RISKESDAS 2013
Modul IPKM penyajian sampai
domain kabupaten/kota. Modul MDG’s penyajian sampai
domain provinsi, subsampel dari Modul IPKM.
Modul Biomedis penyajian level nasional,
subsampel dari Modul MDG’s.
Modul IPKM
Modul MDG’s Modul Biomedis
KERANGKA SAMPEL Kerangka sampel pemilihan tahap pertama adalah daftar primary
sampling unit (PSU) dalam master sampel.
PSU adalah gabungan dari beberapa blok sensus
Jumlah PSU dalam master sampel adalah 30000 PSU
PSU juga dilengkapi informasi jumlah dan daftar nama kepala rumah tangga, alamat, tingkat pendidikan KRT berdasarkan klasifikasi wilayah urban/rural.
Kerangka sampel pemilihan tahap kedua adalah seluruh bangunan sensus yang di dalamnya terdapat rumah tangga biasa (tidak termasuk institutional household). Bangunan sensus terpilih dan rumah tangga biasa dalam bangunan sensus terpilih terlebih dahulu dilakukan pengecekan keberadaan & pemutakhiran.
Skema Penarikan Sampel PSU dan Blok Sensus Susenas dan Riskesdas
Master Sampel 30.000 PSU
Susenas dan Riskesdas 12.000 PSU
Susenas 18.000 PSU
sistematik
Susenas dan Riskesdas @2 Blok Sensus
PPS size ruta
Susenas @1Blok Sensus
Riskesdas @1 Blok Sensus
Susenas @ 1 Blok Sensus
PPS size ruta
Susenas 30.000 BS
Susenas Trw 1 7.500 BS
Susenas Trw 4 7.500 BS
Susenas Trw 3 7.500 BS
Susenas Trw 2 7.500 BS
DESAIN SAMPLING (1) Modul IPKM (untuk estimasi kabupaten/kota) Metode Sampling: Sampling tiga tahap berstrata Tahap pertama, memilih sejumlah psu dari psu terpilih secara
sistematik pada setiap kab/kota sesuai alokasi domain. Tahap kedua, dari psu terpilih, dipilih 2 blok sensus secara
pps dengan size jumlah rumah tangga sesuai alokasi domain. Selanjutnya dipilih secara acak satu blok untuk Riskesdas dan satu blok sensus untuk Susenas.
Tahap ketiga, dari setiap blok sensus terpilih Riskesdas, dipilih 25 bangunan sensus secara sistematik berdasarkan data bangunan sensus hasil SP2010-C1.
Tahap keempat, dari setiap bangunan sensus terpilih dipilih satu rumah tangga biasa secara acak, setelah terlebih dahulu mengidentifikasi rumah tangga yang sekarang tinggal di bangunan sensus tsb (dimutakhirkan).
DESAIN SAMPLING (2)
Modul MDG’s (untuk estimasi provinsi) Metode Sampling: Sampling dua tahap berstrata, subsampel dari estimasi kab/kota. Tahap pertama, memilih sejumlah BS secara sistematik
dari BS terpilih estimasi kab/kota sesuai alokasi domain kab/kota.
Tahap Kedua, dari setiap blok sensus sampel, dipilih 25 bangunan sensus secara sistematik berdasarkan data hasil SP2010-C1.
Tahap Ketiga, dari setiap bangunan sensus terpilih, dipilih satu rumah tangga, setelah dilakukan pemutakhiran terlebih dahulu.
DESAIN SAMPLING (3) Modul Biomedis (untuk estimasi nasional) Metode Sampling: Sampling dua tahap berstrata, subsampel dari estimasi provinsi. Tahap 1: Memilih 250 kabupaten/kota secara pps wr). Dari
hasil penarikan sampel, jumlah realisasi sampel yang efektif (effective sample size) sebanyak 177 kabupaten/kota.
Tahap 2: Dari setiap kabupaten/kota terpilih, dilakukan
pemilihan blok sensus secara systematic sampling dari daftar blok sensus sampel Riskesdas Modul MDG’s.
Rumah tangga yang menjadi sampel dalam Riskesdas Modul Biomedis adalah sebanyak 25 rumah tangga yang terpilih pada Modul MDG’s di blok sensus sampel Modul Biomedis.
DESIGN WEIGHT(1) Estimasi kabupaten/kota (Modul IPKM)
𝑤𝑤𝑘𝑘𝑘𝑘𝑘𝑗𝑗 =𝑀𝑀𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
25 × 𝑛𝑛𝑘𝑘𝑘 × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑛𝑛𝑘𝑘𝑘 : jumlahbloksensussampelModulIPKM di kabupatenkstrata h (h=1,2) 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di kab/kota k strata h
bloksensusi 𝑀𝑀𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di kab/kotakstrata h 𝐵𝐵𝑘𝑘𝑘𝑘𝑘: jumlahpopulasibangunansensus di kab/kota k strata h bloksensusi
(hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensus j (hasilupdating)
DESIGN WEIGHT(2) Estimasi provinsi (Modul MDG’s)
𝑤𝑤𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ =𝑀𝑀𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
25 × 𝑛𝑛𝑘𝑘𝑘′ × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑛𝑛𝑘𝑘𝑘′ : jumlahbloksensussampelModulMDG’s di kabupatenkstrata h 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga (hasil SP2010) di kab/kota k
strata h bloksensusi 𝑀𝑀𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga (hasil SP2010) di kab/kotak
strata h 𝐵𝐵𝑘𝑘𝑘𝑘𝑘: jumlahpopulasibangunansensus di kab/kota k strata h
bloksensusi (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata
hbloksensusibangunansensusj (hasilupdating)
DESIGN WEIGHT(3) Estimasi nasional (ModulBiomedis)
𝑤𝑤𝑝𝑝𝑘𝑘𝑘𝑘𝑘′′ =𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗
25 × 𝑡𝑡𝑝𝑝𝑘 × 𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ × 𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘: jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p (p=1,2,3) kab/kota k strata daerahh (h=1,2)
𝑡𝑡𝑝𝑝𝑘 : jumlahsampelkabupaten/kotadi strata IPKM ke-p (p=1,2,3) daerahh (h=1,2) 𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ : jumlahbloksensussampelModulBiomedisdi strata IPKM ke-p kabupatenk
daerahke-h 𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p kab/kota k
daerahh bloksensusi 𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasibangunansensus di strata IPKM ke-p kab/kota k daerahh
bloksensusi(hasil SP2010) 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata
hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata
hbloksensusibangunansensusj (hasilupdating)
Respon Rate
a. Rumah Tangga : 98%, tertinggi NTB (99.83%), terendah DKI (89.57%) b. Individu: 93%, tertinggi Sumsel (98.20%), terendah Papua (81%) c. Ciri-ciri non respon individu :
Kelompok umur Respon
Total Respon rate
Ya Tidak
0-9 192,507 6,872 199,379 0.966
10-19 199,149 20,074 219,223 0.908
20-29 127,777 22,301 150,078 0.851
30-39 157,757 11,913 169,670 0.930
40-49 150,914 8,896 159,810 0.944
50-59 108,470 4,998 113,468 0.956
60-69 56,164 1,798 57,962 0.969
70 plus 35,025 978 36,003 0.973
Total 1,027,763 77,830 1,105,593 0.930
Adjustment for Nonresponse
Nonrespon block:
Adjustment weight for
nonresponse
Nonrespon household:
pbs=response rate block census pruta= response rate household
rutaBShi
rhi pp
WW 11⋅⋅=)(
BShi
rhi p
WW 1⋅=)(
Trimmed Weight
Weight trimming process is should done by strata. The Process is begin with the specific value of upper bound, then it
will adjust to original weight in dataset therefore the number of trimmed weight will be same with original weight .
Trimmed Weight (lanjutan) Trimmed weight for BS ke-i strata h, at district is:
( )( )
⋅⋅≥⋅⋅⋅⋅<
= )()(
)()(
*)( 3jk33jk
rhihi
rhi
rhihi
rhi
Thi WIQRWWIQRWIQRWW
W
Trimmed Weight (lanjutan) Assume the weight in strata is constant. If FT is rasio original weight to trimmed weight.
Adjusted trimmed weight for strata h at district:
∑∑
=
hTkhkh
h
rhih
T Wn
WnF
)(
)(
( )*)(
ThiTT
hi WFW ×=
Correction Factor for Household Projection
The number of household that used for design weight is the number of household based on SP2010. For that reason, it has to use the correction factor according to 2013 projection:
)2010(
)2013()()(
~
h
hThij
Ahij H
Hxww =
Secondary data control
The final step is calculate the weight for each household that controlled by the number of household from 2011 projection based on sex (2 categories) and 5 year age group (16 categories) using GLS (Generalized Least Square) procedure.
Adjusted Final Weight (GLS procedure) GLS is proposed to minimize the function of weight so:
will be solve the problem .
( ) ( )WΩΛWΩmin −′− −1W
XNWX =′
Adjusted Final Weight (Continue) The unique solution for cases is adjusted final weight :
= vector design weight for each sample from m unit sample; = matrix for each characteristic of unit sample where parameter is known, like
number of person in cell K by definition of age, sex in each unit. = vector of parameter X, like # population in each cell by age, sex. = matrix final weight, assumed or , with each elemen
m×1 vector η is total of column matrix X for each unit. = vector adjusted final weight;
1)(nΩ ×
)X mK×
)1(P ×K
)(Λ mm× ( )ΩΛ diag= ( ) ( )Ω)η(Λ diagdiag 1−=
)()1(
Gxmh
W