RISKESDAS 2013

Modul IPKM penyajian sampai

domain kabupaten/kota. Modul MDG’s penyajian sampai

domain provinsi, subsampel dari Modul IPKM.

Modul Biomedis penyajian level nasional,

subsampel dari Modul MDG’s.

Modul IPKM

Modul MDG’s Modul Biomedis

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

Master Sampel 30.000 PSU

Susenas dan Riskesdas 12.000 PSU

Susenas 18.000 PSU

sistematik

Susenas dan Riskesdas @2 Blok Sensus

PPS size ruta

Susenas @1Blok Sensus

Riskesdas @1 Blok Sensus

Susenas @ 1 Blok Sensus

PPS size ruta

Susenas 30.000 BS

Susenas Trw 1 7.500 BS

Susenas Trw 4 7.500 BS

Susenas Trw 3 7.500 BS

Susenas Trw 2 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 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗

25 × 𝑛𝑛𝑘𝑘𝑘 × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗

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) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata

hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata

hbloksensusibangunansensus j (hasilupdating)

DESIGN WEIGHT(2) Estimasi provinsi (Modul MDG’s)

𝑤𝑤𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ =𝑀𝑀𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗

25 × 𝑛𝑛𝑘𝑘𝑘′ × 𝑀𝑀𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗

𝑛𝑛𝑘𝑘𝑘′ : 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) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di kab/kotak strata

hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : jumlahpopulasirumahtangga di kab/kotak strata

hbloksensusibangunansensusj (hasilupdating)

DESIGN WEIGHT(3) Estimasi nasional (ModulBiomedis)

𝑤𝑤𝑝𝑝𝑘𝑘𝑘𝑘𝑘′′ =𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘 × 𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 × 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗

25 × 𝑡𝑡𝑝𝑝𝑘 × 𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ × 𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘×𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗

𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘: jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p (p=1,2,3) kab/kota k strata daerahh (h=1,2)

𝑡𝑡𝑝𝑝𝑘 : jumlahsampelkabupaten/kotadi strata IPKM ke-p (p=1,2,3) daerahh (h=1,2) 𝑛𝑛𝑝𝑝𝑘𝑘𝑘′′ : jumlahbloksensussampelModulBiomedisdi strata IPKM ke-p kabupatenk

daerahke-h 𝑀𝑀𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasirumahtangga(hasil SP2010) di strata IPKM ke-p kab/kota k

daerahh bloksensusi 𝐵𝐵𝑝𝑝𝑘𝑘𝑘𝑘𝑘 : jumlahpopulasibangunansensus di strata IPKM ke-p kab/kota k daerahh

bloksensusi(hasil SP2010) 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗 : jumlahpopulasirumahtangga di strata IPKM pkab/kotak strata

hbloksensusibangunansensusj (hasil SP2010) 𝑚𝑚𝑝𝑝𝑘𝑘𝑘𝑘𝑘𝑗𝑗′ : 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 :

Kelompok umur Respon

Total Respon rate

Ya 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

Total 1,027,763 77,830 1,105,593 0.930

Adjustment for Nonresponse

Nonrespon block:

Adjustment weight for

nonresponse

Nonrespon household:

pbs=response rate block census pruta= response rate household

rutaBShi

rhi pp

WW 11⋅⋅=)(

BShi

rhi p

WW 1⋅=)(

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:

( )( )

⋅⋅≥⋅⋅⋅⋅<

= )()(

)()(

*)( 3jk33jk

rhihi

rhi

rhihi

rhi

Thi WIQRWWIQRWIQRWW

W

Trimmed Weight (lanjutan) Assume the weight in strata is constant. If FT is rasio original weight to trimmed weight.

Adjusted trimmed weight for strata h at district:

∑∑

=

hTkhkh

h

rhih

T Wn

WnF

)(

)(

( )*)(

ThiTT

hi WFW ×=

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:

)2010(

)2013()()(

~

h

hThij

Ahij H

Hxww =

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:

will be solve the problem .

( ) ( )WΩΛWΩmin −′− −1W

XNWX =′

Adjusted Final Weight (Continue) The unique solution for cases is adjusted final weight :

= vector design weight for each sample from m unit sample; = 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. = matrix final weight, assumed or , with each elemen

m×1 vector η is total of column matrix X for each unit. = vector adjusted final weight;

1)(nΩ ×

)X mK×

)1(P ×K

)(Λ mm× ( )ΩΛ diag= ( ) ( )Ω)η(Λ diagdiag 1−=

)()1(

Gxmh

W