Anatomi Data Susenas & PODES

Panduan Komprehensif untuk Peneliti Ekonometrika

Author

Research Training in Econometrics

Published

July 7, 2026

🎓 Research Training in Econometrics

Modul Pendahuluan — Anatomi Susenas & PODES | Juli 2026

1 Pendahuluan: Mengapa Data BPS?

Dalam penelitian ekonomi dan sosial Indonesia, dua sumber data utama yang menjadi tulang punggung literatur akademik adalah Survei Sosial Ekonomi Nasional (Susenas) dan Pendataan Potensi Desa (PODES), keduanya diselenggarakan oleh Badan Pusat Statistik (BPS). Kedua data ini telah digunakan secara luas dalam ratusan publikasi terindeks Scopus dan Web of Science, mencakup topik kemiskinan, kesehatan, pendidikan, ketahanan pangan, infrastruktur desa, hingga dampak bencana alam.

Bagi peneliti ekonometrika, memahami anatomi kedua dataset ini — struktur kuesioner, skema sampling, unit analisis, dan variabel kunci — adalah prasyarat sebelum melakukan analisis apa pun. Handout ini menyajikan panduan tersebut secara komprehensif.

2 Susenas: Survei Sosial Ekonomi Nasional

2.1 Sejarah Singkat & Konteks

Susenas pertama kali diselenggarakan pada tahun 1963 dan telah menjadi instrumen statistik utama BPS dalam mengukur kesejahteraan rumah tangga Indonesia. Sejak tahun 2011, Susenas diselenggarakan dua kali per tahun:

Susenas Maret (gelombang utama): sampel besar (~320.000 rumah tangga), digunakan untuk menghitung angka kemiskinan nasional dan indikator SDGs.
Susenas September: sampel lebih kecil (~75.000 rumah tangga), digunakan untuk memperbarui estimasi kemiskinan pertengahan tahun.

Susenas Maret juga sering disebut sebagai Kor karena berisi kuesioner inti (core) yang mencakup semua rumah tangga. Kuesioner Panel (modul tematik khusus) diberikan kepada sub-sampel tertentu.

2.2 Cakupan & Representativitas

Aspek	Keterangan
Jumlah sampel (Maret)	±320.000 rumah tangga
Level estimasi	Nasional, Provinsi, Kabupaten/Kota
Stratifikasi	Perkotaan dan Perdesaan
Metode sampling	Two-stage stratified cluster sampling
Unit cacah	Rumah tangga (dan individu anggotanya)
Periode referensi	Maret (bulan survei)

Important

Karena Susenas menggunakan stratified cluster sampling, semua analisis wajib menggunakan sampling weights. Mengabaikan bobot akan menghasilkan estimasi yang bias dan tidak representatif terhadap populasi.

2.3 Struktur Kuesioner Kor (VSEN23.K)

Kuesioner Kor Susenas 2023 terdiri dari 23 blok, yang dapat dikelompokkan sebagai berikut:

2.3.1 Blok Administrasi (Blok I–III)

Blok I — Keterangan Tempat: kode provinsi, kabupaten/kota, kecamatan, desa/kelurahan, klasifikasi perkotaan/perdesaan, koordinat GPS rumah tangga.
Blok II — Keterangan Pencacahan: nama pencacah, pengawas, tanggal, hasil pencacahan (lengkap/tidak lengkap/menolak/pindah).
Blok III — Ringkasan: jumlah ART, ART usia 0–4 tahun, ART usia 5 tahun ke atas, perempuan pernah kawin.

2.3.2 Blok IV — Keterangan Demografi

Blok ini adalah roster yang mencatat semua Anggota Rumah Tangga (ART) beserta karakteristik dasarnya:

Nama dan nomor urut ART
Hubungan dengan KRT (kepala, pasangan, anak kandung, cucu, dll.)
Status perkawinan (belum kawin, kawin, cerai hidup, cerai mati)
Jenis kelamin
Tanggal lahir dan umur
Usia perkawinan pertama

2.3.3 Blok V — Dokumen Kependudukan

Kepemilikan Buku/Akta Nikah (dari KUA/Catatan Sipil)
Nomor Urut Keluarga
Kepemilikan NIK (Nomor Induk Kependudukan) — 16 digit
Kepemilikan Akta Kelahiran

2.3.4 Blok VI — Migrasi & Pendidikan

Blok ini mencakup informasi migrasi dan pendidikan untuk ART 5 tahun ke atas:

