Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L

Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L
* Survey Research Method. Babbie, E.L. * Sampling of Population, Method and Aplication. Levy, P.S. and Lemeshow, S. Mekanisme perkuliahan Nilai : * Kuis * Tugas kelompok * UTS * UAS C.Maksum

Materi 1 Pengumpulan Data Dan Survei Contoh
Kebutuhan data utk perencanaan, pelaksanaan/penentuan kebijakan, pemantauan dan evaluasi kegiatan Berbagai cara pengumpulan data : - Registrasi atau catatan administrasi Apabila baik (konsep/definisi & ukuran)  statistik yg baik - Eksperimen, misal penelitian ttg pengaruh varitas thd produktivitas suatu tanaman. - Sensus. Sisi positif : - penyajian sampai wilayah kecil - utk pembuatan kerangka sampel Sisi negatif : - variabel terbatas - waktu pengumpulan dan pengolahan lama - biaya besar dan akurasi kurang C.Maksum

Survei Contoh  ambil sebagian tetapi mencerminkan
populasi  teori probabilita  “Keseimbangan” antara jumlah variabel, akurasi, tenaga, waktu dan biaya alasan Survei Contoh sering digunakan dlm pengumpulan data C.Maksum

Sistim Statistik Nasional
TIPE PENYELENGGARA METODA HASIL Instansi Pemerintah Statistik Sektoral Survei & Pengumpulan lainnya Forum Masyarakat Statistik Data Sinopsis Selaku Pusat Rujukan Statistik Kebutuhan Data Statistik Penyediaan Informasi Statistik BPS Statistik Dasar Sensus, Survei & Pengumpulan Lainnya Data Sb Daya, Metoda Sarana/Prasarana Iptek+Perangkat Sinopsis Masyarakat Survei & Pengumpulan lainnya Statistik Khusus Data C.Maksum

3) Pertimbangan sebelum melakukan Survei Contoh. - Kegunaan data
- Data sdh tersedia ? - Cara pengumpulan yg tepat (desain) - Pengetahuan ttg substansi (disiplin ilmu) materi survei - Biaya 4) Sisi positif dan negatif Survei Contoh Positif : - penghematan biaya dalam pengumpulan data - pengumpulan dan penyajian data lebih cepat - cakupan variabel lebih luas - akurasi lebih baik Negatif : - memerlukan kerangka sampel - tidak dapat menyajikan data wilayah kecil C.Maksum

Persyaratan kerangka sampel :
- Tersedia sampai ke unit sampel, sbg dasar penarikan sampel - Lengkap (tidak ada unit yg hilang) - Mempunyai batas yg jelas - Tidak tumpang tindih - Mempunyai korelasi dg informasi yg akan diteliti - mutahir (up to date). Risiko dari persyaratan di atas (bias karena kerangka sampel) : - Unit sampel tidak dijumpai - Unit sampel duplikasi - Unit sampel terpecah - Unit sampel tergabung - Unit yg belum terdaftar dalam kerangka sampel, terpilih C.Maksum

5). Sampling Error dan Non Sampling Error
A C B Non Sampling error Error Sampling error Jumlah sampel Apabila dilakukan survei contoh, total error terkecil  B (sampling error dan nonsampling error sama) Pada desain sampel : menentukan besar sampel (n) berdasar presisi, sedangkan non sampling error dikurangi dg merancang dan melaksanakan survei sebaik- baiknya C.Maksum

Materi 2 Langkah-langkah Pelaksanaan Survei Contoh
Tahapan Kegiatan perencanaan, persiapan, pelaksanaan, pengolahan, serta penyajian Perencanaan Survei (desain survei) : a) penentuan obyek dan tujuan survei b) populasi dan target populasi c) materi survei d) desain survei 3) Persiapan Lapangan a) hal-hal yg perlu disiapkan b) hal-hal yg perlu dikaji Pelaksanaan Lapangan a) prosedur pelaksanaan lapangan b) pengaturan kegiatan Pengolahan Penyajian, Diseminasi dan Analisis C.Maksum

PERENCANAAN SURVEI (DESAIN SURVEI)
a) Penentuan obyek dan tujuan survei - Dilakukan secara menyeluruh dg mempertimbangkan banyak hal a.l materi yg akan dikumpulkan, teknik sampling, biaya, lapangan, dan tenaga. Dalam penentuan obyek dan tujuan survei, pihak terkait : survei desainer, produsen serta konsumen. - Penentuan skala prioritas agar hasilnya optimal. Beberapa hal yg perlu dijabarkan : - informasi yg dibutuhkan - domain penelitian dan penyajian - tabulasi - derajat akurasi C.Maksum

Beberapa hal yg terkait dg masalah di atas :
definisi variabel penentuan unit observasi, responden, unit analisis, unit sampling, dan unit listing pemanfaatan hasil survei metode analisis b) Populasi dan target populasi Dari butir a) di atas  dapat digambarkan populasi yg akan dicakup yg meliputi : wilayah, unit, materi yg akan diteliti serta waktu pelaksanaan survei Non Probability samples Inferensi Kemudahan Kelengkapan Indikator, model, Non response Coverage error ekstrapolasi, dsb Probability samples Populasi Frame Populasi Target Populasi C.Maksum

Populasi (survei)  Frame Populasi  Target Populasi  Inferensi
Tahapan Populasi: Populasi (survei)  Frame Populasi  Target Populasi  Inferensi Tahap awal berdasarkan obyek dan tujuan survei  probability atau nonprob sampling Prob Sampling  peluang terpilih dalam sampel, sampling dan nonsampling error Nonprob Sampling  aspek ketidak pastian, studi kasus c) Materi Survei : - Cara mendapatkan informasi - Variabel dan daftar isian yg akan digunakan Cara mendapatkan informasi : Catatan administrasi Observasi langsung Wawancara tatap muka Pengisian sendiri (self enumeration) Pos, telepon, media komputer, dll. C.Maksum

Masing-masing cara di atas mempunyai kelebihan dan kelemahan, perlu
dipertimbangkan dari sisi kebutuhan informasi, responden serta dana dan waktu yg tersedia. Sebagai contoh , apabila wawancara tatap muka, kelebihannya, a.l. : - petugas sesuai kualifikasi - “keadaan” responden dapat diketahui - informasi yg diperoleh lebih rinci Kelemahan, a.l. : - bias wawancara - biaya mahal - waktu relatif lama Apabila menggunakan media komputer, telepon dan pos, kelebihannya, a.l. : - bias wawancara tidak ada - biaya relatif murah kelemahannya, a.l. : - informasi tidak rinci - non respon besar - waktu tidak terkontrol - salah isian sulit dideteksi C.Maksum

