pelatihan susenas lipi

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


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


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


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


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


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


Kuesioner: susenas 2013 mar_K (id)

18



19



20



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


Kuesioner: susenas 2013 mar_M (id)

24



25



26



27



28


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


Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”

32


Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”

Periksa isi data susenas tersebut dengan mengetikkan perintah “browse” di command windows

Browse

33


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


Mari kita coba mendeskripsikan salah satu data, “Jk” Jenis kelamin

tabulate jk

describe jk

summarize jk

35


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

pelatihan susenas lipi

Documents