Migrasi: Tempat lahir dan tempat tinggal 5 tahun yang lalu (provinsi + kab/kota)
Prasekolah: Partisipasi dan jenis pendidikan prasekolah (TK, PAUD, RA, Kelompok Bermain, dll.)
Literasi: Kemampuan baca-tulis huruf Latin, Arab, dan huruf lainnya
Sekolah: Status (masih/pernah/tidak pernah), jenjang tertinggi yang diikuti, ijazah tertinggi

Catatan metodologis: Variabel jenjang pendidikan dari Blok VI adalah salah satu variabel paling sering digunakan dalam studi returns to education, kemiskinan multidimensi, dan determinan kesehatan menggunakan Susenas.

2.3.5 Blok VII — Tabungan, Inklusi Keuangan & Ketenagakerjaan

Kepemilikan rekening tabungan di lembaga keuangan (bank, koperasi)
Kegiatan utama seminggu terakhir: bekerja, sekolah, mengurus RT, lainnya
Status pekerjaan (majikan, buruh dengan upah, buruh tanpa upah, pekerja keluarga, dll.)
Lapangan usaha (pertanian, industri, perdagangan, dll.)
Jenis pekerjaan (KBJI)

2.3.6 Blok VIII — Teknologi Informasi & Komunikasi

Penggunaan telepon seluler/HP dalam 3 bulan terakhir
Penggunaan komputer/tablet dalam 3 bulan terakhir
Akses dan penggunaan internet dalam 3 bulan terakhir
Tempat mengakses internet

2.3.7 Blok IX — Perjalanan & Korban Kejahatan

Perjalanan wisata (bukan rutin, bukan untuk kerja/sekolah) dalam setahun terakhir
Pernah menjadi korban kejahatan (pencurian, penganiayaan, pelecehan seksual, dll.) dalam setahun terakhir

2.3.8 Blok X — Gangguan Fungsional (Disabilitas)

Untuk ART berumur 2 tahun ke atas, menggunakan kerangka Washington Group Short Set (WG-SS):

Kesulitan melihat (bahkan dengan kacamata)
Kesulitan mendengar (bahkan dengan alat bantu dengar)
Kesulitan berjalan/naik tangga
Kesulitan mengingat atau berkonsentrasi
Kesulitan merawat diri sendiri
Kesulitan berkomunikasi

Aplikasi riset: Blok X Susenas telah digunakan dalam studi JKN dan disabilitas yang dipublikasikan di The Lancet Regional Health – Southeast Asia, dengan total sampel 1,27 juta individu (Azizatunnisa’ et al., 2025).

2.3.9 Blok XI — Keluhan Kesehatan & Rawat Jalan

Kepemilikan jaminan kesehatan: BPJS PBI, BPJS Non-PBI/Mandiri, Jamkesda, Asuransi swasta, Asuransi perusahaan
Keluhan kesehatan dalam sebulan terakhir
Jenis keluhan (sakit kepala, demam, batuk, dsb.)
Jenis, jumlah, dan biaya rawat jalan
Alasan tidak berobat meski sakit

2.3.10 Blok XII — Rawat Inap & Merokok

Rawat inap dalam setahun terakhir: tempat, lama, biaya, sumber pembiayaan
Kebiasaan merokok: jenis, frekuensi, jumlah

2.4 Kuesioner Panel (VSEN23.KP) — Modul Tematik

Selain kuesioner Kor, Susenas memiliki kuesioner Panel untuk sub-sampel khusus:

Blok XIII–XVI — Balita (anak 0–59 bulan):

Riwayat imunisasi lengkap (BCG, polio, DPT-HB-HIB, campak, dan lanjutan)
Status ASI eksklusif dan pemberian MPASI
Pertumbuhan berat dan tinggi badan
Kunjungan ke posyandu

Blok XVII–XIX — Perempuan Pernah Kawin (10–54 tahun):

Riwayat kehamilan dan kelahiran (fertilitas)
Penggunaan kontrasepsi/KB
Pemeriksaan kehamilan dan persalinan
Kematian ibu

Blok XX — Akses Terhadap Makanan (ketahanan pangan):

Kekhawatiran tidak memiliki cukup makanan (HFIAS)
Pengurangan kualitas dan kuantitas makan
Dampak pada anak-anak dalam rumah tangga

Blok XXI — Pengeluaran Rumah Tangga:

Pengeluaran makanan (58 jenis komoditi) dalam seminggu terakhir
Pengeluaran non-makanan (pakaian, pendidikan, kesehatan, transportasi, dll.) dalam sebulan terakhir
Penerimaan bantuan sosial (PKH, BLT, BPNT, dll.)