Variabel dan daftar isian
- Penentuan variabel bebas/independent/explanatory dan tidak bebas/ dependent - Mengaitkan variabel dg penyusunan daftar isian dan buku pedoman - Mengaitkan variabel dg time reference (periode referensi) - Mengaitkan variabel dg periode survei Catatan ttg variabel : - prioritas variabel utk masuk dlm daftar isian - variabel yg sulit diingat oleh responden - variabel sensitif d) Desain Survei Beberapa hal yg dipertimbangkan sblm menentukan teknik sampling yg sesuai : - penentuan target populasi - kerangka sampel yg tersedia beserta informasi pendukungnya - metode sampling yg dapat diterapkan, penarikan sampel + daftar sampelnya - sampling error + prosedur estimasinya C.Maksum

desain survei (oleh desainer survei) :
Disamping teknik sampling, beberapa hal yg dipertimbangkan sblm menentukan desain survei (oleh desainer survei) : - penentuan obyek + tujuan survei, variabel, konsep-definisi, pengukuran variabel, unit sampel, unit analisis dan hal lain yg terkait - cara mendapatkan informasi/data, pengolahan dan hal lain yg terkait - domain (tingkat) penyajian, analisis yg akan dilakukan - nonsampling error - penyajian dan diseminasi - pemanfaatan hasil survei Desainer sampel perlu memperhatikan lebih rinci ttg : - kerangka sampling, penentuan metode sampling dan metode estimasinya - identifikasi dan penentuan sampling unit, penarikan sampel dan daftar sampel - penentuan jumlah sampel berdasarkan presisi yg disepakati Kesepakatan desainer survei dan desainer sampel : - penentuan target populasi, unit sampel dan unit analisis - presisi, jumlah sampel, biaya - estimasi dan analisis statistik - penghitungan dan penyajian sampling error - non response, non coverage, penimbang, imputasi C.Maksum

Pertimbangan yg diperlukan sebelum melaksanakan persiapan survei :
PERSIAPAN LAPANGAN Pertimbangan yg diperlukan sebelum melaksanakan persiapan survei : - obyek dan tujuan sudah jelas ? - desain sudah cocok dg obyek dan tujuan ? - teori yg mendukung ? - manfaat survei ? - survei longitudinal atau cross sectional ? - revisit atau reinterview ? - waktu dan biaya optimum ? - rangkaian dari pelaksanaan – diseminasi sudah jelas ? - keterbatasan/ kendala yg mungkin dihadapi - utk data yg lb baik, perlu tambahan dana/sumber dana dari pihak lain ? a) Hal-hal yg perlu disiapkan - organisasi survei baik lapangan maupun non lapangan - tahapan secara rinci beserta jadualnya - petugas ; syarat, pemilihan dan beban tugas - materi survei dan pengolahan. C.Maksum

* Materi yg diperlukan utk mendapatkan informasi
b) Hal-hal yg perlu dikaji * Materi yg diperlukan utk mendapatkan informasi - cara mendapatlan informasi >< petugas - penyediaan daftar isian (kaitannya dg unit sampel dan unit analisis) - buku pedoman * Materi yg berkaitan dg petugas - daftar sampel - rekrutmen petugas dan alokasinya - syarat dan beban petugas - pelatihan petugas * Mekanisme pengelolaan dokumen - penyiapan materi survei - penyiapan materi survei utk lapangan - pengiriman hasil survei * Penentuan periode survei dan waktu yg diperlukan - waktu utk mendapatkan data di lapangan (periode survei) - waktu yg diperlukan utk perjalanan ke responden - waktu yg diperlukan utk wawancara * Mekanisme pengawasan dan pemeriksaan - kelancaran pelaksanaan lapangan ( penerangan, pendekatan ke responden) - kualitas hasil pengumpulan data - nonresponse, revisit dan cara mengatasinya C.Maksum

- sesuai dg prosedur dan kriteria yg telah ditentukan
PELAKSANAAN LAPANGAN a) Prosedur pelaksanaan lapangan  dibuat jadual waktu utk setiap kegiatan - sesuai dg prosedur dan kriteria yg telah ditentukan - mematuhi daftar sampel - mematuhi jadual waktu - menjaga akurasi - mengatasi nonresponse - meneliti kelengkapan isian dan dokumen - penyampaian hasil survei b) Pengaturan kegiatan * Kegiatan yg dapat dilakukan bersamaan * Kegiatan yg baru dapat dilakukan setelah suatu kegiatan selesai - aspek ketergantungan, cari kegiatan yg “kritis” agar tidak terlambat - kegiatan yg independen tetap perlu mengikuti jadual C.Maksum

a) Menetapkan prosedur, mekanisme dan petugas pengolahan
b) Membuat panduan pengolahan - coding berdasarkan klasifikasi yg ditentukan - editing : pemeriksaaan kewajaran data dan konsistensi antar variabel (rule validasi) c) Pengecekan pra komputer (ketelitian data / validasi) pemberian kode sesuai buku panduan d) Perekaman data ke media komputer e) Pengecekan pasca komputer (komputerisasi/manual) f) Tabulasi dan pengecekan kewajaran hasil pengolahannya (penentuan faktor pengali dan penimbang) Pada tahap ini perlu dikaji secara khusus kewajaran hasil pengolahannya dan kemungkinan implikasinya C.Maksum

PENYAJIAN, DISEMINASI DAN ANALISIS
a) Seminar, diskusi dengan pihak terkait b) Publikasi dalam bentuk hard copy atau soft copy (media elektronik) c) Penyajian akurasi survei d) Analisis : - Deskriptif - Statistik / Inferensial C.Maksum

Materi 3 Basic Survey Designs (Babbie E.R.)
1) Purpose of Survey Research ( Tujuan survei) Survey research  riset di bidang sosial secara empirik(sensus pendduk, jajak pendapat publik, riset pemasaran, riset epidemiologi dsb). Pada dasarnya ada 3 tujuan survei : Description (deskriptif), Explanatory (Penjelasan), Exploratory (Eksploratori). Suatu survei dapat mempunyai lebih dari satu tujuan. - Description  utk mengetahui distribusi atribut suatu populasi atau bagian dari atribut populasi. Contoh Atribut : Sensus pendduk a.l. utk mengetahui distribusi umur dan jender; suatu jajak pendapat ingin mengetahui prosentase perolehan suara calon; Survei ketenagakerjaan a.l. ingin mengetahui penganggur dibandingkan dg orang yg bekerja Contoh bagian atribut : Survei ketenagakerjaan disamping ingin mengetahui penganggur dibandingkan dg orang yg bekerja, juga dapat menyajikan penganggur menurut umur, jender, pendidikan yg ditamatkan dsb. Dalam survei tsb lb fokus kepd perbandingan bukan menjelaskan mengapa ada perbedaan. C.Maksum

- Explanatory  utk menjelaskan mengapa suatu fenomena terjadi,
membutuhkan analisis multivariat (variabel lebih dari dua buah) Contoh : Jajak pendapat publik ingin diketahui mengapa calon A lebih disukai dari calon lainnya; Survei ketenagakerjaan, peneliti ingin menjelaskan mengapa sebagian dari pendduk bekerja dan lainnya tidak bekerja. - Exploratory  utk menggali suatu fenomena, dapat dilakukan dg depth interview (interview mendalam) atau focus group discussion (diskusi dg fokus kepada suatu masalah)  hasil exploratory research dapat dipakai sebagai awal dari riset yg lebih terarah. Studi ttg tawuran pelajar, dilakukan dg mewawancarai secara mendalam terhdp sejumlah siswa. Hasil dari wawancara tsb belum tentu mendapatkan sebab yg mendasar dari masalah tawuran tsb. Tetapi hasil wawancara tsb dapat memberikan arahan utk melakukan penelitian lb lanjut tentang masalah tawuran, misalnya dg menggunakan kedua tujuan survei lainnya. C.Maksum

