BAB I PENDAHULUAN. Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Otonomi daerah menyebabkan adanya pergeseran ketatanegaraan di Indonesia dari sentralisasi ke desentralisasi, dimana pemerintah daerah lebih leluasa dalam mengatur daerahnya sendiri. Sistem kepemerintahan tersebut membuat statistik area kecil (small area statistics) pada saat ini sangat diminati dalam berbagai bidang dan sangat dibutuhkan untuk mendapatkan informasiinformasi pada area kecil, seperti pada lingkup kecamatan, ataupun desa/kelurahan. Informasi pada area kecil sangat penting karena dapat digunakan sebagai acuan pemerintah daerah untuk menyusun sistem perencanaan, pemantauan, dan penilaian pembangunan maupun kebijakan penting lainnya sampai pada level kecamatan maupun desa/kelurahan agar pembangunan daerah bisa terencana dan berbasis informasi. Metode yang terus dikembangkan untuk menduga statistik area kecil ini adalah small area estimation. Istilah small area menunjukkan suatu subpopulasi, dimana hasil pendugannya diharapkan mampu mewakili data yang ada dengan ketepatan yang cukup. Sampel yang relatif sedikit menjadi kendala utama pada suatu penelitian, salah satu upaya yang dilakukan untuk mengatasi masalah tersebut dengan menambah jumlah sampel. Upaya lain yang bisa dilakukan adalah mengoptimalkan data yang tersedia dengan metode small area estimation (SAE). Metode SAE merupakan pendugaan parameter tidak langsung dengan ukuran sampel relatif kecil, metode ini dapat mengestimasi karakteristik dari subpopulasi.

2 Metode SAE merupakan suatu teknik statistika untuk menduga parameterparameter subpopulasi dengan ukuran sampel kecil. Teknik pendugaan ini memanfaatkan data dari domain besar (seperti data sensus, data susenas) untuk menduga parameter yang menjadi perhatian pada domain yang lebih kecil. Pendugaan sederhana area kecil yang didasarkan pada penerapan model desain penarikan contoh (design-based) disebut sebagai pendugaan langsung (direct estimation). Pendugaan langsung tidak mampu memberikan ketelitian yang cukup bila ukuran sampel dalam area kecil yang menjadi perhatian sedikit/ berukuran kecil, sehingga statistik yang dihasilkan akan memiliki varian yang besar atau bahkan pendugaan tidak dapat dilakukan karena tidak terwakili dalam survey (Prasad dan Rao, 1990). Sebagai alternatif teknik pendugaan untuk meningkatkan efektivitas ukuran sampel dan menurunkan eror, dikembangkan teknik pendugaan tak langsung (indirect estimation) untuk melakukan pendugaan pada area kecil dengan ketelitian yang cukup. Teknik pendugaan ini dilakukan melalui suatu model yang menghubungkan area terkait melalui penggunaan informasi tambahan atau variabel penyerta yang nantinya ini akan menjadi konsep small area estimation. Secara statistik metode dengan memanfaatkan informasi tambahan akan mempunyai sifat meminjam kekuatan (borrowing strength) dari hubungan antara rataan area kecil dan informasi tambahan tersebut (Kurnia, 2008). Rao (2003) menyatakan semua teknik pendugaan tak langsung memiliki asumsi adanya hubungan linier antara rataan area kecil dengan variabel penyerta yang digunakan dalam pendugaan tersebut. Beberapa teknik pendugaan area kecil

3 yang sering digunakan seperti Bayes Empiris, Hirarical Bayes, Pendekatan Sintetik, Penduga Komposit, dan EBLUP, semuanya menggunakan prosedur parametrik. Meminjam kekuatan dari area lain dengan menggunakan model linier dalam pendugaan tak langsung tidak tepat digunakan jika tidak terdapat hubungan linier antara rataan area kecil dan variabel penyerta. Meminjam kekuatan disini maksudnya meminjam informasi yang akan digunakan sebagai variabel penyerta. Untuk mengatasi hal tersebut dikembangkan pendekatan nonparametrik. Salah satu pendekatan nonparametrik yang digunakan adalah pendekatan Kernel-Based. Pendekatan dengan menggunakan fungsi kernel diusulkan karena fungsi ini didasarkan pada pendekatan penggunaan ketersediaan variabel-variabel umum antara sensus dan survei sehingga sesuai dengan pendugaan area kecil yang mengestimasi fungsi regresi berdasarkan informasi survei. Pendekatan Kernel- Based menawarkan teknik nonparametrik sebagai alternatif baru yang menjanjikan identifikasi fungsi regresi pada pendugaan area kecil. Metode ini lebih fleksibel dibanding dengan metode-metode sebelumnya yang menggabungkan pola-pola kovarian spasial untuk pendugaan area kecil. Kernel- Based juga memberikan prosedur yang fleksibel dalam pendugaan area kecil. Berdasarkan hal tersebut maka penulis tertarik untuk mempelajari Kernel-Based sebagai pendekatan nonparametrik dua tahap berdasarkan Kernel Nadaraya- Watson dalam metode SAE.