Blok XXII — Perumahan:

Status kepemilikan dan luas bangunan
Jenis atap, dinding, dan lantai
Sumber air minum dan bahan bakar memasak
Fasilitas buang air besar dan tempat pembuangan akhir
Penerangan (jenis sumber listrik)

2.5 Variabel Pengenal Susenas (Identifikasi & Merging)

Untuk menggabungkan dataset individu, rumah tangga, atau melakukan merge dengan PODES, gunakan variabel identifikasi berikut:

IDENTIFIKASI WILAYAH:
B1R1  → Kode Provinsi (2 digit)
B1R2  → Kode Kabupaten/Kota (4 digit: 2+2)
B1R3  → Kode Kecamatan (7 digit)
B1R4  → Kode Desa/Kelurahan (10 digit)
B1R5  → Klasifikasi (1=Perkotaan, 2=Perdesaan)
B1R6  → Nomor Blok Sensus
B1R7  → Nomor Kode Sampel (NKS) — identitas unik blok sensus

IDENTIFIKASI RUMAH TANGGA:
B1R8  → Nomor Urut Bangunan Tempat Tinggal
B1R9  → Nomor Urut Sampel Rumah Tangga

IDENTIFIKASI INDIVIDU:
B2R1  → Nomor Urut Anggota Rumah Tangga (ART)

BOBOT SAMPEL:
WERT  → Sampling weight (harus selalu digunakan!)

3 PODES: Pendataan Potensi Desa

3.1 Sejarah Singkat & Konteks

PODES pertama kali dilaksanakan secara sporadis sejak 1980 dan menjadi kegiatan rutin tiga tahunan sejak 1990. PODES dilaksanakan sebagai kegiatan persiapan (listing) sebelum pelaksanaan sensus besar BPS (Sensus Penduduk, Sensus Pertanian, atau Sensus Ekonomi). Edisi-edisi penting meliputi PODES 2003, 2006, 2008, 2011, 2014, 2018, dan 2021.

Perbedaan fundamental PODES dengan Susenas:

Aspek	PODES	Susenas
Jenis	Sensus (semua desa)	Sampel
Unit analisis	Desa/Kelurahan	Rumah tangga / Individu
Frekuensi	3 tahunan	Tahunan
Narasumber	Kepala Desa + perangkat	Responden RT
Jumlah unit	~83.800 desa (2021)	~320.000 RT (Maret)
Level analisis	Desa, kecamatan, kab/kota	Individu, RT, kab/kota

3.2 Struktur Kuesioner PODES 2021

PODES 2021 terdiri dari 10 Bab utama:

3.2.1 Bab I–III: Identitas, Petugas & Geografi Desa

Identitas: Kode provinsi, kab/kota, kecamatan, desa/kelurahan
Narasumber: Nama kepala desa/lurah dan perangkat desa yang diwawancarai
Geografi:
- Koordinat GPS (lintang dan bujur) lokasi kantor desa
- Ketinggian dari permukaan laut (dpal)
- Topografi dominan wilayah: puncak/tebing, lereng, dataran, lembah
- Berbatasan langsung dengan laut (ada/tidak)
- Pemanfaatan laut: perikanan tangkap, budidaya, tambak garam, wisata bahari
- Keberadaan mangrove dan kondisinya

3.2.2 Bab IV: Kependudukan & Ketenagakerjaan

Jumlah penduduk laki-laki dan perempuan per 1 Januari 2021
Jumlah keluarga total dan keluarga pertanian
Sumber penghasilan utama sebagian besar penduduk (pertanian, industri, perdagangan, jasa pemerintah, dll. — 17 kategori)
Jenis komoditi/sub-sektor utama
Keberadaan PMI/TKI yang bekerja di luar negeri (jumlah laki-laki dan perempuan)
Agen pengerahan PMI/TKI di desa
Keberadaan Warga Negara Asing (WNA)

3.2.3 Bab V: Perumahan & Lingkungan

Listrik: Jumlah keluarga pengguna PLN, non-PLN, dan non-listrik; lampu tenaga surya
Air minum: Sumber air utama (air kemasan, isi ulang, PAM, sumur bor, sumur gali, mata air, sungai, hujan, dll.)
Sampah: Cara pengelolaan (TPS, lubang/bakar, sungai, drainase); bank sampah
Keberadaan permukiman kumuh (lokasi, jumlah bangunan, jumlah keluarga)
Jalur SUTET/SUTT melalui wilayah desa