Contoh : Survey ketenagakerjaan , SUSENAS dsb.
2) Basic Survey Designs - Cross Sectional Surveys  dilakukan pencacahan sekali dg variabel yg banyak Contoh : Survey ketenagakerjaan , SUSENAS dsb. - Longitudinal Surveys  dilakukan pencacahan dari waktu ke waktu dapat berupa description (deskriptif), atau explanatory (Penjelasan). Longitudinal Surveys terdiri atas : studi trend, studi cohort dan studi panel Studi trend  studi yg dilakukan dari waktu ke waktu trhadap suatu populasi dengan sampel yg independen utk mengkaji perkembangan dari karakteristik yg diteliti. Contoh : Satu tahun menjelang pemilu suatu lembaga penelitian melakukan studi trend dg cara mengambil sample secara independen pada setiap tiga bulan sekali utk mengetahui perkembangan loyalitas terhadap partai politik. Studi cohort  studi yg dilakukan dari waktu ke waktu terhadap bagian tertentu dari populasi dengan sampel yg independen utk mengkaji perkembangan dari karakteristik yg diteliti. C.Maksum

sikap angkatan tsb terhdp aplikasi ilmu yg diperoleh dg tugas yg
Contoh : studi terhdap tamatan STIS angkatan I utk mengetahui perkembangan sikap angkatan tsb terhdp aplikasi ilmu yg diperoleh dg tugas yg dilaksanakan. Studi dilakukan setiap tahun, sampel dari studi tsb selalu tamatan STIS angkatan I walaupun sampelnya berbeda. Studi panel  studi yg dilakukan dari waktu ke waktu dengan sampel yg sama (panel) utk mengkaji perkembangan dari karakteristik yg diteliti. Contoh : Susenas panel utk mengetahui perkembangan pola konsumsi di Indonesia. Survei dilakukan dg sampel yg sama. Studi trend dan cohort dapat dilakukan dg meggunaan data skunder, sedangkan studi panel harus dilaksanakan dg data primer shg  mahal dan waktu yg lama. Pertimbangan utk melakukan studi panel : - nonrespon, responden pada suatu periode survei, dapat tidak ikut pada periode berikutnya karena berbagai alasan (pindah, tidak bersedia, dsb) - komplikasi dlm analisis. Misal responden yg pada survei pertama memilih calon A, pada survei berikutnya dipecah menjadi yg masih loyal terhadap A dan yg tidak; demikian juga utk calon B dst. Makin banyak variabel makin rumit. C.Maksum

3) Variations on Basic Designs
Selain desain2 yg telah didiskusikan di atas ada juga variasi desain yg dapat dipertimbangkan sesuai dg kebutuhan spesifik, seperti yg diuraikan di bawah ini. - Parallel Samples  penelitian dg menggunakan 2 populasi atau lebih secara bersamaan. Contoh : Studi terhadap murid SMU, yg dilaksanakan brsamaan dg studi utk hal yg sama terhadap orang tua murid SMU tsb. Hasilnya dapat dijadikan perbandingan atau saling melengkapi - Contextual Studies  penelitian dg memfokuskan pada subyek (context) tertentu. Contoh : Studi thdp suatu universitas dg mencari data dari berbagai sumber utk mengetahui berbagai hal yg terkait dg universitas tsb, misalnya kapan berdiri, siapa pendirinya, jumlah mahasiswa dari tahun ke tahun, disiplin ilmu yg menonjol, prestasi di dunia pendidikan maupun prestasi di bidang lainnya, dsb. Sehingga dapat disimpulkan ttg. universitas tsb. C.Maksum

populasi, misalnya ttg hubungan (interrelationships)
- Sociometric Studies  penelitian yg bertujuan utk menjelaskan ttg aspek sosial populasi, misalnya ttg hubungan (interrelationships) diantara anggota dari suatu kelompok. Contoh : Penelitian ttg pertemanan (sahabat karib - SK) pada suatu kelas. Dari kelas tsb diambil sampel untuk diteliti. Ternyata waktu tanya ke A, SK dari A  B, waktu tanya ke C, SK C  D, waktu tanya ke F, SK F  B dst., sehingga akan dapat diperoleh kesimpulan ttg formasi dari pertemanan (jender, status ekonomi, suku, prestasi di kelas dsb), siapa yg paling “populer” dan mengapa, siapa yg tidak punya teman dan mengapa dsb. 4) Pemilihan Desain Yg Cocok  dalam memilih desain survei, tidak harus pilih salah satu, tetapi dapat digunakan kombinasi berbagai desain tergantung kepada tujuan dari penelitiannya. C.Maksum

Materi 4 Aplikasi Metode Sampling(Desain Sampel)
1) Penentuan desain sampel. Hal-hal yg perlu dipertimbangkan : - cara penarikan sampel (probability, non probability, experimental design) - ukuran sampel, estimasi, varian - hubungan unit sampling, unit listing, unit observasi, unit analisis Unit sampling terdiri dari elemen-elemen. Dalam sampling elemen, setiap unit sampling mempunyai satu elemen; dalam sampling klaster, unit sampling (klaster) terdiri dari satu elemen atau lebih. Unit observasi, unit yg merupakan sumber informasi (data)  responden Unit analisis : “Benda/manusia” yg dipelajari dlm suatu survei; unit analisis dijelaskan oleh data yg dikumpulkan. 2) Populasi dan unit - Populasi : agregasi seluruh elemen (universe) harus ada isi, unit, cakupan dan waktu ditentukan utk suatu survei (populasi survei) C.Maksum

Materi 4 Aplikasi Metode Sampling(Lanjutan)
- Sub populasi : dapat dibentuk sub populasi atau domain penelitian. - Mempelajari kerangka (frame) populasi : unit sampling, unit listing, unit observasi, unit analisis 3) Nilai populasi dan statistik - Nilai populasi : nilai karakteristik dari seluruh elemen dlm populasi - True value ( nilai sebenarnya) - nilai sampel (sample value)  statistik (statistic)  merupakan estimasi yg nilainya diperoleh dr unit2 dalam sampel. - Statistik dipengaruhi oleh sampling error & non sampling error 4) Nilai karakteristik, distribusi sampel dan varian. Sampling bias Unbiased sampling C.Maksum

5) Gambaran kemungkinan sampel (possible samples) C.Maksum

6) Desain sampel; hal-hal yg perlu diperhatikan : - sebaran possible samples sekecil mungkin - dapat dipilih satu atau lebih possible samples - sampel dapat diulang (sebgian atau selruhnya) - penyebab bias : teknik sampling, sampel tdk mewakili populasi, observasi. 7) Penentuan ukuran (besarnya) sampel  utk keperluan estimasi karakteristik populasi  dibutuhkan kerangka sampel beserta informasi pendukungnya  efisien dari sisi ketelitian dan biaya. 8) Cara penarikan sampel - acak sederhana - sistematik - berpeluang C.Maksum

9) Probability samples Equal probability Unequal probability - setiap tahap Sejalan prosedur - semua tahap (self weighting) - Alokasi tidak proporsional Elemen sampling Cluster sampling - Satu tahap - Sub-sampling/ multistage - Equal cluster - Unequal cluster Stratified Unstratified Random Sistematik One stage sampling/ Two stage sampling/ double sampling one phase sampling C.Maksum