4 Beberapa penelitian yang berhubungan dengan small area estimation dengan pendekatan nonparametrik telah banyak dilakukan antara lain Anwar (2008) melakukan pendugaan SAE dengan metode kernel learning, Indahwati, Sadik, dan Nurmasari (2008) dengan metode pendekatan pemulusan kernel, Opsomer (2004) menggunakan penalized spline, Mukhopadhay dan Maiti (2004) dengan pendekatan two stage non-parametric. Darsyah (2013) mengembangkan SAE berbasis area dengan studi kasus di Kabupaten Sumenep dimana wilayah geografisnya terdiri dari wilayah daratan dan kepulauan yang berjumlah 126 pulau sehingga mengakibatkan kesulitan dalam mengambil sampel. Darsyah menduga pengeluaran perkapita menggunakan metode kernel-bootstrap dengan variabel penyerta yang digunakan kepadatan penduduk. Sampai saat ini data tentang jumlah penduduk miskin diperoleh berdasarkan hasil SUSENAS yang dilaksanakan oleh BPS. Kegiatan survei ini dirancang guna mengumpulkan data sosial kependudukan pada lingkup yang relatif luas yaitu pada tingkat kabupaten/kota. Apabila hasil survei ini digunakan untuk melakukan pendugaan pada tingkat yang lebih kecil, misalnya kecamatan atau desa/kelurahan maka kemungkinan akan menghasilkan pendugaan yang bias dan varians yang besar yang disebabkan oleh jumlah sampel yang kurang representatif untuk mewakili populasi (Darsyah, 2013). Permasalahan kemiskinan bukanlah masalah baru yang kita hadapi. Termasuk untuk Kota Semarang yang baru saja secara resmi menyatakan dirinya sebagai Beauty of Asia. Menurut data Bappeda (2007) dari tahun 2001 sampai

5 2005 jumlah Rumah Tangga miskin (RTM) di Semarang meningkat, dengan ratarata peningkatan 14,12% per tahun. Pada tahun 2005 saja jumlah RTM adalah 20,40% yang berarti satu dari lima rumah tangga di semarang adalah rumah tangga miskin. Ketersediaan informasi tentang jumlah penduduk miskin pada wilayah kecil sangat membantu dalam penanggulangan kemiskinan. Kota Semarang merupakan ibukota Provinsi Jawa Tengah. Kota Semarang terletak antara garis 6 50' ' garis lintang Selatan dan garis ' Bujur Timur. Kota ini berbatasan dengan Kabupaten Kendal di sebelah Barat, Kabupaten Demak di sebelah Timur, Kabupaten Semarang di sebelah Selatan, dan sebelah Utara dibatasi oleh Laut Jawa. Kota Semarang memiliki luas 373,70 km² dan berpenduduk jiwa (2010). Kota Semarang terdiri atas 16 kecamatan yaitu kecamatan Banyumanik, Candisari, Gunungpati, Mijen, Ngaliyan, Pedurungan, Semarang Barat, Semarang Selatan, Semarang Tengah, Semarang Timur, Semarang Utara, Tembalang, dan Tugu, yang dibagi lagi atas sejumlah 177 kelurahan. Badan Pengembangan dan Pembangunan Daerah (Bappeda) merilis jumlah penduduk miskin di Kota Semarang tahun 2013 sebanyak jiwa. Banyaknya jumlah desa yaitu sebanyak 177 desa dan tingkat mobilitas penduduknya yang tinggi, serta kurangnya informasi pada wilayah kecil sehingga menyebabkan pemerintah kota Semarang mengalami kesulitan dalam mengumpulkan data untuk menghitung angka jumlah penduduk miskin per kecamatan. Melihat kondisi tersebut, peneliti tertarik untuk melakukan penaksiran angka jumlah penduduk miskin di tiap kecamatan di Kota Semarang. Penaksiran angka jumlah penduduk miskin perlu dilakukan perkecamatan karena

6 informasi yang ada hanya dalam skala kabupaten (populasi). Mengestimasi angka jumlah penduduk miskin tiap kecamatan tidak dapat dilakukan dengan mudah karena sampel yang tersedia terlalu kecil sehingga estimator angka jumlah penduduk miskin dihasilkan tidak cukup representatif pada beberapa subpopulasi. Pada penelitian ini akan digunakan SAE berdasarkan pendekatan nonparametrik dengan fungsi kernel-bootsrap untuk mengestimasi jumlah penduduk miskin perkecamatan di Kota Semarang. Metode SAE Kernel merupakan metode pendugaan parameter pada area kecil yang didasarkan pada fungsi Kernel dimana nilai yang diperoleh berdasar pada estimasi densitas kernel dari variabel yang diamati. 1.2 Rumusan Masalah a. Bagaimana hasil pendugaan angka jumlah penduduk miskin per kecamatan di Kota Semarang dengan pendekatan SAE-Kernel? b. Bagaimana hasil analisis estimasi parameter dengan pendekatan SAE kernelbootsrap dalam pendugaan angka jumlah penduduk miskin per kecamatan di Kota Semarang? 1.3 Tujuan Penelitian Berdasarkan permasalahan di atas maka tujuan dari penelitian yang akan dicapai adalah: a. Hasil pendugaan angka jumlah penduduk miskin di Kota Semarang dengan pendekatan SAE-Kernel. b. Mendapatkan hasil analisis estimasi parameter kernel-bootsrap dalam pendugaan jumlah penduduk miskin per kecamatan di Kota Semarang.

7 1.4 Manfaat Penelitian Manfaat dari penelitian ini yaitu Pendugaan jumlah penduduk miskin untuk area kecil (kecamatan) di Kota Semarang diharapkan dapat sebagai bahan pertimbangan bagi pemerintah setempat untuk menganalisa dan mengambil suatu kebijakan yang tepat terkait kesejahteraan penduduknya. 1.5 Batasan Masalah Permasalahan dalam penelitian ini terbatas pada: 1. Metode SAE-Kernel, fungsi kernel yang digunakan adalah kernelepanechnikov dengan pendekatan bootsrap. 2. Variabel-variabel yang digunakan dalam penelitian ini sebagai variabel respon adalah jumlah penduduk miskin (Y), sedangkan untuk variabel penyerta adalah penduduk usia 65 tahun keatas (X).