PENERAPAN SMALL AREA ESTIMATION UNTUK PENDUGAAN TINGKAT KEMISKINAN LEVEL KECAMATAN DI PROVINSI BENGKULU: PERBANDINGAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) DAN HIERARCHICAL BAYESIAN (HB)

Kemiskinan merupakan permasalahan penting yang dihadapi dunia. Berbagai
cara dilakukan untuk mengentaskan kemiskinan. Dalam merencanakan
pengentasan kemiskinan, para pengambil kebijakan memerlukan informasi yang
detil hingga level area terkecil yang mampu dihasilkan. Saat ini permintaan estimasi
pada level area kecil semakin meningkat sedangkan keberhasilan pendugaan
menggunakan metode tidak langsung dalam menurunkan Relative Standard Error
(RSE) sangat bergantung pada kondisi data dan pemilihan metode yang tepat.
Penelitian ini bertujuan untuk membandingkan hasil pendugaan persentase
penduduk miskin dengan estimasi langsung dengan estimasi tidak langsung
menggunakan teknik Small Area Estimation (SAE) yaitu Empirical Best Linear
Unbiased Predictor (EBLUP) dan Hierarchical Bayesian (HB) menggunakan studi
kasus data kemiskinan level kecamatan Provinsi Bengkulu. Data yang digunakan
berasal dari hasil Survei Sosial Ekonomi Nasional (Susenas) Maret 2022 dan
pendataan Potensi Desa (Podes) 2021. Terdapat satu kecamatan yang tidak
tersampel dalam Susenas Maret 2022. Dari hasil penghitungan, RSE penduga
langsung lebih besar daripada RSE penduga tidak langsung. Nilai rata-rata RSE
penduga langsung sebesar 47,014 dan rata-rata RSE penduga EBLUP sebesar 39.40
dan penduga HB sebesar 15,318. Hasil tersebut menunjukkan metode SAE EBLUP
dan HB dapat menurunkan nilai rataan dan median dari RSE hasil estimasi jika
dibandingkan dengan estimasi langsung.
Kata kunci: pendugaan area kecil, kemiskinan, EBLUP, hierarchical bayesian