10) Beberapa hal yg perlu diperhatikan dalam teknik sampling. - Unbiased atau biased samples - Precise samples : standard error kecil - Accurate samples : total error kecil - Economic samples : utk tingkat ketelitian tertentu, biaya kecil - Tingkat (domain) penyajian 11) One stage or multistage Keuntungan multistage : - Menurunkan biaya - Meningkatkan cakupan, kontrol supervisi, tindak lanjut serta identifikasi kualitas - Kemudahan administrasi - Kemudahan penyediaan dan pemeliharaan frame - Kemudahan penarikan sampel. C.Maksum

12) Pertimbangan dalam penggunaan multistage sampling - Sampling error lebih besar - Efisiensi menurun bila elemen dalam klaster besar - Penurunan fleksibilitas dalam desain sampel dan targeting sampel utk suatu karakteristik - Desain makin rumit, analisis makin rumit  gunakan self weighting 13) Aplikasi teknik sampling Mendasarkan kepada obyek dan tujuan - Kerangka sampel tersedia - Estimasi sesuai tingkat (domain) penyajian ( rata2, total, proporsi, rasio) - Varian/standard error dan selang kepercayaan Satu tahap vs multi tahap Sampling elemen vs klaster Tertimbang vs tidak tertimbang C.Maksum

14) Penentuan besarnya sampel  ketersediaan kerangka sampel beserta informasi pendukungnya  sampel utk inferensi ttg populasi  efisien dari sisi biaya dan tingkat ketelitian 15) Penarikan sampel acak sederhana (penarikan sampel dg SRS) - Elemen sampling Materi 4 Aplikasi Metode Sampling(Lanjutan) C.Maksum

- Tanpa pemulihan ( Without replacement) - Penentuan besarnya jumlah sampel ( n ) C.Maksum

16) Penarikan sampel berstrata - Tujuan / keuntungan : * Meningkatkan presisi / menurunkan varian * Setiap strata merupakan sub-populasi. Dapat dijadikan domain penelitian. * Memudahkan dalam pengelolaan admisitrasi * Memungkinkan penarikan sampel berbeda antar strata. - Penentuan jumlah sampel ( n ) * Alokasi sembarang * Alokasi sama * Alokasi optimum Materi 4 Aplikasi Metode Sampling(Lanjutan) C.Maksum

* Alokasi sebanding * Alokasi Neyman Ukuran sampel akan lebih besar apabila : * Ukuran strata lebih besar * Strata lebih bervariasi karakteristiknya (heterogen) * Strata dengan biaya per unit lebih murah C.Maksum

Biaya = biaya tetap + biaya tidak tetap Biaya tetap : Alokasi pada biaya per unit berbeda pada setiap strata Alokasi pada biaya per unit sama pada setiap strata C.Maksum

- Pembentukan strata : * Penentuan batas strata * Jumlah strata yang perlu dibentuk * Stratifikasi dpt dibuat berdasarkan variabel survei atau vbl lain yg berhubungan dg variabel survei - Variabel survei dijadikan dasar strtifikasi ( beberapa cara pembentukan strata ) * Metode Dalenius and Hodges  meminimumkan * Metode Dalenius and Gourney  membuat mendekati konstan * Metode Eckman  membuat menjadi konstan. * Metode kumulatif Contoh metode frekuensi kumulatif variabel survei C.Maksum

Pinjaman (%) Kum Pinjaman (%) Kum 0 – – 5 – 10 – – 15 – – 20 – – 25 – – 30 – – 35 – – 40 – – 45 – – C.Maksum

Jumlah Kum = dan akan dibuat 5 strata, maka batas pembaginya = 77.9 , 155.8, 233.7, dan 311.6, shg stratanya sbb. Strata Intval pinjman (%) 0 – – – – – 100 Interval kum * Metode lain, seperti : analisis klaster, menggunakan CV, kondisi karakteristik misal daerah pertanian dan non pertanian, berdasarkan pengalaman dsb. C.Maksum

- Jumlah strata * Disarankan jumlah strata : 3 – 10 strata (mendasarkan kepada varian) * Pengaruh kenaikan jumlah strata thdp varian dikaji melalui rumus = hubungan vbl yg digunakan sbg dasar stratifikasi dan vbl survei Contoh : = 0.8 dan = 6 dibandingkan dg = 12 = 6 , penurunan varian = 0.378 = 12, penurunan varian =  penurunan varian hampir sama. C.Maksum

- Homogenitas karakteristik dalam strata * Karakteristik vbl survei sesuai dg obyek dan tujuan survei * Varian dalam strata < varian populasi (varian dalam strata < varian antar strata) * Pembentukan strata ada gunanya  “berbeda” antar strata misal perkotaan dan pedesaan 17) Penarikan sampel sistimatik - Tujuan : * memudahkan penarikan sampel * meningkatkan efisiensi : dpt dilakukan systematic arrangement C.Maksum

- Penghitungan varian Didekati dg * Acak sederhana * Paired selection model : Bila ganjil * Successive difference model C.Maksum

18) Penarikan sampel dengan peluang tidak sama (PPS sampling) - Tujuan meningkatkan efisiensi dg syarat : * mempunyai informasi tambahan utk setiap sampling unit * informasi tsb harus mempunyai korelasi yg kuat dg vbl survei - PPS dg pemulihan  metode Hanson - Hurwitz. C.Maksum

- PPS tanpa pemulihan Horvitz – Thompson estimator peluang unit ke – i masuk dalam sampel peluang unit ke i dan j dua-duanya masuk dalam sampel Estimator yg tidak bias (unbiased estimator) dari : C.Maksum

19) Estimasi Rasio - Tujuan utk meningkatkan efisiensi, persyaratan : * Informasi tersedia pada setiap unit yg akan dijadikan dasar estimasi * Informasi tsb mempunyai korelasi dg vbl survei menaikkan standard error penurunan sampling error kecil estimasi rasio lebih efisien - Estimasi Persyaratan : * Rasio dg karakteristik yg sama pada periode sebelumnya * Rasio dari dua karakteristik yg berkorelasi pada periode yg sama * Rasio dr suatu subset dr karakteristik yg perubahannya sebanding C.Maksum

- Bias pada rasio C.Maksum

20) Sampling Klaster Satu Tahap Alasan sampling klaster : daftar elemen tdk tersedia serta alasan ekonomis. 21) Sampling Klaster Bertahap - Estimasi dan varian : tergantung pada metode penarikan sampel pd setiap tahap Kedua tahap SRSWOR Rumus lain yg terkait dapat dilihat di catatan kuliah/buku MPC - Penentuan ukuran sampel sampling klaster dua tahap :  biaya tetap  varian tetap Rumus terkait dapat dilihat di catatan kuliah/buku MPC C.Maksum

- Penyederhanaan penghitungan varian, a.l.  Metode Linear Taylor  Metode Jacknife - Double Sampling  peningkatan efisiensi - Keterbandingan antar metode sampling Efisiensi suatu metode sampling dapat diukur melalui : Membandingkan varian antara suatu metode sampling dg metode lainnya  disebut efisiensi suatu desain. Metode sampling dg varian yg lb kecil  lb efisien Membandingkan suatu metode sampling dg acak sederhana, yg disebut dg efek desain (design effect atau deff). Deff yg terkecil  paling baik. Dalam klaster sampling deff digambarkan sbb. : = rerata elemen dalam klaster = perkiraan intraclass correlation coefficient Dg rumus diatas ukuran sampel dalam klaster terpilih dapat diperkirakan C.Maksum

