Detail buku

No BukuT.ITS.2008.33
UniversitasITS
PenulisMatamira B. Kale
Judul BukuPERBANDINGAN ESTIMASI TOTAL POPULASI PENDUDUK BERDASARKAN MODEL PENALIZED SPLINE DENGAN ESTIMASI RASIO
PembimbingDrs. I Nyoman Latra, MS ; Sosikin Baidowi, M.Stats
AbstrakABSTRAK INDONESIA : Estimasi total popilasi berdasarkan sampel dengan peluang inklus yang tidak sama dikembangkan dengan berbagai metode, baik yang berdasarkan desain samplingnya maupun yang berdasarkan model. Estimasi berdasarkan model regresi parametik seperti Generalize Regression (GR) menghasilkan estimator yang lebih efisien dibandingkan dengan estimator Horvits Thompson (HT). Kelemahan estimasi berdasarkan model adalah jika model yang dibentuk tidak sesuai dengan pola data maka estimator yang dihasilkan menjadi tidak efisien. Dengan berkembangnya regresi nonparametik Panalized Spline dengan fleksibelitas yang tinggi, maka dengan metode ini kelemahan estimasi berbasis model dapat direduksi. Tulisan ini bertujuan untuk mengkaji prosedur estimasi total populasi penduduk 0-4 tahun berdasarkan model Panalized Spline dengan metode estimasi rasio yang digunakan Badan Pusat Statistik (BPS) dalam estimasi total populasi pada Survei Sosisl Ekonomi Nasional (SUSENAS). Estimasi total populasi berdasarkan model Panalized Spline diperoleh melalui estimilassi rata-rata unit sampel tahap pertama bwedasarkan model regresi Panalized Spline linier. Estimilasi parameter regresi menggunakan rangka kerja model linier campuran dimana estimilasi parameter efek tetap menggunakan metode maximum Likelihood dan prediktor parameter efek random berdasarkan kriteria prediktor linier tak bias terbaik. Estimasi komponen varians menggunsksn metode Restricted Maximum Likelihood (REML). Berdasarkan criteria MSE (Mean Square Error), estimasi berdasarkan model Panalized Spline lebih baik dibandingkan dengan estimasi rasio total populasi panduduk 0-4 tahun di Kota Kupang. Kata Kunci: Model Linier Campuran, Panalized Spline, REML ABSTRAK INGGRIS : The estimation of total population based on sample with an unequal inclusion probability is developed using various kind of methode either those based its sampling design or based on the model. The estimation which is based on the parametric regression model such us Generalized Regression (GR) result in a more efficient estimator compared with Horvitz Thompson (HT) estimator. The weakness of the estimation based on model is that if the model formed is misspecfied, the estimatora awill not be efficient. With the progress of the nonparametric regression of Penalized Spline with high flexibility, then with this method the weakness of the model-based estimation can be reduced. This thesis is aimed at analysing the estimation procedure of total estimation of population based on Penalized Spline model. The description is assosiated with the comparison of result of the total estimation of population for people model used by BPS Statistic Indonesian in estimating the total population during National Social Economic Survey (SUSENAS). The total estimation of population based on Penalized Spline model is derived from the mean estimation of primary sampling unit based on the regression of linear Penalized Spline. The estimation of the regression parameter using the framework of linear mixed model where the estimation of the regression parameter using the framework of linear mixed model where the estimation of fixed effect parameter uses the maximum likelihood method and random effect parameter predictor which based on the bast unbiased linear predictor. The estimation of varience components uses Restricted Maximum Likilihood (REML) method. Based on MSE (Mean Square Error) criteria, the estimation of population total for people at 0-4 years of age in Kota Kupang on Penalized Spline model is better than ratio eatimation. Keywods : Linear Mixed Model, Penalized Spline, REML
JenisThesis