Pelatihan dan Pengolahan Data Survei Sosial Ekonomi Nasional (SUSENAS) Oleh; M. Fajar Rakhmadi Hafiz Arfyanto

Transkripsi

1 Pelatihan dan Pengolahan Data Survei Sosial Ekonomi Nasional (SUSENAS) Oleh; M. Fajar Rakhmadi Hafiz Arfyanto

2 SURVEI SOSIAL EKONOMI NASIONAL (SUSENAS) 2

3 Pengertian SUSENAS Survei yang dirancang untuk mengumpulkan data sosial kependudukan yang relatif luas (BPS, 2001). Sejak tahun 1992, diperuntukkan untuk memonitor gambaran kesejahteraan penduduk SUSENAS merepresentasikan kondisi sosial ekonomi hingga tingkat kabupaten kota 3

4 Pengertian SUSENAS BPS menggunakan SUSENAS untuk menghitung beberapa indikator berikut: 1. Persentase persalinan ditolong tenaga kesehatan (dokter, bidan dan tenaga medis) 2. Rasio elektrifikasi 3. Rata-Rata lama (bulan) anak 2-4 tahun mendapat ASI 4. Persentase penduduk yang berobat jalan sebulan yang lalu 5. Persentase Pengeluaran Rata-rata per Kapita Sebulan 6. Persentase Rumah Tangga menurut Provinsi, Tipe Daerah dan Status Kepemilikan Rumah, dll 4

5 Konstruksi data SUSENAS 5

6 Pembagian data SUSENAS Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian: 1. SUSENAS Inti (core) Mencakup pertanyaan-pertanyaan tentang keadaan dan perilaku masyarakat yang erat dengan aspek kesejahteraan, pendidikan, kesehatan, perkawinan, kegiatan ekonomi ART, dan kondisi perumahan. Digunakan untuk memonitoring kondisi sosial ekonomi yang mungkin berubah tiap tahun 6

7 Pembagian data SUSENAS Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian: 1. SUSENAS Inti (core) SUSENAS Inti (core), menurut tingkat observasinya, dapat dibagi lagi menjadi dua: SUSENAS Kor Individu Data mengenai: Pendidikan, Umur, Jenis Kelamin, Perkawinan, Kegiatan Ekonomi, Kesehatan, dll SUSENAS Kor Rumah Tangga Data mengenai: Kondisi Perumahan dan Lingkungan Hidup, Pengeluaran Rumah Tangga 7

8 Pembagian data SUSENAS Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian: 2. SUSENAS Modul Mencakup pertanyaan yang lebih rinci dari SUSENAS Kor Terdapat tiga modul yang dikumpulkan secara bergiliran dalam waktu tiga (3) tahun: Modul Konsumsi dan Pendapatan Rumah Tangga tahun pertama Modul Sosial Budaya tahun kedua Modul Kesehatan, Gizi*, Pendidiakn dan Perumahan tahun ketiga 8

9 Pembagian data SUSENAS Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian: 2. SUSENAS Modul Digunakan untuk memonitoring kondisi sosial ekonomi yang tidak harus dimonitor tiap tahunnya. informasi kesehatan dan gizi tidak lagi dikumpulkan melalui SUSENAS sejak tahun Pendataan kesehatan dan gizi selanjutnya dikumpulkan oleh Kementrian Kesehatan melalui Riset Kesehatan Dasar (RISKESDAS) yang mengadopsi pertanyaanpertanyaan SUSENAS Modul Kesehatan dan Gizi 9

10 Pembagian data SUSENAS Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian: 3. SUSENAS Panel SUSENAS dapat digunakan untuk melakukan analisis longitudinal (cross section sama yang diobservasi pada tahun berbeda. SUSENAS longitudinal sering disebut SUSENAS Panel. Pengumpulan data SUSENAS Panel diusahakan dari rumah tangga yang sama, namun jika rumah tangga yang disurvei pada tahun sebelumnya tidak dapat ditemui, rumah tangga ini diganti dengan rumah tangga baru yang berada dalam satu (1) Nomor Blok Sensus (NBS) Merepresentasikan kondisi sosial ekonomi masyarakat dari tingkat nasional hingga provinsi saja. 10

11 Perbedaan SUSENAS RT dan Individu 11

12 SUSENAS Individu Keterangan pekerjaan Tingkat pendidikan Usia Jenis kelamin Status pernikahan Keterangan kesehatan 12

13 SUSENAS Rumah Tangga (RT) Status kepemilikan bangunan rumah Jenis atap Pengeluaran rumah tangga Jenis lantai Bahan bakar memasak Sumber penerangan Sumber air minum 13

