RISKESDAS 2013 Modul IPKM
Modul IPKM
penyajian sampai
domain kabupaten/kota.
Modul MDG’s
penyajian sampai
domain provinsi, subsampel dari Modul IPKM.
Modul Biomedis
Modul MDG’s
Modul Biomedis
penyajian level nasional, subsampel dari Modul MDG’s.
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 sistematik Susenas dan Riskesdas 12.000 PSU PPS size ruta
Master Sampel 30.000 PSU
Susenas dan Riskesdas @2 Blok Sensus
Riskesdas @1 Blok Sensus Susenas Trw 1 7.500 BS
Susenas @1Blok Sensus Susenas Trw 2 7.500 BS
Susenas 18.000 PSU PPS size ruta
Susenas @ 1 Blok Sensus
Susenas 30.000 BS
Susenas Trw 3 7.500 BS
Susenas Trw 4 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 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ′ = × 25 × 𝑛𝑛𝑘𝑘𝑘 × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘
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) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga di kab/kotak strata hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ′ : jumlahpopulasirumahtangga di kab/kotak strata hbloksensusibangunansensus j (hasilupdating)
DESIGN WEIGHT(2) Estimasi provinsi (Modul MDG’s) ′ 𝑤𝑤𝑘𝑘𝑘𝑘𝑘𝑗𝑗
𝑀𝑀𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ′ = × ′ 25 × 𝑛𝑛𝑘𝑘𝑘 × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘
′ 𝑛𝑛𝑘𝑘ℎ : 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) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga di kab/kotak strata hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ′ : jumlahpopulasirumahtangga di kab/kotak strata hbloksensusibangunansensusj (hasilupdating)
DESIGN WEIGHT(3) Estimasi nasional (ModulBiomedis) ′′ 𝑤𝑤𝑝𝑝𝑝𝑝𝑝𝑝𝑝
𝑀𝑀𝑝𝑝𝑘𝑘ℎ0 × 𝐵𝐵𝑝𝑝𝑝𝑝𝑝𝑝𝑝 × 𝑚𝑚𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑘𝑘 ′ = × ′′ 25 × 𝑡𝑡𝑝𝑝𝑝 × 𝑛𝑛𝑝𝑝𝑝𝑝𝑝 × 𝑀𝑀𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑘𝑘
𝑀𝑀𝑝𝑝𝑝𝑝𝑝𝑝 : jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p (p=1,2,3) kab/kota k strata daerahh (h=1,2) 𝑡𝑡𝑝𝑝𝑝 : jumlahsampelkabupaten/kotadi strata IPKM ke-p (p=1,2,3) daerahh (h=1,2) ′′ 𝑛𝑛𝑝𝑝𝑝𝑝𝑝 : jumlahbloksensussampelModulBiomedisdi strata IPKM ke-p kabupatenk daerahke-h 𝑀𝑀𝑝𝑝𝑝𝑝𝑝𝑝𝑝 : jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p kab/kota k daerahh bloksensusi 𝐵𝐵𝑝𝑝𝑝𝑝𝑝𝑝𝑝 : jumlahpopulasibangunansensus di strata IPKM ke-p kab/kota k daerahh bloksensusi(hasil SP2010) 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 ′ : 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 : Respon
Kelompok umur Ya
Total
Respon rate
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
1,027,763
77,830
1,105,593
0.930
Total
Adjustment for Nonresponse Adjustment weight for nonresponse
Nonrespon block: Whi(r ) = Whi ⋅
Nonrespon household:
1 pBS
Whi(r ) = Whi ⋅
pbs=response rate block census pruta= response rate household
1 1 ⋅ pBS pruta
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:
Whi (T *)
Whi( r ) = (r ) 3 ⋅ IQR ⋅ Whi
( ) ≥ (3 ⋅ IQR ⋅ W )
jk Whi < 3 ⋅ IQR ⋅ Whi( r ) jk Whi
(r ) hi
Trimmed Weight (lanjutan)
Assume the weight in strata is constant.
If FT is rasio original weight to trimmed weight.
FT
∑ = ∑n h
h
nhWhi(r ) khWkh (T )
Adjusted trimmed weight for strata h at district:
Whi(T ) = FT × Whi (T *)
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: ( A) hij
w
~ ( 2013) Hh (T ) = whij x ( 2010 ) Hh
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:
′ −1 minW (Ω − W ) Λ (Ω − W )
will be solve the problem
.
X ′W = N X
Adjusted Final Weight (Continue) The unique solution for cases is adjusted final weight :
Ω (n×1) = vector design weight for each sample from m unit sample; X K×m) = 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. P( K ×1) = matrix final weight, assumed or , with each elemen Λ (m×m) m×1 vector η is total of column matrix for each (Ω ) unit.Λ = (diag(η))−1 diag(Ω) Λ =Xdiag = vector adjusted final weight; W((mGh )x1)
