Departemen Statistika, Fakultas Sains dan Matematika (FSM), Universitas Diponegoro (UNDIP) menyelenggarakan kuliah umum secara virtual melalui program World Class University (WCU) Visiting Professor Online. Kegiatan ini diselenggarakan pada Selasa 10 Juni 2025 dan diketuai oleh Alan Prahutama Ph.D, dosen departemen Statistika UNDIP.
Kegiatan diawali dengan sambutan Wakil Dekan FSM bidang Sumber Daya, Dr. Eng. Adi Wibowo yang menyampaikan bahwa SDGs merupakan bidang yang bisa diexplore oleh keilmuwan statistika untuk dijadikan dasar pengambilan keputusan. Beliau juga mengharapkan adanya kolaborasi international, khususnya pada bidang penelitian yang dapat digunakan untuk peningkatan Pembangunan, khususnya terkait SDGs.
Pembicara pada kegiatan ini adalah Dr. Zita C Villa Juan Albacea, professor di Institute of Statistics (INSTAT), Collage of Arts and Sciences (CAS), University of the Philippines, Los Banos (UPLB), Laguna, Filipina. Beliau merupakan expertise dibidang Small Area Estimation (SAE). Beliau terlibat dalam beberapa project SAE oleh Philippines Statistics Authority (PSA), Asian Development Bank (ADB), dan United Nation of Women. Dr. Zita memberikan topik presentasi berjudul “Meeting the Sustainable Development Goals (SDGs) with SAE”.
Pada pemaparan awal, Dr. Zita menjelaskan mengenai 17 SDGs beserta komponen dari masing-masing kelompok SDGs. Untuk pelaksanaan SDGs diperlukan adanya data yang digunakan sebagai pendukung keputusan untuk mencapai SDGs tersebut. Statistika digunakan oleh pemerintah untuk mendukung dalam pengambilan keputusan atau kebijakan.
Salah satu data yang bisa dijadikan pedoman dalam pengukuran SDGs adalah data survey. Permasalahannya adalah data survey digunakan untuk estimasi pada level kabupaten atau provinsi (level agregat). Jika data survey tersebut digunakan untuk estimasi level yang lebih rendah, maka akan menghasilkan variansi yang lebih besar. Untuk mengtasi itu bisa dilakukan dengan berbagai cara Oleh karena itu salah satu teknik untuk mengatasi hal tersebut adalah dengan SAE. SAE merupakan teknik didalam statistika yang digunakan untuk melakukan estimasi parameter populasi untuk area geografis kecil atau sub-populasi (seperti kecamatan dan kelurahan) yang memiliki ukuran sampel yang sangat kecil.
Selanjutnya Dr. Zita menjelaskan langkah-langkah pada pemodelan SAE meliputi (1) identifikasi tujuan dari pemodelan SAE; (2) Mengidentifikasi indicator-indikator yang diperlukan untuk membentuk model tersebut; (3) Mengidentifikasi level agregasi pemdolan yang diinginkan; (4) Menentukan dataset yang akan digunakan; (5) Mengidentifikasi software komputasi yang akan digunakan; (6) Mengidentifikasi pendekatan yang akan digunakan; (7) Estimasi pemodelan SAE; (8) Evaluasi kualitas dari hasil estimasi; (9) melakukan pemaparan terjait hasil estimasi pemodelan.
Metode SAE dapat didekati dengan dua pendekatan yaitu direct estimate (estimasi langsung) dan indirect estimate (estimasi tidak langsung). Direct estimate menggunakan data sampel yang berasal dari area kecil tersebut. Ini menghasilkan akurasi yang rendah karena nilai variansinya terlalu besar. Sementara untuk indirect estimate menggunakan pendekatan model-based methods. Metode pendekatan ini adalah yang paling umum dalam pemodelan SAE. Pendekatan ini meliputi model Fay-Herriot, model Hierarchical Bayes, dan Empirical Best Linear Unbiased Prediction (EBLUP). SAE memberikan akurasi yang lebih baik untuk pemodelan area kecil.