- Area sampling. Area sampling menggunakan area sbg sampling unit. Suatu wilayah dibagi habis menjadi area-area yg akan dijadikan sampling unit, contoh blok sensus  membutuhkan peta yg mempunyai batas yg jelas, permanen, mudah dikenali, serta tidak terlalu luas. Elemen yg ada dalam area sesuai jenis surveinya dapat dijadikan sampling unit, seprti tempat tinggal, rumahtangga, usaha dsb. Penyiapan peta : Definisikan batas Tentukan syarat unit area Memenuhi persyaratan kerangka sampel Tentukan ukuran unit agar mudah aplikasinya Dapat dilakukan listing untuk unit dengan baik C.Maksum

Materi 5 Variabel, Konsep - Definisi, Klasifikasi serta Tabulasi
Menurut Babbie  variable is a set of mutually exclusive characteristics. Survei  mengetahui distribusi karakteristik variabel suatu populasi Menurut konsepnya  variabel mempunyai nilai yg bervariasi Menurut Lansing & Morgan, variabel terdiri atas : “factual “ dan “psychological”. Factual  fakta (umur, tinggi badan, pengeluaran dsb ) Psychological  preferensi dan harapan ( ttg suatu produk, masa depan dsb) Untuk keperluan analisis, variabel dapat dikelompokkan menjadi : vbl bebas, vbl terikat (tidak bebas), vbl intervening (vbl antara) , serta vbl moderating. C.Maksum

Variabel Bebas Variabel Terikat
Kepuasan pelanggan Kualitas pelayanan Variabel Bebas Variabel Terikat Variabel Moderating Kepuasan pelanggan Kualitas pelayanan Faktor demografi Loyalitas pelanggan Kualitas pelayanan Kepuasan pelanggan Faktor demografi Variabel Intervening Variabel Terikat Variabel Bebas Variabel Moderating C.Maksum

2) Pengukuran Variabel a) Pengukuran  proses menentukan jumlah atau intensitas informasi mengenai orang, peristiwa, gagasan atau obyek tertentu. Contoh : Untuk memberikan gambaran ttg konsumen yg membeli produk melalui internet dikumpulkan informasi/data tentang umur, pendidikan, tempat tinggal, pemilihan produk dan informasi lain yg berkaitan dengan masalah tersebut. b) Proses pengukuran terdiri atas : Pembentukan “construct” (“Konsep”) dan Skala Pengukuran. c) Pembentukan “konsep”  utk mengidentifikasi dan mendefinisikan secara akurat apa yg akan diukur. d) Proses skala pengukuran  menentukan bagaiman cara mengukur setiap “konsep” secara tepat. Suatu obyek dapat diukur secara sederhana atau tidak sederhana. Contoh obyek yg dapat diukur secara sederhana : pengukuran tinggi dan berat badan  dg alat timbangan dan meter apakah sudah menikah, pendidikan yg ditamatkan dsb dpt langsung ditanyakan langsung kepada ybs. C.Maksum

Contoh obyek yg tidak dapat diukur secara sederhana (sulit diukur) karena biasanya bersifat abstrak, misalnya mengukur subyektivitas manusia seperti persepsi, sikap, dan perasaan. Utk mengukur hal tsb dilakukan pendekatan dg menduga kecenderungan perilaku yg berkaitan. Misal dg menanyakan : - Apakah konsumen mengatakan hal2 yg positif berkaitan dg produk tertentu ? - Apakah merekomendasikan produk X kepada teman2 nya ? Sebelum melakukan pengukuran, terutama utk yg abstrak diperlukan definisi operasional yg menyatakan secara jelas dan akurat mengenai bagaimana suatu “konsep” diukur, misalnya dg cara melihat dimensi perilaku, aspek atau karakteristik yg ditunjukkan oleh suatu konsep. Contoh : “Konsep” kualitas pembuatan suatu produk diukur dg jumlah produk yg gagal (tidak memenuhi persyaratan kualitas) “Konsep” loyalitas thd suatu merk diukur dg jumlah konsumen yg membeli ulang merk yg sama. e) Skala Pengukuran Utk obyek yg tidak dapat diukur secara sederhana  dibuat “Konsep” yg pada akhirnyadioperasionalisasikan menjadi variabel-variabel Terdapat 4 jenis skala pengukuran variabel : skala nominal, skala ordinal, skala interval dan skala rasio. C.Maksum

Skala nominal : - identifikasi obyek ( nomor KTP, nomor punggung
Skala nominal : - identifikasi obyek ( nomor KTP, nomor punggung. dsb) klasifikasi obyek ( pria-wanita, pendidikan yg ditamatkan dsb). Skala ordinal : menyatakan posisi tetapi tidak mengukur jarak antar peringkat ( juara , 2 dsb) Skala interval : mengukur jarak antar peringkat tetapi titik nol tidak mutlak (kelompokumur, kelompok pendapatan dsb) Skala rasio : titik nol mutlak, dapat diperbandingkan, dapat dikonversikan ke skala lainnya (pengukuran berat badan dsb ) ) Daftar Isian a) Tujuan pembentukan daftar isian Sebagai alat pengumpulan data Mendapatkan informasi yg akurat Ekonomis; data disesuaikan dg obyek dan tujuan survei Analisis tepat, sesuai dg isu yg diharapkan b) Utk membentuk daftar isian yg baik : tentukan jenis vbl yg akan dicakup tentukan tabel2 pokok sesuai dg obyek dan tujuan survei C.Maksum

c) Persyaratan daftar isian yg baik diskusi secara reguler antara desainer, produsen dan konsumen data pengetahuan ttg substansi (disiplin ilmu pengetahuan) topik survei memperhatikan tata cara pembuatan daftar isian memperhatikan kondisi lapangan memperhatikan manajemen survei memperhatikan rancangan pengolahan memperhatikan desain survei secara menyeluruh d) Ketepatan waktu (timeliness) dan hal lain yg berkaitan dg waktu ada konstrain waktu ? kebutuhan waktu penyajian secara spesifik ? kebutuhan up dating secara periodik ? faktor2 yg mempengaruhi periode survei e) Persiapan pembuatan daftar isian daftar vbl yg diperlukan pengelompokan vbl dg mengkaji : * pendekatan yg digunakan; rumahtangga, individu, perusahaan/usaha, dsb. * unipurpose, multipurpose atau integrated survey * sifat vbl (rare cases atau tidak) * jumlah vbl * kriteria petugas - identifikasi lokasi survei (keberadaan unit observasi) C.Maksum

f) Susunan variabel daftar isian runtun utk mempermudah penggalian informasi dapat diperluas menjadi vbl yg lebih rinci agar lebih mengena (lebih baik) shg data lebih akurat - dikaitkan dg tatacara pengkodean (coding), klasifikasi, konsep/ definisi - dikaitkan dg rancangan tabel dan pengolahan g) Draft daftar isian dasar : pengalaman, referensi, diskusi, uji coba memperhatikan struktur utk : * kontrol wawancara / jawaban * kemudahan menjawab/mengisi * memperlancar komunikasi * variabel jelas * analisis menentukan bentuk pertanyaan : terbuka atau tertutup Kelemahan Kelebihan Tertutup - tabulasi terbatas pengolahan mudah - kesalahan interpretasi Terbuka - pengolahan lb sulit - tabulasi dapat disesuaikan keslahan kode dapat dideteksi C.Maksum

