<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="9977">
 <titleInfo>
  <title>PENDUGAAN AREA KECIL KOMPONEN INDEKS PENDIDIKAN DALAM IPM DI KABUPATEN INDRAMAYU DENGAN METODE HIERARCHICAL BAYES BERBASIS SPASIAL</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>ARI SHOBRI BUKHARI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2015</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xv,; 114 hlm,;29 cm</extent>
 </physicalDescription>
 <note>Era otonomi daerah seperti saat ini mendorong pemerintah daerah untuk memiliki &#13;
informasi hingga pada area kecil. Salah satu indikator pokok bagi pemerintah &#13;
daerah adalah Indeks Pembangunan Manusia (IPM). IPM dihitung oleh BPS &#13;
setiap tahunnya hingga tingkat kabupatenlkota. Penghitungan IPM hingga tingkat &#13;
kecamatan tidak bisa dilakukan secara langsung oleh BPS karena kurangnya &#13;
sampel. Salah satu cara untuk menaksir IPM pada domain kecil adalah melalui &#13;
pendugaan tidak langsung dengan pendekatan Pendugaan Area Kecil (Small Area &#13;
Estimation/SAE). Salah satu model SAE yang dapat digunakan adalah model &#13;
Hierarchical Bayes (HB). Model HB memiliki kelebihan dibandingkan dengan &#13;
model SAE lainnya, diantaranya adalah dihasilkannya MSE yang lebih rendah, &#13;
varians posterior terkecil, dan dapat menangani variabel respon yang bersifat &#13;
diskr.et seperti Angka Melek Huruf. &#13;
&#13;
Model-model dalam pendugaan area kecil mengasumsikan bahwa pengaruh acak &#13;
gal at area saling bebas. Namun dalam beberapa kasus, asumsi ini sering &#13;
dilanggar. Pelanggaran asumsi ini disebabkan oleh keragaman suatu area &#13;
dipengaruhi area sekitamya, sehingga efek spasial dapat dimasukkan ke dalam &#13;
&#13;
pengaruh acak. . &#13;
&#13;
Penelitian ini bertujuan untuk menaksir Indeks Pendidikan (terdiri dari Angka &#13;
Melek Huruf [AMH] dan Rata-Rata Lama Sekolah [RLS]) sebagai salah satu &#13;
komponen IPM melalui pendekatan Hierarchical Bayes Small Area Estimation &#13;
(HB SAE) tingkat kecamatan di Kabupaten Indramayu Tahun 2011. Model HB &#13;
Logit Normal (HBLN) digunakan untuk menduga AMH dan model HB Normal &#13;
(HBN) digunakan untuk menduga RLS. &#13;
&#13;
Hasil simulasi menunjukkan bahwa model HB berbasis spasial lebih baik &#13;
dibandingkan dengan model HB non spasial. Spasial HBLN lebih baik dalam &#13;
melakukan pendugaan terhadap parameter regresi (Pi) dibandingkan HBLN non &#13;
spasial. Sedangkan spasial HBN lebih baik dalam pendugaan parameter populasi &#13;
(lLi) dan parameter regresi (Pi) dibandingkan HBN non spasial. &#13;
&#13;
</note>
 <note type="statement of responsibility">ARI SHOBRI BUKHARI</note>
 <subject authority="">
  <topic>Pendugaan area kecil   2. Hierarchical Bayes   3. </topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Buk p/R.14.21</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001140700378</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.21)</sublocation>
    <shelfLocator>519.5 Buk p/R.14.21</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>9977</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-01 15:42:28</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-05-18 08:54:25</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>