3.2.4 Bab VI: Bencana Alam

Jenis bencana yang terjadi dalam setahun terakhir: banjir, banjir bandang, longsor, gempa bumi, tsunami, gelombang pasang, angin puyuh, gunung meletus, kekeringan, kebakaran hutan/lahan
Luas areal pertanian terdampak/rusak
Jumlah penduduk terdampak
Fasilitas mitigasi: sistem peringatan dini bencana, peringatan dini tsunami, perlengkapan keselamatan

3.2.5 Bab VII: Pendidikan & Kesehatan

Pendidikan:

Keberadaan sekolah (SD, SMP, SMA, SMK, Madrasah) di desa — milik desa vs bukan
Fasilitas keterampilan (bahasa asing, komputer, kejuruan)
Keberadaan perpustakaan desa

Kesehatan:

Fasilitas kesehatan: rumah sakit, puskesmas, pustu, poliklinik, rumah bersalin, poskesdes, posyandu
Tenaga kesehatan yang menetap: dokter umum, dokter spesialis gigi, bidan, tenaga lainnya
Keberadaan Bidan di Desa (BDD)
Keberadaan dukun bayi

3.2.6 Bab VIII: Sosial & Budaya

Tempat ibadah (masjid, mushola, gereja Protestan, gereja Katolik, pura, wihara, kelenteng, balai basarah)
Jumlah penyandang disabilitas: tuna netra, tuna rungu, tuna wicara, tuna rungu-wicara
Fasilitas olahraga dan kelompok kegiatan olahraga
Konflik sosial yang terjadi

3.2.7 Bab IX: Ekonomi & Keuangan Desa

Pasar: keberadaan, jenis (desa, umum, swalayan), frekuensi
Lembaga keuangan: bank umum/BPR, koperasi, BUMDes, pegadaian
Komoditas pertanian unggulan
Fasilitas wisata/penginapan

3.2.8 Bab X: Teknologi & Komunikasi

Pengguna telepon kabel (berlangganan)
Tingkat penggunaan HP warga: sebagian besar/kecil/tidak ada
Fasilitas IT kantor desa: komputer/laptop, akses internet
Kondisi: digunakan/jarang/tidak digunakan

3.3 Variabel Kunci PODES untuk Analisis Ekonometrika

Tabel berikut merangkum variabel PODES yang paling sering digunakan dalam studi ekonometrika:

Kelompok	Variabel	Kode	Aplikasi
Bencana	Desa terdampak banjir	R601	Shock ekonomi, kerentanan
Bencana	Desa terdampak longsor	R601	Proxy risiko alam
Infrastruktur	Listrik PLN (% keluarga)	R501a	Akses infrastruktur
Infrastruktur	Jenis sumber air minum	R502	WASH (air-sanitasi)
Kesehatan	Ada puskesmas di desa	R705	Akses layanan primer
Kesehatan	Ada bidan desa	R707	Kesehatan ibu-anak
Pendidikan	Ada SD di desa	R701	Akses pendidikan dasar
Ekonomi	Sumber penghasilan utama	R403a	Tipologi ekonomi desa
Digital	HP warga (sebagian besar)	R1002b	Digital divide
Geografi	Topografi wilayah	R305a	Aksesibilitas desa

4 Menggabungkan Susenas dan PODES

4.1 Rationale: Mengapa Perlu Digabungkan?

Susenas mengumpulkan informasi kaya tentang individu dan rumah tangga, tetapi tidak menangkap karakteristik desa/wilayah di mana mereka tinggal. PODES mengisi kekosongan ini dengan menyediakan variabel kontekstual level desa — keberadaan fasilitas, infrastruktur, kerentanan bencana — yang dapat memengaruhi outcome individu/rumah tangga.