- runtun dan berurutan  dibuat network diagram runtun :
- runtun dan berurutan  dibuat network diagram runtun : * memberikan fasilitas responden utk menjawab * meningkatkan kualitas data * membrikn petunjuk kpd responden, pertanyaan yg perlu/tdk perlu dijawab berurutan : * pengaturan letak pertanyaan * berurutan sesuai dg gruping vbl * vbl dpt dipilah menjadi vbl utk tujuan utama, kemudahan dijawab dsb. - formating : * disusun menurut responden * ketikan harus jelas dan menarik * identitas dicantumkan * disediakan fasilitas utk pengolahan * pertanyaan harus sesuai dg tujuan survei dan tidak terlalu panjang * hindari pertanyaan yg bersifat subyektivitas dan pertanyaan negatif C.Maksum

Contoh : Variabel yg digunakan pada Survei Angkatan Kerja Variabel
Contoh : Variabel yg digunakan pada Survei Angkatan Kerja Variabel Populasi/subpopulasi Terminologi yg digunakan 1. Demografi (umum) Hubungan dg KRT Rumahtangga biasa Rumahtangga biasa Jender Anggota ruta (ART) ART Umur Status perkawinan 2. Migrasi Lama tinggal ditmpat ART th Tempat sekarang skarang Tmpt tinggal sblumnya ART th melakukan Tempat seblmnya unit perpindahan 5 th yl administrasi Tmpt lahir 3. Pendidikan - yg ditamatkan ART th Jenis penddkan/klasifikasi - yg dijalani ART 7 – 12 th - masih seklah/tdak ART 13 – 15 th - kelas trtinggi yg prnah ART 15 – 18 th dijalani C.Maksum

4. Angkatan Kerja * Bekerja/smntara tdk bkrja ART th yg bkrja Bekerja lap pekrjaan utama Buruh/pegawai Smntara tdk bekrja Lap pekrjaan tambhan Pkerja bebas Lap pekrjaan (utma/tmbhn) Status Mempunyai usaha Status - Jabatan Usaha pertanian Jabatan - Jam kerja Usaha non pertanian Jam kerja - Upah/gaji, keuntungan Upah/gaji Pertanian/luas tnh pert Pendapatan *Tidak bekerja ART th yg tdk bkrja Pengangguran alasan Pengangguran Sekolah Mencari pekrjaan Bukan angktan kerja Mengurus ruta Sdang memprsiapkan Lainnya suatu usaha/pkrjaan Pengalaman krja * Utk yg mencari pkerjaan * Pengalaman krja sblumnya C.Maksum

Contoh Network Diagram
Alasan : menyiapkn pkrjaan, dsb Stop Stop ART Tidak Ya Lapangan pekrjaan utama & jabtan Tidak Mengapa Mencari pekrjaan semiggu yl Bekerja seminggu yl Tidak Ya Ya Ya Pernah bekrja sebelumnya ? Hari/jam kerja seminggu yl/biasanya berapa jam Tidak Stop < 35 jam Usaha jml pekerja keuntungan dsb Ya Tidak punya usaha pertanian ? luas, pohon, tanaman, dsb Ingin bekerja lebih banyak Upah/gaji sebulan Lap.pek utama dan jml jam kerja seminggu yl C.Maksum

4) Konsep - Definisi dan Klasifikasi a) Konsep – Definisi dan Klasifikasi Hal – hal yg perlu diperhatikan : membuat definisi yg tegas dan jelas kasus batas harus tegas dapat diaplikasikan ketrkaitan dg : * cakupan, unit sampling, unit analisis dan responden (unit observasi) * jangka waktu penelitian, periode survei agar sesuai dg desain survei mempertimbangkan rekomendasi nasional/internasional utk keterbandingan dapat dimodifikasi ke dalam daftar isian Contoh : lihat KBLI 2005 BPS b) Contoh konsep – definisi Konsep – definisi yg baku dan jelas  kesamaan persepsi dlm pengertian dan analisis Apabila konsep sulit utk dibuat sejelas mungkin  dibuat istilah beserta contohnya usaha = kegiatan yg menghasilkan barang/jasa dg tujuan sebagian/seluruh hasilnya utk dijual/ditukar atau menunjang kehidupan dan menanggung risiko usaha pertanian = kegiatan yg menghasilkan produk pertanian dg tujuan sebagian/ seluruh hasilnya utk dijual/ditukar atau menunjang kehidupan dan menanggung risiko. Termasuk disini adalah usaha di bidang jasa pertanian C.Maksum

pertanian = penerapan karya manusia kepada alam dalam budidaya tumbuhan dan binatang serta penangkapan/ perburuan, sehingga dpat memberikan manfaat yg lebih besar kepada manusia. budidaya = kegiatan memelihara tanaman / binatang mulai dari pembenihan sampai pemungutan /pemanenan hasil penangkapan = kegiatan menangkap atau mengumpulkan tanaman / binatang yg hidup di laut / perairan umum dan atau hutan Contoh di atas hanya sebag kecil dari konsep – definisi di sektor pertanian. Kasus batas dalam contoh tsb misalnya antara pertanian dan industri. Sebagai contoh, misalnya seorang petani juga melakukan pengolahan hasil pertaniannya  masuk pertanian atau industri ? Pelajari berbagai referensi yg ada. c) Klasifikasi Klasifikasi  penyeragaman pengumpulan, pengolahan dan penyajian data shg ada keterbandingan antar waktu, wilayah secara regional, nasional dan internasional Sebagai contoh pada Klasifikasi Baku Lapangan Usaha Indonesia (KBLI) telah mengacu kepd rekomendasi internasional disamping memperhatikan kondisi Indonesia. Saat ini KBLI yg digunakan terdiri dari 17 kategori yg sebelumnya pada tahun 1990 hanya terdiri dari 9 sektor, C.Maksum

C.Maksum

a) Hal-hal yg perlu diperhatikan
4) Rancangan Tabel a) Hal-hal yg perlu diperhatikan - Nomor tabel dan judul dengan menjelaskan populasi, variabel serta periode survei secara singkat dan jelas dg berpedoman pada network diagram - Variabel dalam kolom biasanya disebutkan lebih dulu atau tergantung pada analisisnya - Satu atau multi arah (cross table) tergantung analisisnya. - Tingkat penyajian serta variabel rare cases (kasus yg jarang terjadi) - Tabel disesuaikan dg domain analisis, khususnya yg menyangkut persentase - Tabel perlu diperiksa kewajarannya serta konsistensi antar tabel. b) Contoh rancangan tabel C.Maksum

C.Maksum

Materi 6 Rancangan Survei Ekonomis
Penentuan Besar Sampel Pada topik sebelumnya telah dibahas : - penentuan jumlah sampel utk berbagai metode sampling - penentuan sampel dg fixed varian (varian yg ditentukan) - penentuan sampel dg fixed cost (ongkos yg ditentukan) Penentuan jumlah sampel (n) dg deff (desain effek) atau dalam klaster C.Maksum

