Pelatihan Susenas Lipi

Pelatihan dan Pengolahan Data Survei Sosial Ekonomi Nasional (SUSENAS) Oleh; M. Fajar Rakhmadi Hafiz Arfyanto

SURVEI SOSIAL EKONOMI NASIONAL (SUSENAS)

2

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

3

Pengertian SUSENAS BPS menggunakan SUSENAS untuk menghitung beberapa indikator berikut: 1. Persentase persalinan ditolong tenaga kesehatan (dokter, bidan dan tenaga medis) 2. Rasio elektrifikasi 3. Rata-Rata lama (bulan) anak 2-4 tahun mendapat ASI 4. Persentase penduduk yang berobat jalan sebulan yang lalu 5. Persentase Pengeluaran Rata-rata per Kapita Sebulan 6. Persentase Rumah Tangga menurut Provinsi, Tipe Daerah dan Status Kepemilikan Rumah, dll

4

Konstruksi data SUSENAS

5

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

6

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

7

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 8

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 pertanyaanpertanyaan SUSENAS Modul Kesehatan dan Gizi 9

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. 10

Perbedaan SUSENAS RT dan Individu

11

SUSENAS Individu Keterangan pekerjaan Tingkat pendidikan

Usia

Jenis kelamin

Status pernikahan

Keterangan kesehatan

12

SUSENAS Rumah Tangga (RT)

Status kepemilikan bangunan rumah

Jenis atap

Pengeluaran rumah tangga Jenis lantai

Bahan bakar memasak Sumber penerangan Sumber air minum

13

SUSENAS Individu dan Rumah Tangga

Variabel

Variabel Observasi

Status Sumber kepemilika Peneranga n rumah n

Keluarga Bapak Budi

Sendiri

Listrik PLN

Keluarga Bapak Ali

Sendiri

Obor

Keluarga Mbah Djoyo Sewa

Listrik Non PLN

Keluarga Cak Ndoro

Listrik PLN

Sendiri

Observasi

Jenis Kelamin

Umur

Pendidika n

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

14

Membaca kuesioner SUSENAS

15

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)”

16

Membaca kuesioner SUSENAS  Kuesioner: 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 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

21

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

22

Membaca kuesioner SUSENAS  Kuesioner: susenas 2013 mar_M (id)

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) 

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

28

Menggunakan SUSENAS

29

Memeriksa data berdasarkan Kuesioner

30

Memeriksa data berdasarkan Kuesioner 

Buka data Susenas Kor Individu dengan nama “susenas13mar_ki”

31

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

32

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

33

Memeriksa data berdasarkan Kuesioner 

Mari kita coba mendeskripsikan salah satu data, “Jk”  Jenis kelamin  tabulate jk



describe jk



summarize jk 34

Memeriksa data berdasarkan Kuesioner 

Perintah tabulate juga dapat digunakan untuk cross tabulation.  tabulate jk b1r5

35

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 RT 2. Variabel di SUSENAS apa yang akan dipakai  

Total rumah tangga  membuat variable baru Total rumah tangga yang menggunakan listrik PLN  b6r14a, b6r14b 36

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

37

Rasio Elektrifikasi •   Rasio elektrifikasi:

= 0.74

38

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

39

Penimbang  SUSENAS memiliki beberapa fungsi untuk mengakomodir “penimbang”    

Aweight Pweight Iweight Fweight

   

Analitic weight Sampling weight Importance weight Frequency weight

 Pada kesempatan ini kita akan menggunakan frequency weight/“fweight”

40

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]

41

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 42

Penimbang  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 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 44

Penimbang 

Periksa apakah perintah sudah sesuai dengan yang diharapkan. Bandingkan nilai wert dengan wert_new  browse wert wert_new

45

Penimbang  Kita ulangi perintah tabulate untuk variable v1 dan v2 dengan menggunakan wert_new sebagai penimbang  

tabulate v1 [fw=wert] tabulate v2 [fw=wert]

46

Rasio Elektrifikasi •   Rasio elektrifikasi dengan nilai populasi:

= 0.789

Sumber: Statistik PLN 2013

47

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 48

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

49

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

50

Tingkat kemiskinan • Langkah 1: – Memasukkan garis kemiskinan ke data “susenas13mar_ki”

51

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 ==1 replace povline =307352 if b1r1 ==12 & b1r5 ==1 replace povline =332837 if b1r1 ==13 & b1r5 ==1 replace povline =346796 if b1r1 ==14 & b1r5 ==1 replace povline =337930 if b1r1 ==15 & b1r5 ==1 . . replace npl =319416 if b1r1 ==11 & b1r5 ==2 replace npl =263061 if b1r1 ==12 & b1r5 ==2 replace npl =288215 if b1r1 ==13 & b1r5 ==2 replace npl =312591 if b1r1 ==14 & b1r5 ==2 . .

52

Tingkat kemiskinan • Langkah 2: – Menentukan status kemiskinan individu • generate poor=exp_cap