14 SUSENAS Individu dan Rumah Tangga Variabel Variabel Observasi Status Sumber kepemilika Peneranga n rumah n Keluarga Bapak Budi Sendiri Listrik PLN Keluarga Bapak Ali Sendiri Obor Keluarga Mbah Djoyo Sewa Listrik Non PLN Keluarga Cak Ndoro Listrik PLN Sendiri Observasi Jenis Kelamin Umur Pendidika n Bapak Budi Laki-laki 47 Sarjana Ibu Budi Perempuan 40 Sarjana Kakak Budi Perempuan 28 Sarjana Budi Laki-laki 23 SMA Adek Budi Perempuan 18 SMA 14

15 Membaca kuesioner SUSENAS 15

16 Membaca kuesioner SUSENAS Kuesioner SUSENAS terbagi menjadi 2: Kuesioner untuk informasi Kor (individu dan rumah tangga) Kuesioner untuk informasi Panel Membaca kuesioner Kor Buka file kuesioner SUSENAS Kor yang berformat.pdf dengan nama susenas 2013 mar_k (id) 16

17 Membaca kuesioner SUSENAS Kuesioner: susenas 2013 mar_k (id) 17

21 Membaca data SUSENAS (STATA) Kuesioner: susenas 2013 mar_k (id) Terbagi menjadi beberapa bagian yang disebut Blok Blok 1 : Keterangan tempat Blok 4 : Keterangan Anggota Rumah Tangga Blok 5 : Keterangan perorangan tentang kesehatan, pendidikan, ketenagakerjaan, serta fertilitas dan KB Blok 6 : keterangan perumahan Blok 7 : perlindungan sosial dst 21

22 Membaca data SUSENAS (STATA) Kuesioner: susenas 2013 mar_k (id) Pengelompokan variable di dalam blok akan mempengaruhi penamaan variable itu di raw data (kecuali di roster) Provinsi : b1r1 Partisipasi sekolah : b5r14 Sakit panas (1bln) : b5r1a Jenis atap terluas : b6r5 dst 22

23 Membaca kuesioner SUSENAS Kuesioner: susenas 2013 mar_m (id) 23

28 Membaca kuesioner SUSENAS Kuesioner: susenas 2013 mar_m (id) Terdiri dari: Blok 41 : Pengeluaran Makanan, minuman dan tembakau Terdiri dari 229 jenis pengeluaran Blok 42 : Pengeluaran untuk barang-barang bukan makanan Terdiri dari 343 jenis pengeluaran Blok 43 : Rekapitulasi dari blok 41 dan blok 42 28

29 Menggunakan SUSENAS 29

30 Memeriksa data berdasarkan Kuesioner 30

31 Memeriksa data berdasarkan Kuesioner Buka data Susenas Kor Individu dengan nama susenas13mar_ki 31

32 Memeriksa data berdasarkan Kuesioner Buka data Susenas Kor Individu dengan nama susenas13mar_ki Periksa isi data susenas tersebut dengan mengetikkan perintah browse di command windows Browse 32

33 Memeriksa data berdasarkan Kuesioner Selain dapat menggunakan perintah browse untuk mendeskripsikan data, kita juga dapat menggunakan beberapa perintah lain Tabulate Describe Summarize Mari kita coba mendeskripsikan salah satu data, Jk Jenis kelamin 33

34 Memeriksa data berdasarkan Kuesioner Mari kita coba mendeskripsikan salah satu data, Jk Jenis kelamin tabulate jk describe jk summarize jk 34

35 Memeriksa data berdasarkan Kuesioner Perintah tabulate juga dapat digunakan untuk cross tabulation. tabulate jk b1r5 35

36 Menggunakan data SUSENAS Kita akan berlatih dengan menghitung salah satu indikator pembangunan Rasio Elektrifikasi Beberapa hal yang perlu diperhatikan: 1. Jenis SUSENAS yang dibutuhkan SUSENAS RT 2. Variabel di SUSENAS apa yang akan dipakai Total rumah tangga membuat variable baru Total rumah tangga yang menggunakan listrik PLN b6r14a, b6r14b 36

37 Rasio Elektrifikasi Beberapa hal yang perlu diperhatikan: 2. Variabel di SUSENAS apa yang akan dipakai Total rumah tangga Membuat variable pembantu yang bernilai 1 untuk seluruh observasi Untuk memanipulasi data (menciptakan variable baru) kita dapat menggunakan perintah generate generate v1=1 Total rumah tangga yang menggunakan listrik PLN generate v2=b6r14a==1 if b6r14b~=6 37