2) Rancangan Survei Ekonomis ( The Economic Survey Design )
Perhatikan fungsi biaya : merupakan biaya konstan, tdk tergantung desain sampel, seperti - mendesain survei termasuk mendesain sampel - diskusi rancangan survei, mulai dari penentuan obyek dan tujuan survei s.d. persiapan lapangan - penyusunan daftar isian dan buku panduan - penyiapan organisasi lapangan - analisis hasil - overhead cost lainnya : merupakan biaya yg tergantung pada perubahan desain sampel, tetapi tidak tergantung pada besarnya sampel, seperti - penghitungan estimasi dan varian - pemberian penimbang (weight) - kegiatan yg berkaitan dg metode sampling, misal kegiatan penyiapan data utk stratifikasi, peta, penarikan sampel, dsb. - pelatihan yg berkaitan dg sampling C.Maksum

tidak dipengaruhi perubahan desain sampel, seperti
: merupakan total biaya yg proporsional terhadap besarnya sampel, tetapi tidak dipengaruhi perubahan desain sampel, seperti - biaya wawancara / interview - editing dan coding - beberapa kegiatan terkait metode sampling Biaya per elemen ( c ) tidak sama utk setiap kegiatan, pada formula di atas berupa rerata. juga dipengaruhi oleh desain sampel, seperti - pelatihan petugas - pengawasan lapangan - biaya transportasi utk mengunjungi responden (lokasi responden) - biaya utk pembentukan frame di lapangan, misal melakukan listing - biaya utk penyiapan materi sampling dan penarikan sampel Sebagai contoh biaya ini akan berbeda utk sampel SRS, klaster, multistage atau multi phase sampling C.Maksum

3) Model yg digunakan ( Cost Model ) Membandingkan dua desain v dan w
Rasio = Rasio = 1  desain v dan w sama efisien < 1  desain v lb efisien dibanding w > 1  desain v kurang efisien dibanding w Rumus dapat disesuaikan bila ingin memperhitungkan , yaitu atau Rasio = Biasanya karena menggunakan klaster yg sama C.Maksum

Fungsi Biaya utk Klaster
jumlah klaster jumlah elemen biaya per klaster jumlah sampel per klaster ( n = a x b ) Asumsi Maka optimum atau optimum C.Maksum

Materi 7 Bias, Error, Non Response dan Survei Pasca Pencacahan
Non sampling error Pembahasan metode sampling  prosedur estimasi  penghitungan varian, standard error (presisi) Pembahasan berikut  bias dan non sampling error yg berpngruh tdp total error Non sampling error sangat dipengaruhi oleh faktor manusia, seperti : - konsep / definisi - daftar isian dan buku panduan - kualifikasi petugas - pelatihan petugas - responden - pengawasan, pemeriksaan - editing dan coding - perekaman data - lainnya C.Maksum

a possible sample result Variable errors around
2) Kaitan total error, variabel error dan bias Catatan : variabel error berasal dari sampling dan nonsampling error bias berasal dari sampling dan nonsampling bias [lihat Materi 4 butir 5)] Deviation from a possible sample result vs True value Variable errors around average value of the survey design Bias Apabila Variable Error hanya disebabkan oleh sampling error  = sampling variance Variable Error C.Maksum

3) Perbedaan variabel error dan bias
a) Variabel error dari sampling dan bias dari non sampling mempunyai efek yg lebih besar terhadap hasil survei dibandingkan dg variabel error dari nonsamping dan bias dari sampling b)  bias dari sampling, biasanya kecil  total survey bias  variabel error berbeda / berfluktuasi utk sampel yg berbeda pada desain yg sama. Variabilitas tsb diukur dg standard error : ( termasuk variabel error dari sampling dan nonsampling ) C.Maksum

variabel error dapat mengurangi variabel error total.
c) Bias dapat berupa nilai positif atau negatif, ada kemungkinan cancelled out (saling menghilangkan). Pengurangan salah satu sumber bias dapat menambah besar total bias. Total bias = Variabel error merupakan nilai yg selalu positif. Pengurangan salah satu sumber variabel error dapat mengurangi variabel error total. d) Bias tidak dapat dikurangi dengan menambah jumlah sampel. Mengurangi bias dapat dilakukan dg memperbaiki mekanisme operasional. Variabel error dapat dikurangi dengan menambah jumlah sampel. e) Bias dan variabel error memberikan efek yg berbeda terhadap berbagai statistik. Sebagai contoh : Bias yg mempunyai efek yg besar thdp rerata, dampaknya akan diabaikan pada analisis tentang perbedaan rerata. Variabel error yg mempunyai efek yg dapat diabaikan thdp rerata, dampaknya akan sangat besar pada analisis perbedaan rerata utk jumlah unit yg sedikit (subclass). C.Maksum

C.Maksum

Tinggi kurva  probabilitas berbagai nilai estimasi
4 (empat) desain A, B, C dan D, distribusi samplingnya digambarkan dengan distribusi normal seperti di atas. Tinggi kurva  probabilitas berbagai nilai estimasi Variabel error  standard deviasi dari kurva Bias  jarak titik tengah kurva thdp true value. Desain A dan C mempunyai bias yg “besar”, desain B dan D tidak bias. Desain C dan D presisinya lb baik dr A dan B krn std errornya lb kecil D  akurat krn total errornya (vbl errpr dan biasnya) kecil A  reratanya jauh dari true value A dan C  cenderung bergeser ke sisi kanan B dan D  rerata tepat pada target Variasi C dan D < A dan B C  mempunyai reliabilitas tapi tidak validitas B  mempunyai validitas tapi tidak reliabilitas A  tidak mempunyai validitas dan reliabilitas D  mempunyai validitas dan reliabilitas C.Maksum

A  idem C tapi dg jumlah sampel yg lebih kecil
Dalam pembahasan , total error dan variabel error merupakan rerata  lebih cenderung kearah nilai harapan (expected results) bukan kepd kemungkinan hasil dari sampel individu. Contoh : - Sebagian dari sampel pada desain D (desain paling bagus) lebih jauh dari nilai true value, dibandingkan sebagian sampel dari desain A (desain paling tidak baik). - Desain A (paling tidak baik) mempunyai sampel lebih banyak yang dekat dg true value dibanding dg desain yg lebih baik (desain C). Tetapi A juga mempunyai sampel yg jauh dari true value lebih banyak bila dibandingkan dg C. C  mail questionaires dg sampel besar (presisi baik) tapi akurasi yg rendah karena bias besar yg disebabkan oleh frame yg kurang baik serta nonresponse yg besar. A  idem C tapi dg jumlah sampel yg lebih kecil B  unbiased krn metode yg baik tapi presisi yg kurang baik krn sampel yg lebih kecil D  unbiased dg presisi yg baik krn jumlah sampel yg besar C.Maksum

Vertikal  menyatakan bias Horisontal  menyatakan variabel error
Gambar segitiga. Vertikal  menyatakan bias Horisontal  menyatakan variabel error Hipotenusa A dan C  total error yg merupakan kombinasi bias dan vbl error Efek dari penghilangan bias tercermin pada total error B dan D, yg sama dg vbl error (sisi horisontal ) Total error C tetap besar walaupun vbl error lebih kecil Hanya D yg merupakan desain yg akurat krn mempunyai total error kecil (kombinasi dari vbl error dan bias kecil). C.Maksum

