PETA KEMISKINAN INDONESIA - SMERU Research Institute
PETA KEMISKINAN INDONESIA - SMERU Research Institute
PETA KEMISKINAN INDONESIA - SMERU Research Institute
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Peta Kemiskinan Indonesia<br />
Data statistik sosial dan ekonomi<br />
membantu menunjukkan aspekaspek<br />
yang perlu diperhatikan dalam<br />
kebijakan pembangunan.<br />
Social and economic statistics help give<br />
focus to development policies.<br />
Sri Budiyati/<strong>SMERU</strong><br />
di atas dapat digunakan untuk memprediksi tingkat pengeluaran<br />
(status kemiskinan) untuk setiap rumah tangga dalam populasi,<br />
dengan syarat model prediksi ini hanya menggunakan karakteristik<br />
yang juga terdapat dalam data sensus penduduk. Memprediksi<br />
tingkat konsumsi dan status kemiskinan untuk suatu rumah tangga<br />
dengan cara ini tidak akan memberi informasi yang banyak; galat<br />
margin akan sangat besar sehingga prakiraannya menjadi sama<br />
sekali tidak berguna. Namun, dengan mengombinasikan rumah<br />
tangga dalam kelompok (desa, kecamatan, kabupaten, “penduduk<br />
sasaran”–menurut jargon pembuat peta kemiskinan), ternyata<br />
manfaat nyata yang diperoleh adalah bahwa sampel yang lebih<br />
besar cenderung mengurangi galat margin. Sebagai konsekuensi,<br />
pada tingkat kelompok, dapat diberikan perkiraan yang cukup<br />
tepat atas distribusi pengeluaran di dalam kelompok dan khususnya<br />
persentase masyarakat di bawah garis kemiskinan.<br />
Ringkasan langkah-langkah pembuatan peta kemiskinan adalah<br />
sebagai berikut.<br />
1. Menentukan karakterisitik rumah tangga yang dapat ditemukan<br />
di dalam Susenas dan sensus penduduk.<br />
2. Dengan menggunakan data dari Susenas, membuat model<br />
yang dapat memprediksi pengeluaran konsumsi per kapita dari<br />
karakteristik rumah tangga yang biasanya digunakan dalam<br />
Susenas dan sensus penduduk.<br />
3. Dengan menggunakan data mengenai karakteristik rumah<br />
tangga dari sensus penduduk, dilakukan prediksi pengeluaran<br />
per kapita untuk semua rumah tangga di dalam populasi (disertai<br />
dengan perkiraan mengenai galat prediksi).<br />
4. Menggabungkan tingkat pengeluaran rumah tangga yang telah<br />
diprediksi ke dalam kelompok agar galat prediksi dapat dikurangi<br />
hingga tingkat yang bisa diterima.<br />
predict expenditure levels (and poverty status) for each household in the<br />
population—provided that the prediction model only uses characteristics<br />
that are also registered in the population census. Predicting consumption<br />
levels and poverty status for individual households in this way would not<br />
be very informative; the margins of error would be so big as to render<br />
predictions totally useless. However, by combining households in groups<br />
(village, kecamatan, kabupaten; “target populations” in the jargon of<br />
poverty mappers) we benefit from the fact that larger samples tend to<br />
reduce the error margins. Consequently, at the group level fairly precise<br />
estimates can be given of the distribution of expenditure in the group and<br />
in particular of the percentage of people below the poverty line.<br />
Summarizing, the steps in poverty mapping are:<br />
1. Determine the set of household characteristics that can be found both<br />
in the Susenas and in the population census.<br />
2. Using data from the Susenas, make a model that can predict<br />
consumption expenditure per capita from the household characteristics<br />
common to the Susenas and the census.<br />
3. Using data on household characteristics from the census, predict<br />
expenditure per capita for all households in the population (with an<br />
assessment of prediction error).<br />
4. Aggregate the predicted expenditure levels of households in groups so<br />
that prediction errors are reduced to acceptable levels.<br />
12 Newsletter