Pendugaan Persentase Penduduk Miskin Ekstrem Menggunakan Small Area Estimation dengan Partitioning Around Medoids Clustering

Pengentasan kemiskinan ekstrem, merupakan salah satu target yang harus dicapai dari tujuan global (SDGs). Untuk mengentaskan kemiskinan ekstrem, tidak terlepas dari peran pemerintah sebagai pengambil kebijakan. Dalam mengambil kebijakan, maka diperlukan data yang memiliki presisi yang tinggi. Data kemiskinan ekstrem secara agregat dikumpulkan berdasarkan Survei Sosial Ekonomi Nasional (Susenas), berdasarkan hasil Susenas Maret 2022 menunjukkan bahwa Jawa Timur merupakan salah satu provinsi dengan jumlah penduduk miskin ekstrem yang tinggi, selain itu RSE untuk penduga langsung persentase penduduk miskin ekstrem kabupaten/kota di Jawa Timur nilainya tinggi yang menunjukkan presisi yang rendah. Presisi yang rendah membuat data estimasi tidak akurat dan seharusnya tidak bisa digunakan, terutama untuk pengambilan kebijakan. Salah satu cara memperbaiki presisi adalah dengan menggunakan Small Area Estimation (SAE), model SAE yang paling umum adalah EBLUP dan untuk estimasi wilayah non-sampled maka pendugaan dapat menggunakan informasi cluster. Permasalahan yang muncul dalam pembentukan cluster adalah keberadaan outlier pada suatu data amatan dan akibatnya dapat menimbulkan kesalahan pembentukan cluster. Salah satu algoritma cluster yang dapat digunakan untuk mengatasi permasalahan tersebut adalah dengan menggunakan Partitioning Around Medoids (PAM).