4) Berbagai jenis bias karena melakukan survei (survey biases)
a) Sampling biases - Frame bias  tidak memenuhi syarat-syarat frame yg baik - “Consistent” sampling bias  bias dari estimator  nilainya bervariasi tergantung kepd jumlah sampel  dapat dihilangkan dg desain sampel yg baik Contoh : sbg estimattor C.Maksum

4) Variabel error, bias dan desain survei
a) Presisi (precision). Variabel error kecil  tingkat presisi tinggi. Suatu desain mempunyai presisi yg baik (a precise design) apabila variabel errornya kecil b) Akurasi (accuracy). Variabel error dan bias (total error) kecil  akurat. Suatu desain dikatakan akurat (an accurate design) apabila mempunyai presisi yg baik dan bias yg kecil atau nol. Suatu desain dikatakan mempunyai presisi yg baik walaupun biasnya besar. Tetapi desain tsb bukan merupakan desain yg akurat. Dalam kaitannya dg pengukuran, ada 2 terminologi yaitu reliabilitas (reliability) dan validitas (validity). c) Reliabilitas  pengukuran dg presisi yg baik. Suatu desain dikatakan reliabel bila pengukurannya mempunyai presisi yg baik d) Validitas  pengukuran tanpa bias (bias = nol). Suatu desain dikatakan valid bila pengukurannya tidak bias. Perhatikan gambar di bawah ini : C.Maksum

hampir sama (tidak tergantung kpd jumlah sampel
b) Constant statistical bias  bias dari estimator yg mempunyai efek sama atau hampir sama (tidak tergantung kpd jumlah sampel atau bahkan bila dilakukan sensus)  dpt dihindari dg melakukan prosedur estimasi yg baik Contoh : penggunaan median sbg estimator dari rerata pada distribusi yg “menceng” (skewed distribution) Nonsampling biases - nonobsevation  gagal mendptkan observasi (lewat cacah atau nonresponse) - observation  terjadi saat pengumpulan data di lapangan (response bias : kesalahan pengukuran /pencatatan saat mencacah), serta saat pengolahan (processing bias : editing, coding, procesing etc.) C.Maksum

Penyebab non response :
a) Non response  salah satu penyebab bias (sampel tidak mewakili populasi). Penyebab non response : - responden tdk berada di rumah saat pencacahan - responden menolak utk dicacah - responden tdk dapat menjawab - responden tdk ditemukan - daftar isian hilang atau rusak Jenis non response : - total non response (daftar isian tdk terisi seluruhnya) - partial non response atau variable non response b) Efek non response  proporsi response  rerata karakteristik yg response C.Maksum  proporsi non response  rerata karakteristik yg non response

Pengaruh bias tergantung pada : - besarnya
Relative bias ( RB ) : Pengaruh bias tergantung pada : - besarnya - perbedaan antara , makin besar perbedaan, makin besar bias. c) Beberapa cara utk mengurangi non response - menggunakan prosedur lapangan yg baik, misal : * sosialisasi sebelum pelaksanaan lapangan * merahasiakan identitas responden * memotivasi responden agar mau menjawab dg baik * membangkitkan keinginan responden utk menjawab dg kiat tertentu - call – backs (revisit) - subsampling the call-backs - substitusi, mengganti yg non response dg yg response (banyak sisi negatifnya) - estimasi yg non response dg suatu model C.Maksum

6) Survei pasca pencacahan ( Post Enumeration Survey - PES)
a) Utk meneliti berbagai kesalahan di luar yg disebabkan oleh metode sampling, perlu dilakukan proses lain di luar survei itu sendiri, antara lain dg melakukan PES. Tujuan dari PES bukan utk memperbaiki estimasi, tetapi utk : - mengkaji/mengestimasi kesalahan cakupan (coverage error) dan kesalahan isi (content error) - pendukung analisis - masukan utk pelaksanaan survei yad. b) Salah cakupan disebabkan oleh salah cacah (erroneous inclusion) dan lewat cacah (omission)  lebih menekankan kpd akurasi dan keberadaan unit sampling Salah isian disebabkan oleh salah isi (erronious entries) dan tidak ada isian (non response entries)  lebih menekankan kpd jawaban responden. c) Perbandingan data hasil PES dan survei harus pada kondisi yg sama (hati-hati kalau ada perubahan). C.Maksum

d) Beberapa metode analisis dalam PES. - coverage check :
* metode Chandra Deming * model Uttam Chand * metode David Bateman * dual system estimation model - content check : * index of reliability * index of consistency C.Maksum

e) Contoh coverage check SE06 (i) Metode Chandra Deming
Asumsi : SE06 dan PSE dilakukann secara independen Under Enumeration SE06 : Under Enumeration PSE : SE 06 Karakteistik Ya Tidak Jumlah Ya PES Tidak Jumlah Jumlah unit usaha yg match Jumlah unit usaha yg tercakup SE06 tapi tdk tercakup PES Jumlah unit usaha yg tercakup PES tapi tdk tercakup SE06 Jumlah unit usaha yg tercakup SE06 Jumlah unit usaha yg tercakup PES Perkiraan jumlah unit usaha yg tdk tercakup baik SE06 maupun PES Perkiraan jumlah unit sebenarnya C.Maksum

(ii) Metode Uttam Chand
Asumsi : PSE lb baik dari SE06  lb menekankan pd salah cacah dan lewat cacah Census Coverage Bias ( CCB ) : CCB > 0  SE06 over enumeration CCB < 0  SE06 under enumeration SE 06 Karakteistik Ya Tidak Jumlah Ya PES Tidak Jumlah C.Maksum

(iii) Metode David Bateman I
Asumsi : PSE lb baik dari SE06  lb menekankan pd unit yg dicakup PSE tapi tidak oleh SE06 ( tidak mperhitungkan unit yg tidak tercakup dalam PSE tapi tercakup SE06 dan unit yg tidak tercakup oleh ke duanya ) Census Miss Rate ( CMR ) SE 06 Karakteistik Ya Tidak Jumlah Ya PES Tidak Jumlah C.Maksum

(iv) Metode David Bateman II Asumsi : SE06 lb baik dari PSE
Metode ini tidak mperhitungkan unit yg tidak tercakup dalam SE06 tapi tercakup PSE dan unit yg tidak tercakup oleh ke duanya PES Miss Rate ( PMR ) SE 06 Karakteistik Ya Tidak Jumlah Ya PES Tidak Jumlah C.Maksum

(v) Dual System Estimation Model
Asumsi : kualitas SE06 = PSE Misal SE06 = E PSE = E2  E1 dan E2 independen dan SE 06 Karakteistik Ya Tidak Jumlah Ya PES Tidak E1 E2 Jumlah Coverage estimate SE (tingkat match PSE ) Coverage estimate PSE (tingkat match SE ) C.Maksum

Dual System Estimation Model akan lebih akurat bila :
Perkiraan jumlah unit usaha sebenarnya Dual System Estimation Model akan lebih akurat bila : - E1 dan E2 independen akurat - Matching dilakukan dg baik shg merupakan perkiraan yg akurat I hear I forget I see I remember I do I understand C.Maksum

Semoga Selalu Berhasil
C.Maksum

Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L

Presentasi serupa

Presentasi berjudul: "Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan

Masuk

Otorisasi melalui jaringan sosial:

Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L

Presentasi serupa

Presentasi berjudul: "Survei Contoh (S 1833) Buku : * Survey Sampling. Kish, L"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan