Hello Statistician!

Assalamualaikum,

Segala puja dan puji hanya milik Alloh, Sang Pemilik ilmu. Semoga setetes pengetahuan yang Alloh karuniakan kepada penulis bisa dijadikan modal sebagai amal kebajikan. Duhai Alloh, perkaya hamba dengan ilmu, hiasi hamba dengan kelembutan hati, muliakan hamba dengan taqwa, dan kuatkan hamba dengan kesehatan. Ya, Alloh, ajarkan hamba ilmu yang bermanfaat dan karuniakan kemampuan memanfaatkan apa yang telah Engkau ajarkan. Maha Suci Engkau, Tiada ilmu bagi hamba selain apa yang telah Engkau ajarkan.

Tepat satu tahun, blog ini terbilang pasif. Mengawali pengaktifan kembali blog ini, penulis postingkan makalah seputar Diskriminan Robust. Bagi yang berminat meneliti diskriminan robust lebih lanjut, referensi yang telah dimiliki penulis dapat di-share. Silakan kontak melalui email.

Wassalamualaikum.

 

Median Umur dan Statistik Median Data Berkelompok

Salah satu aplikasi statistik median untuk data berkelompok pada ukuran demografi adalah median umur. Median umur dihitung dengan rumus yang sama dengan formula median data berkelompok sebagaimana tertera pada posting sebelumnya (Bagaimana menghitung Median). Meskipun demikian, ada perbedaan mendasar antara formula median umur dan formula median secara umum. Perbedaannya terletak pada pendefinisian “L”

Secara umum, inisial L pada rumus median mengacu pada Tepi Bawah dari Kelas yang memuat Nilai Median. Itu berarti jika kelas median berada pada kelompok umur 25 – 29 tahun maka nilai L akan dihitung sebesar 24,5 yaitu 25 – 0,5. Tetapi, ahli demografi tidak mengikuti aturan tersebut. Mereka memaknai L sebagai batas bawah kelas median. Dengan demikian, pada saat menghitung median umur maka nilai L pada kasus di atas akan sama dengan 25.

Sebagai seorang statistisi, Saya tidak sependapat dengan demografer yang menetapkan L sebagai batas bawah bukan tepi bawah. Mengapa? Karena rumus median diturunkan dari proses sebagaimana telah dijabarkan penulis pada posting berjudul Menentukan Rumus Median Data Berkelompok di mana secara lugas dijabarkan asal-usul rumus median data berkelompok.

 

 

Discriminant Robust Analysis

Senin, 11 Juli 2011, di tengah kesibukan mengikuti Training Of Trainers (TOT) salah satu survei berskala global, penulis ditemui salah satu mahasiswa IPB yang hendak berkonsultasi pengolahan robust discriminant analysis (rda). Program tersebut dibuat dengan menggunakan Matlab. Kendalanya adalah setiap kali running program selalu muncul error.

Usut punya usut, variabel Y sebagai variabel respon memiliki tiga kategori. Rupanya, program rda yang dibuat masih terbatas untuk respon dengan dua kategori.

Dengan temuan ini, terbuka bagi calon-calon Master Statistika untuk merumuskan bagaimana formulasi analisis diskriminan robust dengan variabel respon lebih dari dua kategori, baik untuk linear maupun quadratik. Mau mencoba?

 

Pelatihan Petugas Survei

Salah satu bagian penting dalam pengumpulan data adalah pelatihan petugas. Pelatihan petugas berperan dalam mentransfer tata cara atau prosedur pengumpulan data yang telah dirumuskan. Targetnya adalah tata cara atau prosedur pengumpulan data tersebut difahami dan dapat dipraktekkan oleh setiap petugas mulai dari pencacah, pengawas, dan supervisor. Dengan demikian bias karena kesalahan petugas dapat diminumkan.
Jika pengumpulan data dilakukan secara tim dan dilakukan untuk waktu yang lama misal dua bulan, ada aspek lain yang seringkali diabaikan dalam pelatihan petugas. Aspek tersebut adalah membangun kekompakan tim atau korsa. Belum pernah penulis mengikuti pelatihan petugas selain diisi dengan penyampaian materi saja. Padahal membangun motivasi, integritas, dan kekompakan tim sangat dibutuhkan.
Semestinya, selain materi tata cara pengumpulan data, ada sesi-sesi lain yang diisi dengan materi penguatan motivasi, integritas dan kekompakan tim. Salah satunya adalah dengan cara mengundang tim yang mengisi game-game motivasi dan kekompakan tim. Ini baru wacana, tapi untuk mengetahui efektivitasnya perlu untuk dicoba.

