5274 (8,07) 437 (0,67) 5.711 (8,74) 60.383 (92,35) 5.002 (7,65) 65.385 (100,00)

HASIL MATCHING DENGAN METODE CHANDRA DEMING

Metode Uttam Chand (1) SURVEI/SENSUS Ya Tidak P E S M U2 N2 U1 N1

Metode Uttam Chand (2) Metode Uttam Chand, lebih menitik-beratkan pada persoalan salah cacah (U1) dan lewat cacah (U2) Sementara persoalan unit karakteristik yang tidak tercakup baik dalam sensus dan PES (m) tidak diperhatikan dalam metode ini

Metode Uttam Chand (3)  Assumsi : PES lebih baik  Bias Cakupan:Census Coverage Bias (CCB):  Positif : survei/ sensus over enumeration  Negatif : survei/ sensus under

Tabel 2. Hasil Matching RUTA pada Blok Sensus Terpilih PES STO3 dengan Metode Uttam Chand Jumlah Ya Tidak P E ST03 S 55.109 (84,85) 4.565 (7,03) 59.674 (91,88) 5274 (8,12) - 5.274 60.383 (92,97) 64.948 (100,00)

HASIL MATCHING DENGAN METODE UTTAM CHAND

Metode David Bateman (1) SURVEI/SENSUS Ya Tidak P E S M U2 N2 O N1

Metode David Bateman (2) Persoalan utama yang diperhatikan dalam metode ini adalah jumlah unit karakteristik yang dicakup dalam PES tetapi tidak tercakup dalam sensus (U2)

Metode David Bateman (3)  Assumsi : Sama dengan Uttam Cand PES lebih baik  Tingkat tak tercakup survei/ sensus (Census Miss Rate/ CMR) :

Catatan: Uttam Chand masih mempertimbangkan “ya” di sensus  David Bateman tidak mempertim-bangkan “ya” di sensus. Misal di PES tidak ada berarti di sensus tidak ada

Tabel 3. Hasil Matching RUTA pada Blok Sensus Terpilih PES STO3 dengan Metode David Bateman Jumlah Ya Tidak P E ST03 S 55.109 (92,35) 4.565 (7,65) 59.674 (100,00) -

HASIL MATCHING DENGAN METODE DAVID BATEMAN

Dual System Estimation Model (1) SURVEI/SENSUS Ya Tidak P E S M U2 N2 U1 N1

Dual System Estimation Model (2) Metode ini mengasumsikan bahwa kualitas data sensus/ survei sama dengan PES. Apabila sensus dinyatakan dengan E1 dan PES dinyatakan dengan E2, adalah dua kejadian yang independen.

Dual System Estimation Model (3)  Under Coverage dari survei/ sensus:  Under Coverage dari PES:

Dual System Estimation Model (3) Perkiraan jumlah karakteristik yang sebenarnya : Metode Dual System Estimation Model, akan lebih akurat jika kondisi-kondisi berikut dipenuhi: E1 dan E2 adalah dua kejadian yang independen N2 merupakan perkiraan yang akurat, dan Matching dilakukan dengan baik sehingga M merupakan perkiraan yang akurat.

Tabel 4. Hasil Matching RUTA pada Blok Sensus Terpilih PES STO3 dengan Metode Dual System Estimation Model ST03 Jumlah Ya Tidak P E ST03 S 55.109 (84,28) 4.565 (6,98) 59.674 (91,26) 5274 (8,07) 437 (0,67) 5.711 (8,74) 60.383 (92,35) 5.002 (7,65) 65.385 (100,00)

HASIL MATCHING DENGAN METODE DUAL SYSTEM ESTIMATION MODEL

The Economic Design Survey / Rancangan Survei Ekonomis  Penentuan Besarnya Sampel  Bagaimana penentuan besarnya sample untuk berbagai teknik sampling  Penentuan sample dengan fixed variance dan fixed cost (m opt. dan n opt.)

Penentuan Besarnya Sampel  Prinsip dari tehnik sampling yang berbeda dikehendaki n sekecil mungkin tetapi presisi sesuai yg ditentukan,paling umum digunakan  Design Effect (Deff)

Rancangan Survei Ekonomis (1) Cluster digunakan bila efek dari penurunan biaya per elemen lebih besar dari kenaikan elemen variance  Economic Design Minimum variance for fixed cost Minimum cost for fixed variance Variance tehnik sampling

Rancangan Survei Ekonomis (2) B.I.A.Y.A Total = K + C = K + Kv + nc + n Cv K = biaya konstan tidak tergantung desain Kv= tidak tergantung besarnya sample tapi dipengaruhi desain n (c + Cv)   konstan tgt.desain c = biaya per elemen & konstan tidak dipengaruhi desain Cv = biaya per elemen yang tergantung pada desain

Biaya yang termasuk “K” Biaya untuk mendesain survei, termasuk desain sampel Biaya untuk diskusi merancang survei mulai dari penentuan obyek & tujuan sampai dengan persiapan lapangan Penyusunan daftar isian dan buku pedoman Penyiapan organisasi lapangan Analisis hasil Overhead lainnya (biaya kantor)

Biaya yang termasuk“Kv” Kv” merupakan biaya yang tergantung perubahan desain tetapi tidak tergantung besarnya sample. Perubahan desain mempengaruhi antara lain: Penghitungan estimasi/ variance Pemberian penimbang Kegiatan yang berkaitan dengan metode sampling seperti penyiapan data untuk keperluan stratifikasi, peta, penarikan sample dsb Pelatihan yang berkaitan dengan sampling

Biaya  “ nc”  “ nc” adalah total biaya yang proporsional terhadap besarnya sampel tetapi tidak dipengaruhi oleh perubahan desain Contoh biaya ini : - Biaya pencacahan/ interview/ wawancara - Biaya editing dan coding - Biaya lainnya yang terkait metode sampling (misalnya biaya untuk membuat weight setiap wawancara  jarang)

Biaya  “nCv” pelatihan petugas pengawasan lapangan  “nCv” merupakan total biaya yang proporsional terhadap besarnya sampel tetapi dipengaruhi desain, seperti: pelatihan petugas pengawasan lapangan lokasi dari responden yang tergantung dari transportasi biaya untuk pembentukan frame di lapangan seperti listing/ pendaftaran unit biaya untuk penyiapan materi sampling dan penarikan sampel

 Model Yang Digunakan  COST MODEL Membandingkan 2 desain v dan v’ desain v’ lebih baik bila rasio > 1

 COST MODEL atau Catatan: biasanya roh = roh’, karena menggunakan klaster yang sama