Penghitungan RSE Indikator
dengan 4 finite Population Correction (fpc)

1 Load Packages

Load dan install packages yang akan digunakan

pacman::p_load(readxl, haven, dplyr, tidyr, survey, janitor, magrittr, ggplot2, openxlsx)

2 Load Data

dataku <- dataku %>%
  mutate(
    r101_num = as.numeric(as.character(r101)),
    r102_num = as.numeric(as.character(r102)),  
    kabu = r101_num * 100 + r102_num,
    jmlh_pddk = 100,
    NAS = 100
  ) %>%
  mutate(
    NAS = as_factor(NAS),
    r101 = as_factor(r101),
    r105 = as_factor(r105),
    r404 = as_factor(r404),
    r405 = as_factor(r405),
    kelum = as_factor(KELUM),
    tamat = as_factor(TAMAT),
    pekerjaan = as_factor(PEKERJAAN),
    pendapatan = as_factor(PENDAPATAN)
  )

3 Desain sampling

Teknik pemilihan sampel yang digunakan adalah Stratified Multi Stage Cluster Sampling dengan tahapan:

• Tahap 1: Memilih kabupaten/kota secara PPS-Systematic dengan size jumlah keluarga.

• Tahap 2: Memilih blok sensus pada kabupaten/kota terpilih secara PPS Systematic dengan size jumlah keluarga dengan memperhatikan strata daerah perkotaan/perdesaan.

• Tahap 3: memilih 10 rumah tangga pada setiap BS dari hasil pemutakhiran secara Systematic Sampling dengan implicite stratification pendidikan kepala rumah tangga.

• Tahap 4: Memilih 1 eligible responden usia 15-79 tahun secara random dengan implicite stratification berdasarkan usia anggota rumah tangga eligible.

snlik.design <- svydesign(
  id = ~idkab + idbs + idruta + ididv,
  strata = ~strata_ojk + strata_bs,
  data = dataku,
  weights = ~weight_final_5,
  fpc = ~fpc1 + fpc2 + fpc3 + fpc4,
  nest = FALSE
)

options(survey.adjust.domain.lonely = TRUE)
options(survey.lonely.psu = "adjust")

# Fungsi untuk menghasilkan tabel
generate_table <- function(var) {
  tabel <- svyby(
    formula = ~INKLUSI, 
    denom = ~jmlh_pddk, 
    by = as.formula(paste0("~", var)), 
    design = snlik.design, 
    deff = TRUE, 
    svyratio, 
    vartype = c("se", "ci", "ci", "cv", "cvpct", "var")
  )
  
  tabel[is.na(tabel)] <- 0
  
  tabel <- tabel %>%
    mutate(
      theta = round(`INKLUSI/jmlh_pddk` * 100, 2),
      SE = round(`se.INKLUSI/jmlh_pddk` * 100, 2),
      VAR = round(SE^2, 2),
      CI_LOWER = pmax(round(`ci_l` * 100, 2), 0),
      CI_UPPER = pmin(round(`ci_u` * 100, 2), 100),
      RSE = round(`cv%`, 2),
      DEFF = round(DEff, 2)
    )
  
  tabel$Disaggr <- as.character(levels(dataku[[var]])[tabel[[var]]])
  
  tabel %>% select(Disaggr, theta, SE, RSE, CI_LOWER, CI_UPPER, VAR, DEFF) %>%
    rename(INKLUSI = theta, `CI LOWER` = CI_LOWER, `CI UPPER` = CI_UPPER)
}

Daftar variabel

vars <- c("NAS", "r101", "r105", "r404", "r405", "kelum", "tamat", "pekerjaan", "pendapatan")

## A Workbook object.
##  
## Worksheets:
##  Sheet 1: "NAS"
##  
## 
##  Sheet 2: "R101"
##  
## 
##  Sheet 3: "R105"
##  
## 
##  Sheet 4: "R404"
##  
## 
##  Sheet 5: "R405"
##  
## 
##  Sheet 6: "KELUM"
##  
## 
##  Sheet 7: "TAMAT"
##  
## 
##  Sheet 8: "PEKERJAAN"
##  
## 
##  Sheet 9: "PENDAPATAN"
##  
## 
##  
##  Worksheet write order: 1, 2, 3, 4, 5, 6, 7, 8, 9
##  Active Sheet 1: "NAS" 
##  Position: 1

4 Export

saveWorkbook(wb, "RSE_INKLUSI_KOMPOSIT_SNLIK_2025.xlsx", overwrite = TRUE)
rm(list=ls()) #Clear environment

---

Direktorat Statistik Kesejahteraan Rakyat, BPS, saptahas@bps.go.id