 

Tips Membuat Piramida Penduduk Dengan Excell

Visualisasi data penduduk menurut kelompok umur dan jenis kelamin digambarkan dengan Piramida Penduduk. Disebut piramida penduduk karena bentuk gambaran penduduk menurut kelompok umur dan jenis kelamin yang menyerupai piramid, lebar di kelompok umur muda tetapi menyempit pada kelompok umur tua. Sepertilah gambaran kependudukan di Indonesia saat ini.

Membuat piramida penduduk bisa dilakukan dengan berbagai media. Bila ingin instan, gunakan SPSS untuk membuatnya. Tapi, karena Piramida dari SPSS kurang dinamis, tidak banyak yang dapat kita modifikasi. Bagi yang tidak familiar dengan SPSS, gunakan media Excell untuk membuat piramida penduduk sekaligus mempercantiknya. Bagaimana caranya? Ikuti langkah-langkahnya berikut ini.

 

Bagaimana BPS Menghitung Penduduk Miskin

Angka kemiskinan merupakan salah satu data strategis yang di-publish oleh Badan Pusat Statistik (BPS). Disebut strategis karena berapapun angka kemiskinan yang dirilis pasti mengundang pro dan kontra. Bukan masalah pro dan kontranya yang menjadi fokus perhatian penulis dalam memuat posting bertema kemiskinan. Penulis ingin mengajak pembaca menelusuri lebih dalam apa yang bisa kita pelajari dari metode penghitungan penduduk miskin BPS.

Sebelum mengulas lebih banyak metode penghitungan penduduk miskin BPS, ada baiknya kita kenali dulu kebutuhan manusia. Salah satu teorema penting yang mengungkapkan kebutuhan manusia adalah Maslow Theory (Maslow’s Hierarchy of Needs) sebagaimana terlihat pada Gambar 1 berikut.

Gambar 1. Maslow’s Hierarchy of Needs

Sebelum memutuskan menggunakan metode penghitungan penduduk miskin ada baiknya kita menetapkan pada ranah mana dari kebutuhan Maslow yang akan diukur. BKKBN misalnya, mengelompokkan lima perkembangan keluarga, yaitu keluarga pra sejahtera, keluarga sejahtera 1, keluarga sejahtera 2, keluarga sejahtera 3 dan keluarga sejahtera 3 plus. (Silakan merefer pada file berikut untuk detil indikator masing-masing perkembangan keluarga menurut BKKBN). Selanjutnya, BKKBN mengelompokkan keluarga Pra sejahtera dan Keluarga Sejahtera I sebagai keluarga miskin. Secara tidak langsung, BKKBN memasukkan unsur Self – Actuating dari Maslow’s Hierarchy of Needs sebagai indikator penting dalam menentukan keluarga miskin.

Berbeda dengan BKKBN, BPS hanya mengukur penduduk miskin pada ranah kebutuhan dasar saja.Informasi selengkapnya dari metode penghitungan penduduk miskin BPS bisa dibaca pada referensi berikut.

Logikanya, angka kemiskinan BPS akan selalu lebih kecil daripada angka kemiskinan yang dilansir BKKBN. Dalam hal cakupan saja, BPS hanya mengukur kemiskinan dari kebutuhan dasar sementara BKKBN sudah memasukkan unsur lain di luar kebutuhan dasar. Ringkasnya, angka kemiskinan yang dipublish BPS ibarat Gunung Es di Samudra. Perlu menambahkan unsur kebutuhan selain kebutuhan dasar untuk melihat kemiskinan secara lebih luas lagi. Jadi, menyelamatkan penduduk miskin lebih baik daripada sekedar mempersoalkan jumlah penduduk miskin. Kalau dengan penduduk miskin yang sedikit saja belum teratasi bagaimana bisa mengatasi penduduk miskin yang lebih besar lagi.