pelatihan susenas lipi
DESCRIPTION
pelatihan pengolahan data susenas dengan stataTRANSCRIPT
Pelatihan dan Pengolahan Data Survei Sosial Ekonomi Nasional (SUSENAS)
Oleh;M. Fajar Rakhmadi
Hafiz Arfyanto
2
SURVEI SOSIAL EKONOMI NASIONAL (SUSENAS)
3
Pengertian SUSENAS
• Survei yang dirancang untuk mengumpulkan data sosial kependudukan yang relatif luas (BPS, 2001).
• Sejak tahun 1992, diperuntukkan untuk memonitor gambaran kesejahteraan penduduk
• SUSENAS merepresentasikan kondisi sosial ekonomi hingga tingkat kabupaten kota
4
Pengertian SUSENAS
BPS menggunakan SUSENAS untuk menghitung beberapa indikator berikut:1. Persentase persalinan ditolong tenaga kesehatan (dokter,
bidan dan tenaga medis)2. Rasio elektrifikasi3. Rata-Rata lama (bulan) anak 2-4 tahun mendapat ASI4. Persentase penduduk yang berobat jalan sebulan yang
lalu5. Persentase Pengeluaran Rata-rata per Kapita Sebulan6. Persentase Rumah Tangga menurut Provinsi, Tipe Daerah
dan Status Kepemilikan Rumah, dll
5
Konstruksi data SUSENAS
6
Pembagian data SUSENAS
Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:1. SUSENAS Inti (core)
–Mencakup pertanyaan-pertanyaan tentang keadaan dan perilaku masyarakat yang erat dengan aspek kesejahteraan, pendidikan, kesehatan, perkawinan, kegiatan ekonomi ART, dan kondisi perumahan.
–Digunakan untuk memonitoring kondisi sosial ekonomi yang mungkin berubah tiap tahun
7
Pembagian data SUSENAS
Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:1. SUSENAS Inti (core)
–SUSENAS Inti (core), menurut tingkat observasinya, dapat dibagi lagi menjadi dua:•SUSENAS Kor Individu–Data mengenai: Pendidikan, Umur, Jenis Kelamin, Perkawinan, Kegiatan
Ekonomi, Kesehatan, dll•SUSENAS Kor Rumah Tangga–Data mengenai: Kondisi Perumahan dan Lingkungan Hidup, Pengeluaran
Rumah Tangga
8
Pembagian data SUSENAS
Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:2. SUSENAS Modul
–Mencakup pertanyaan yang lebih rinci dari SUSENAS Kor
–Terdapat tiga modul yang dikumpulkan secara bergiliran dalam waktu tiga (3) tahun:•Modul Konsumsi dan Pendapatan Rumah Tangga tahun pertama•Modul Sosial Budaya tahun kedua•Modul Kesehatan, Gizi*, Pendidiakn dan Perumahan tahun ketiga
9
Pembagian data SUSENAS
Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:2. SUSENAS Modul
–Digunakan untuk memonitoring kondisi sosial ekonomi yang tidak harus dimonitor tiap tahunnya.
–informasi kesehatan dan gizi tidak lagi dikumpulkan melalui SUSENAS sejak tahun 2007. Pendataan kesehatan dan gizi selanjutnya dikumpulkan oleh Kementrian Kesehatan melalui Riset Kesehatan Dasar (RISKESDAS) yang mengadopsi pertanyaan-pertanyaan SUSENAS Modul Kesehatan dan Gizi
10
Pembagian data SUSENAS
Data mentah (Raw Data) SUSENAS terbagi menjadi beberapa bagian:3. SUSENAS Panel
–SUSENAS dapat digunakan untuk melakukan analisis longitudinal (cross section sama yang diobservasi pada tahun berbeda.–SUSENAS longitudinal sering disebut SUSENAS Panel.–Pengumpulan data SUSENAS Panel diusahakan dari rumah tangga
yang sama, namun jika rumah tangga yang disurvei pada tahun sebelumnya tidak dapat ditemui, rumah tangga ini diganti dengan rumah tangga baru yang berada dalam satu (1) Nomor Blok Sensus (NBS)–Merepresentasikan kondisi sosial ekonomi masyarakat dari tingkat
nasional hingga provinsi saja.
11
Perbedaan SUSENAS RT dan Individu
12
SUSENAS Individu
Tingkat pendidikan
Keterangan pekerjaan
Jenis kelamin
Status pernikahan
Usia
Keterangan kesehatan
13
SUSENAS Rumah Tangga (RT)
Status kepemilikan bangunan rumah
Bahan bakar memasak
Sumber air minum
Pengeluaran rumah tangga
Sumber penerangan
Jenis atap
Jenis lantai
14
SUSENAS Individu dan Rumah Tangga
Observasi
Variabel
Status kepemilikan
rumahSumber
Penerangan
Keluarga Bapak Budi Sendiri Listrik PLN
Keluarga Bapak Ali Sendiri Obor
Keluarga Mbah Djoyo Sewa Listrik Non PLN
Keluarga Cak Ndoro Sendiri Listrik PLN
Observasi
Variabel
Jenis Kelamin Umur Pendidikan
Bapak Budi Laki-laki 47 Sarjana
Ibu Budi Perempuan 40 Sarjana
Kakak Budi Perempuan 28 Sarjana
Budi Laki-laki 23 SMA
Adek Budi Perempuan 18 SMA
15
Membaca kuesioner SUSENAS
16
Membaca kuesioner SUSENAS
Kuesioner SUSENAS terbagi menjadi 2: Kuesioner untuk informasi Kor (individu dan rumah tangga) Kuesioner untuk informasi Panel
Membaca kuesioner Kor Buka file kuesioner SUSENAS Kor yang berformat .pdf dengan
nama “susenas 2013 mar_K (id)”
17
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_K (id)
18
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_K (id)
19
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_K (id)
20
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_K (id)
21
Membaca data SUSENAS (STATA)
Kuesioner: susenas 2013 mar_K (id) Terbagi menjadi beberapa bagian yang disebut Blok
Blok 1 : Keterangan tempat Blok 4 : Keterangan Anggota Rumah Tangga Blok 5 : Keterangan perorangan tentang kesehatan, pendidikan,
ketenagakerjaan, serta fertilitas dan KB Blok 6 : keterangan perumahan Blok 7 : perlindungan sosial dst
22
Membaca data SUSENAS (STATA)
Kuesioner: susenas 2013 mar_K (id) Pengelompokan variable di dalam blok akan mempengaruhi
penamaan variable itu di raw data (kecuali di roster) Provinsi : b1r1 Partisipasi sekolah : b5r14 Sakit panas (1bln) : b5r1a Jenis atap terluas : b6r5 dst
23
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id)
24
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id)
25
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id)
26
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id)
27
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id)
28
Membaca kuesioner SUSENAS
Kuesioner: susenas 2013 mar_M (id) Terdiri dari:
Blok 41 : Pengeluaran Makanan, minuman dan tembakau Terdiri dari 229 jenis pengeluaran
Blok 42 : Pengeluaran untuk barang-barang bukan makanan Terdiri dari 343 jenis pengeluaran
Blok 43 : Rekapitulasi dari blok 41 dan blok 42
29
Menggunakan SUSENAS
30
Memeriksa data berdasarkan Kuesioner
31
Memeriksa data berdasarkan Kuesioner
Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”
32
Memeriksa data berdasarkan Kuesioner
Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”
Periksa isi data susenas tersebut dengan mengetikkan perintah “browse” di command windows
Browse
33
Memeriksa data berdasarkan Kuesioner
Selain dapat menggunakan perintah “browse” untuk mendeskripsikan data, kita juga dapat menggunakan beberapa perintah lain
Tabulate Describe Summarize
Mari kita coba mendeskripsikan salah satu data, “Jk” Jenis kelamin
34
Memeriksa data berdasarkan Kuesioner
Mari kita coba mendeskripsikan salah satu data, “Jk” Jenis kelamin
tabulate jk
describe jk
summarize jk
35
Memeriksa data berdasarkan Kuesioner
Perintah tabulate juga dapat digunakan untuk cross tabulation. tabulate jk b1r5
36
Menggunakan data SUSENAS
Kita akan berlatih dengan menghitung salah satu indikator pembangunan Rasio Elektrifikasi
Beberapa hal yang perlu diperhatikan:1. Jenis SUSENAS yang dibutuhkan SUSENAS RT2. Variabel di SUSENAS apa yang akan dipakai
Total rumah tangga membuat variable baru Total rumah tangga yang menggunakan listrik PLN b6r14a,
b6r14b
37
Rasio Elektrifikasi
Beberapa hal yang perlu diperhatikan:2. Variabel di SUSENAS apa yang akan dipakai
Total rumah tangga Membuat variable pembantu yang bernilai 1 untuk seluruh
observasi Untuk memanipulasi data (menciptakan variable baru) kita dapat
menggunakan perintah “generate” generate v1=1
Total rumah tangga yang menggunakan listrik PLN generate v2=b6r14a==1 if b6r14b~=6
38
Rasio Elektrifikasi
Rasio elektrifikasi:
= 0.74
39
Penimbang
Jika diperhatikan lebih lanjut, data total rumah tangga dan rumah tangga pengguna listrik PLN masih terlalu kecil Masih ukuran sample
SUSENAS meyediakan variable penimbang yang berfungsi sebagai variable pengali agar mendapatkan gambaran populasi SUSENAS individu weind SUSENAS Rumah Tangga wert
40
Penimbang
SUSENAS memiliki beberapa fungsi untuk mengakomodir “penimbang” Aweight Analitic weight Pweight Sampling weight Iweight Importance weight Fweight Frequency weight
Pada kesempatan ini kita akan menggunakan frequency weight/“fweight”
41
Penimbang
Pada kesempatan ini kita akan menggunakan frequency weight/“fweight”
Fungsi penimbang dapat dipadukan dengan beberapa perintah lain seperti “tabulate” Tabulate var [fw=“variable weight”] option tabulate v1 [fw=wert]
42
Penimbang
Fungsi penimbang dapat dipadukan dengan beberapa perintah lain seperti “tabulate” tabulate v1 [fw=wert]
Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk memeriksa masukkan perintah: browse wert
43
Penimbang
Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk memeriksa masukkan perintah: browse wert
44
Penimbang
Perintah ini error karena fweight tidak dapat digunakan jika variable penimbang bukan merupakan bilangan bulat Untuk membulatkan variable wert, kita dapat menggunakan
perintah “round” Buat variable baru (wert_new) yang bernilai pembulatan dari
variable wert generate wert_new=round(wert)
Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new
browse wert wert_new
45
Penimbang
Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new
browse wert wert_new
46
Penimbang
Kita ulangi perintah tabulate untuk variable v1 dan v2 dengan menggunakan wert_new sebagai penimbang tabulate v1 [fw=wert] tabulate v2 [fw=wert]
47
Rasio Elektrifikasi
Rasio elektrifikasi dengan nilai populasi:
= 0.789
Sumber: Statistik PLN 2013
48
Tingkat kemiskinan
• Tingkat kemiskinan merupakan indikator sosial ekonomi yang penting dan merupakan salah satu indikator capaian pembangunan
• Untuk mendapatkan indicator tersebut, terlebih dahulu kita harus mendefinisikan status miskin individu– Status miskin=pengeluaran perkapita perbulan < garis
kemiskinan
• Variabel yang dibutuhkan– Pengeluaran perkapita exp_cap– Garis kemiskinan generate baru
49
Tingkat kemiskinan
• Untuk menghitung indicator ini akan menggunakan data SUSENAS Individu.
• Langkah 1:– Buka data Susenas Kor Individu dengan nama
“susenas13mar_ki”
– Memasukkan garis kemiskinan ke data “susenas13mar_ki”• Buka Ms. Excel dengan nama “tingkat kemiskinan dan garis
kemiskinan” di folder pelatihan
50
Tingkat kemiskinan
• Langkah 1:– Memasukkan garis kemiskinan ke data “susenas13mar_ki”
• Buka Ms. Excel dengan nama “tingkat kemiskinan dan garis kemiskinan” di folder pelatihan
• Cari tabel garis kemiskinan, tingkat kemiskinan untuk bulan maret 2013
51
Tingkat kemiskinan
• Langkah 1:– Memasukkan garis kemiskinan ke data “susenas13mar_ki”
52
Tingkat kemiskinan
• Langkah 1:– Memasukkan garis kemiskinan ke data “susenas13mar_ki”– Setiap provinsi memiliki dua garis kemiskinan: desa dan kota.
generate povline =359217 if b1r1 ==11 & b1r5 ==1replace povline =307352 if b1r1 ==12 & b1r5 ==1replace povline =332837 if b1r1 ==13 & b1r5 ==1replace povline =346796 if b1r1 ==14 & b1r5 ==1replace povline =337930 if b1r1 ==15 & b1r5 ==1..replace npl =319416 if b1r1 ==11 & b1r5 ==2replace npl =263061 if b1r1 ==12 & b1r5 ==2replace npl =288215 if b1r1 ==13 & b1r5 ==2replace npl =312591 if b1r1 ==14 & b1r5 ==2..
53
Tingkat kemiskinan
• Langkah 2:– Menentukan status kemiskinan individu
• generate poor=exp_cap<povline
• Langkah 3:– Mentabulasikan hasil
• tabulate poor
54
Tingkat kemiskinan
• Langkah 3:– Mentabulasikan hasil dengan nilai populasi
• generate weind_new=round(weind)• tabulate poor [fw=weind_new]
• Hasil manakah yang sesuai dengan publikasi BPS?
Terima Kasih