| dc.description.abstract | SAE ( Small Area Estimation ) merupakan salah satu metode dalam statistik yang sudah tidak asing lagi. SAE sering digunakan oleh para peneliti terutama statistisi untuk menduga parameter – parameter subpopulasi yang memiliki ukuran sampel kecil . Dalam SAE terdapat dua teknik pendugaan yaitu pendugaan langsung (direct estimation) dan pendugaan tidak langsung (indirect estimation). Pendugaan langsung dianggap 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. Karena hal tersebut maka dikembangkan metode pendugaan tidak langsung agar ragam yang dihasilkan semakin kecil. Metode tidak langsung antara lain empirical best linear unbiased prediction (EBLUP), empirical Bayes (EB), dan hierarchical Bayes (HB). Empirical Best Linear Unbiased Prediction (EBLUP) merupakan salah satu metode pendugaan tak langsung dalam Small Area Estimation. Adanya outlier pada data tidak menjamin bahwa metode ini dapat menghasilkan prediksi yang tepat. Data yang memiliki outlier tidak dapat dibuang begitu saja karena akan mempengaruhi model prediksi serta menghasilkan estimasi yang kurang tepat . Regresi robust merupakan salah satu pendekatan yang digunakan dalam model Small Area Estimation. Pendekatan tersebut dianggap memiliki kelebihan karena dapat menanggulangi data outlier, sehingga mengurangi sifat bias pada penduga yang dihasilkan dan prediksinya menjadi lebih tepat. Robust Small Area Estimation terbagi menjadi beberapa pendekatan, yaitu dengan Maximum Likelihood dan M-Estimation. Beberapa penerapan dalam penelitian Small Area Estimation, antara lain pengeluaran penduduk per kapita, ketahanan pangan nasional dan masih banyak hal lain yang menjadi permasalahan pokok di tiap negara maupun provinsi. Di tingkat kabupaten terutama kabupaten Jember, kebutuhan akan rumah terus meningkat sejalan dengan pertambahan jumlah penduduk. Sehingga subsidi Kredit Pemilikan Rumah untuk perumahan juga mengalami peningkatan. Oleh karena itu pemerintah dituntut untuk lebih tepat sasaran dalam memberikan bantuan terhadap masyarakat. Disisi yang lain, data yang diperoleh untuk prediksi kebutuhan tersebut terbatas. Sehingga pada penelitian ini akan diduga kebutuhan rumah sederhana di kabupaten Jember menggunakan Robust Small Area Estimation . Dari penelitian ini diperoleh prediksi kecamatan yang membutuhkan jumlah rumah sederhana yang paling banyak menurut EBLUP adalah kecamatan Silo yaitu sebesar 15.493 unit. Sedangkan yang membutuhkan rumah sederhana paling sedikit adalah kecamatan Arjasa yaitu sebesar 5.586 unit. Metode REBLUP ML menghasilkan prediksi kecamatan Silo membutuhkan rumah sederhana paling banyak yaitu sebesar 14.045 unit dan kecamatan Arjasa yang membutuhkan rumah sederhana paling sedikit yaitu sebesar 6.926 unit. Untuk prediksi kebutuhan rumah sederhana menurut metode REBLUP M-Estimation menunjukkan kecamatan Silo sebagai kecamatan yang membutuhkan jumlah sederhana paling banyak yaitu sebesar 14.211 unit. Sedangkan yang membutuhkan rumah sederhana paling sedikit adalah kecamatan Arjasa yaitu sebesar 6.7737 unit. Hasil prediksi metode tersebut menggunakan data dengan outlier dan tanpa outlier. Sedangkan dari nilai RMSE dapat disimpulkan bahwa metode REBLUP M-Estimation memiliki sensitifitas terhadap outlier yang lebih rendah dibandingkan dengan metode EBLUP maupun REBLUP ML . Nilai RMSE dengan EBLUP mengalami peningkatan dari 1473,7 menjadi 40.013,7 hanya dengan satu kecamatan yang menjadi outlier dalam data yaitu kecamatan Wuluhan. | en_US |
