Menghitung Relative Standard Error

Terakhir menghitung Relative Standard Error (RSE) tahun 2016. Aplikasi yang digunakan Stata dan SPSS. Rencana Strategis Badan Pusat Statistik 2020-2024 menyebutkan indikator kinerja terkait aktivitas kegiatan survey dengan mencantumkan akurasi data.

Salah satu ukuran akurasi data adalah RSE.Survey yang dilaksanakan dengan Simple Random Sampling (SRS), simple juga menghitung RSE-nya. RSE sendiri diformulasikan secara sederhana pembagian antara standard error dengan nilai estimasi dikali 100.

Pada kasus SRS, nila standard error hanya diperoleh dari pembagian antara standard deviasi dan akar dari jumlah sampel. Hanya itu. Persoalannya, survey BPS jarang bahkan tidak pernah menggunakan SRS. Susenas dan Sakernas misalnya menggunakan pengambilan sampel dua tahap. Tahap pertama pemilihan blok sensus dan tahap kedua pemilihan rumah tangga. Hal ini mengakibatkan penghitungan standard error dan RSE-nya tidak se-simple metode SRS.

Tapi tenang, urusan perumusan yang rumit dari RSE untuk survey beberapa tahap pengambilan sampel kita serahkan pada ahlinya. Kita manfaatkan aplikasi yang ada untuk menghitung RSE dengan langkah sederhana dengan prinsip sebagai berikut:

1. Definisikan primary sampling unit (psu). Sebagai contoh, psu untuk Susenas dan Sakernas adalah gabungan informasi antara provinsi+kabupaten+nomor kode sampel (nks).

2. Definisikan secondary sampling unit (ssu). Pemilihan sampel tahap kedua dari Susenas dan Sakernas adalah memilih rumah tangga. Karena itu, ssu nya dalah kombinasi psu+no urut rumah tangga.

3. Definisikan strata. Strata di survey Susenas dan Sakernas adalah kombinasi Provinsi+Status Wilayah (Desa/Kota).

4. Menyiapkan variabel yang akan dihitung RSE-nya. Misal, kita ingin menghitung RSE dari persentase penduduk yang mengalami keluhan kesehatan. Caranya mudah. Beri nilai 100 untuk responden yang mengalami keluhan kesehatan dan nilai 0 untuk mereka yang tidak mengalami keluhan kesehatan.

Empat langkah sederhana ini sudah cukup untuk menghitung RSE baik menggunakan Stata maupun SPSS. Perbedaan keduanya hanya soal input ketiga informasi tersebut. Di Stata, kita wajib mendeklarasikan metode survey melalui

Statistics – Survey Data Analysis – Setup and utilities – Declare Survey design for data set

Lalu isikan jumlah tahap pengambilan sampel seperti Susenas dan Sakernas ada dua tahap pengambilan sampel. Selanjutnya isikan psu, ssu, dan strata di tempat yang disediakan. Nilai estimasi, SE, Confidence Interval akan dihasilkan melalui menu

Statistics – Survey Data Analysis – Means, proportion, ratios, totals – Mean

Untuk SPSS, mirip dengan langkah Stata. Tahap pertama mendefinisikan desain survei melalui menu

Analyze – Complex Samples – Preparation for analysis

Di bagian inilah kita wajib mendefinisikan desain sampling dari data survey. Sebagai contoh, untuk menghitung RSE varibel Susenas dibutuhkan informasi strata yaitu status kota/desa, cluster yaitu kombinasi kabupaten dan nks dan weight. Selanjutnya, untuk menghasilkan nilai estimasi, standard error, confidence interval, coefficient of variation yang jika dikali 100 menjadi RSE, dilakukan melalui menu

Analyze – Complex Samples – Descriptives

Semoga bermanfaat

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s