38 Rasio Elektrifikasi Rasio elektrifikasi: =

39 Penimbang Jika diperhatikan lebih lanjut, data total rumah tangga dan rumah tangga pengguna listrik PLN masih terlalu kecil Masih ukuran sample SUSENAS meyediakan variable penimbang yang berfungsi sebagai variable pengali agar mendapatkan gambaran populasi SUSENAS individu weind SUSENAS Rumah Tangga wert 39

40 Penimbang SUSENAS memiliki beberapa fungsi untuk mengakomodir penimbang Aweight Pweight Iweight Fweight Analitic weight Sampling weight Importance weight Frequency weight Pada kesempatan ini kita akan menggunakan frequency weight/ fweight 40

41 Penimbang Pada kesempatan ini kita akan menggunakan frequency weight/ fweight Fungsi penimbang dapat dipadukan dengan beberapa perintah lain seperti tabulate Tabulate var [fw= variable weight ] option tabulate v1 [fw=wert] 41

42 Penimbang Fungsi penimbang dapat dipadukan dengan beberapa perintah lain seperti tabulate tabulate v1 [fw=wert] Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk memeriksa masukkan perintah: browse wert 42

43 Penimbang Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk memeriksa masukkan perintah: browse wert 43

44 Penimbang Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk membulatkan variable wert, kita dapat menggunakan perintah round Buat variable baru (wert_new) yang bernilai pembulatan dari variable wert generate wert_new=round(wert) Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new browse wert wert_new 44

45 Penimbang Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new browse wert wert_new 45

46 Penimbang Kita ulangi perintah tabulate untuk variable v1 dan v2 dengan menggunakan wert_new sebagai penimbang tabulate v1 [fw=wert] tabulate v2 [fw=wert] 46

47 Rasio Elektrifikasi Rasio elektrifikasi dengan nilai populasi: = Sumber: Statistik PLN

48 Tingkat kemiskinan Tingkat kemiskinan merupakan indikator sosial ekonomi yang penting dan merupakan salah satu indikator capaian pembangunan Untuk mendapatkan indicator tersebut, terlebih dahulu kita harus mendefinisikan status miskin individu Status miskin=pengeluaran perkapita perbulan < garis kemiskinan Variabel yang dibutuhkan Pengeluaran perkapita exp_cap Garis kemiskinan generate baru 48

49 Tingkat kemiskinan Untuk menghitung indicator ini akan menggunakan data SUSENAS Individu. Langkah 1: Buka data Susenas Kor Individu dengan nama susenas13mar_ki Memasukkan garis kemiskinan ke data susenas13mar_ki Buka Ms. Excel dengan nama tingkat kemiskinan dan garis kemiskinan di folder pelatihan 49

50 Tingkat kemiskinan Langkah 1: Memasukkan garis kemiskinan ke data susenas13mar_ki Buka Ms. Excel dengan nama tingkat kemiskinan dan garis kemiskinan di folder pelatihan Cari tabel garis kemiskinan, tingkat kemiskinan untuk bulan maret

51 Tingkat kemiskinan Langkah 1: Memasukkan garis kemiskinan ke data susenas13mar_ki 51

52 Tingkat kemiskinan Langkah 1: Memasukkan garis kemiskinan ke data susenas13mar_ki Setiap provinsi memiliki dua garis kemiskinan: desa dan kota. generate povline = if b1r1 ==11 & b1r5 ==1 replace povline = if b1r1 ==12 & b1r5 ==1 replace povline = if b1r1 ==13 & b1r5 ==1 replace povline = if b1r1 ==14 & b1r5 ==1 replace povline = if b1r1 ==15 & b1r5 ==1.. replace npl = if b1r1 ==11 & b1r5 ==2 replace npl = if b1r1 ==12 & b1r5 ==2 replace npl = if b1r1 ==13 & b1r5 ==2 replace npl = if b1r1 ==14 & b1r5 ==2.. 52

53 Tingkat kemiskinan Langkah 2: Menentukan status kemiskinan individu generate poor=exp_cap<povline Langkah 3: Mentabulasikan hasil tabulate poor 53

54 Tingkat kemiskinan Langkah 3: Mentabulasikan hasil dengan nilai populasi generate weind_new=round(weind) tabulate poor [fw=weind_new] Hasil manakah yang sesuai dengan publikasi BPS? 54

55 Terima Kasih