PENDEKATAN SMALL AREA ESTIMATION UNTUK PEMETAAN PEKERJA DISABILITAS DI NUSA TENGGARA SEBAGAI DUKUNGAN STATISTIK BAGI DASA CITA NTT
DOI:
https://doi.org/10.64930/jstar.v5i2.126Kata Kunci:
Pekerja Disabilitas, Hierarchical Bayes, Nusa Tenggara, Poisson-Gamma, Small Area EstimationAbstrak
Tulisan ini mengkaji estimasi jumlah pekerja penyandang disabilitas di wilayah Nusa Tenggara dengan menggunakan data Sakernas 2024. Ukuran sampel yang terbatas di beberapa kabupaten menyebabkan tingginya galat penarikan sampel, sehingga diperlukan pendekatan statistik wilayah kecil (Small Area Estimation) yang lebih andal. Keterbatasan ketersediaan statistik ketenagakerjaan penyandang disabilitas pada level wilayah kecil menghambat perencanaan pembangunan daerah berbasis bukti dan kebijakan inklusif. Studi ini menerapkan metode Small Area Estimation (SAE) dengan model Hierarchical Bayesian (HB) Poisson–Gamma untuk menangani data cacah yang memiliki overdispersion—suatu pendekatan yang masih jarang digunakan dalam statistik ketenagakerjaan di Indonesia. Model dikembangkan dengan menggabungkan data Sakernas dengan informasi tambahan dari PODES dan Kementerian Pendidikan. Estimasi dilakukan melalui inferensi Bayesian menggunakan simulasi Markov Chain Monte Carlo (MCMC). Model HB Poisson–Gamma secara efektif menurunkan Relative Standard Error (RSE) dari rata-rata 44,6% pada estimasi langsung menjadi di bawah 10% di 32 kabupaten di Nusa Tenggara. Hasil ini menunjukkan kemampuan model dalam meningkatkan reliabilitas data serta mendukung kebijakan ketenagakerjaan inklusif yang sejalan dengan prioritas pembangunan daerah.
Unduhan
Referensi
Afifah, U. N., & Faradis, R. (2019). Optimalisasi Data Survei Sosial Dan Ekonomi Nasional (Susenas) Dengan Small Area Estimation (SAE). Seminar Nasional Official Statistics, 1, 132–139. https://doi.org/10.34123/semnasoffstat.v2019i1.147
Apsari, N. C., & Raharjo, S. T. (2021). Orang dengan Disabilitas: Situasi Tantangan dan Layanan di Indonesia. Buletin Penelitian Sistem Kesehatan, 24(3), 159–169. https://doi.org/10.22435/hsr.v24i3.3069
Bappenas. (2020). Metadata Pilar Ekonomi. Kementerian Perencanaan Pembangunan Nasional/Bappanes, 1–106.
BPS. (2023). Keadaan Pekerja di Indonesia Agustus 2023.
Chang, K.-T. (2008). Introduction to Geographic Information Systems. https://doi.org/10.32473/edis-fr356-2012
DPRD Provinsi NTB. (2024). Badan Pembentukan Peraturan Daerah (Bapemperda) DPRD Provinsi NTB Mengadakan Kegiatan Dialog Publik dalam Rangka Evaluasi 5 (Lima) Buah Peraturan Daerah (Perda) Prakarsa DPRD Provinsi NTB. DPRD NTB.
Fabrizi, E., Montanari, G. E., & Giovanna Ranalli, M. (2016). A hierarchical latent class model for predicting disability small area counts from survey data. Journal of the Royal Statistical Society. Series A: Statistics in Society, 179(1), 103–131. https://doi.org/10.1111/rssa.12112
Hoef, J. M. Ver, & Boveng, P. L. (2007). Quasi-Poisson Vs. Negative Binomial Regression: How Should We Model Overdispersed Count Data? Statistical Reports Ecological Society of America, 88(11), 2766–2772.
Kholiq, A., Putri, A. K., Simangungsong, S. R., Dewi, I. R., Nuraini, F. Z. A., & Istiana, N. (2024). Pendugaan Indikator Rasio Angka Partisipasi Sekolah Anak Disabilitas terhadap Nondisabilitas di Pulau Nusa Tenggara Tahun 2023. Jurnal Statistika, 24(2), 212–224.
Kim, M., Jasper, A. D., Lee, J., & Won, H. (2021). Work, Leisure, and Life Satisfaction for Employees with Physical Disabilities in South Korea. Applied Research in Quality of Life, 17(2), 469–487. https://doi.org/10.1007/s11482-020-09893-4
Kurniawan, R., Arifatin, D., Noviani, A., & Fadhlullah. (2019). Evaluasi Pendugaan Angka Partisipasi Kasar Perguruan Tinggi Tahun 2018 Dengan Small Area Estimation Benchmarking. Seminar Nasional Official Statistics, 1, 67–73. https://doi.org/10.34123/semnasoffstat.v2019i1.86
Maples, J. J., & Brault, M. (2017). Improving small area estimates of disability: combining the American Community Survey with the Survey of Income and Program Participation. Journal of the Royal Statistical Society. Series A: Statistics in Society, 180(4), 1211–1227. https://doi.org/10.1111/rssa.12310
Ndolu, J. S., Heo, M. J., Maghi, M. D. M., Leigh, J., & Nasution, G. (2024). Profil Kesetaraan Gender, Disabilitas, dan Iklusi Sosial di Provinsi Nusa Tenggara Timur, Indonesia. DT Global.
Neyens, T., Faes, C., & Molenberghs, G. (2012). A generalized Poisson–Gamma model for spatially overdispersed data. Spatial and Spatio-Temporal Epidemiology, 3(3), 185–194. https://doi.org/10.1016/j.sste.2011.10.004
Park, J. Y., & Park, E. Y. (2021). Factors affecting the acquisition and retention of employment among individuals with intellectual disabilities. International Journal of Developmental Disabilities, 67(3), 188–201. https://doi.org/10.1080/20473869.2019.1633166
Peraturan Presiden RI No. 12 Tahun 2025 Tentang Rencana Pembangunan Jangka Menengah Nasional Tahun 2025-2029 (2025).
Rahimi, N., Tan, F., & Bachtiar, N. (2023). Determinan Wirausaha Penyandang Disabilitas di Indonesia: Analisis Kelompok Sektor Primer, Sekunder dan Tersier. Jurnal Informatika Ekonomi Bisnis, 5(4), 1268–1276. https://doi.org/10.37034/infeb.v5i4.658
Rao, J. N. K., & Molina, I. (2015). Small Area Estimation. In Sage Publications, Inc. Sage Publications, Inc. https://doi.org/10.4135/9781412963947.n534.
Ridwansyah, R. R., Savitri, N. W. D., Raihanah, N., Assufi, A. F., Rawiyanti, W., Diana, N. E., & Istiana, N. (2024). Penerapan Small Area Estimation dalam Melakukan Pendugaan Angka Partisipasi Sekolah Disabilitas di Pulau Jawa Tahun 2023. Seminar Nasional Sains Data (SENADA), 2024(Senada), 30–41.
Saharani, K., & Setiadi, Y. (2024). Variabel-variabel yang Memengaruhi Status Bekerja pada Lansia Penyandang Disabilitas di Nusa Tenggara Timur Tahun 2022. Seminar Nasional Official Statistics, 2024.
UU RI No. 8 Tahun 2016 Tentang Penyandang Disabilitas (2016).
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Statistika Terapan (ISSN 2807-6214)
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