Penggabungan keduanya memungkinkan:

Analisis multilevel (individu bersarang dalam konteks desa)
Estimasi efek kebijakan berbasis karakteristik desa
Penelitian kerentanan menggunakan proxy bencana PODES

4.2 Prosedur Merging

Langkah 1: Agregasi PODES ke level yang diinginkan (desa atau kab/kota)

# R — Agregasi PODES ke level kabupaten/kota
library(dplyr)

podes_kab <- podes_desa |>
  group_by(kode_prov, kode_kab) |>
  summarise(
    n_total_desa       = n(),
    n_desa_banjir      = sum(banjir == 1, na.rm = TRUE),
    n_desa_puskesmas   = sum(ada_puskesmas == 1, na.rm = TRUE),
    pct_desa_listrik   = mean(pct_listrik_pln, na.rm = TRUE),
    n_desa_bidan       = sum(ada_bidan_desa == 1, na.rm = TRUE),
    .groups = "drop"
  ) |>
  mutate(
    pct_desa_banjir    = n_desa_banjir / n_total_desa,
    pct_desa_puskesmas = n_desa_puskesmas / n_total_desa
  )

Langkah 2: Merge dengan Susenas menggunakan kode wilayah

# Susenas — merge dengan PODES level kab/kota
susenas_merged <- susenas_rt |>
  left_join(
    podes_kab,
    by = c("B1R1" = "kode_prov", "B1R2" = "kode_kab")
  )

Langkah 3 (Stata):

* Stata — merge Susenas dengan PODES level kab/kota
use "susenas_2022_rt.dta", clear
merge m:1 kode_prov kode_kab using "podes_kab_2021.dta"
drop if _merge == 2  // hanya pertahankan yang match

4.3 Catatan Penting

Warning

Kompatibilitas tahun: Susenas dan PODES tidak selalu satu tahun. Gunakan PODES tahun terdekat sebelumnya. Contoh: Susenas 2022 + PODES 2021 adalah kombinasi yang valid dan umum digunakan (lihat Khoiruddin et al., 2025).

Note

One-to-many: Satu record PODES (satu desa) akan ter-merge ke banyak rumah tangga Susenas yang tinggal di area kab/kota tersebut. Ini adalah merge tipe m:1 (many-to-one). Standard errors harus di-cluster di level kab/kota atau desa.

5 Contoh Penelitian Terindeks Scopus

Bagian ini menyajikan tiga contoh paper yang diterbitkan di jurnal terindeks Scopus menggunakan Susenas dan/atau PODES sebagai sumber data utama. Paper-paper ini dapat dijadikan rujukan metodologis dan inspirasi topik riset.

5.1 Paper 1: Kemiskinan Anak & Informalitas (Susenas + PODES)

Khoiruddin, M.A., Suman, A., Prasetyia, F., Susilo, & Yuniashri, E. (2025). Informality and multidimensional child poverty: evidence from urban and rural Indonesia. Development Studies Research (Taylor & Francis), DOI: 10.1080/21665095.2025.2533852.

Ringkasan:

Studi ini menginvestigasi hubungan antara informalitas pekerjaan orang tua dengan kemiskinan multidimensi anak di Indonesia, dengan memisahkan analisis untuk konteks perkotaan dan perdesaan. Kemiskinan anak diukur menggunakan kerangka MODA (Multiple Overlapping Deprivation Analysis) dengan tujuh indikator deprivasi.

Data yang digunakan:

Susenas 2022 (individu anak usia 0–17 tahun)
PODES 2021 — digunakan sebagai proxy kerentanan bencana alam di level kab/kota (banjir, banjir bandang, longsor, kekeringan)

Metodologi: Binary logit dan multinomial logit regression, dengan fixed effects kab/kota dan cluster standard errors.

Temuan kunci: Informalitas pekerjaan secara konsisten meningkatkan risiko kemiskinan anak multidimensi, dengan efek lebih kuat di perdesaan. Variabel bencana PODES signifikan sebagai faktor kontekstual.

Relevansi untuk peneliti: Contoh sempurna penggunaan cross-level merge Susenas + PODES, serta aplikasi metodologi MODA yang semakin populer dalam studi kemiskinan anak.

5.2 Paper 2: JKN, Disabilitas & Perlindungan Keuangan (Susenas)

Azizatunnisa’, L., Probandari, A., Kuper, H., & Banks, L.M. (2025). Health insurance coverage, healthcare use, and financial protection amongst people with disabilities in Indonesia: analysis of the 2021 National Socioeconomic Survey. The Lancet Regional Health – Southeast Asia (Elsevier, Q1 Scopus). Akses artikel (fulltext).

Ringkasan:

Studi ini mengevaluasi cakupan Jaminan Kesehatan Nasional (JKN) dan hubungannya dengan utilisasi layanan kesehatan serta perlindungan keuangan bagi penyandang disabilitas di Indonesia. Ini adalah studi pertama yang secara khusus menganalisis topik ini di Indonesia menggunakan data mikro.

Data yang digunakan:

Susenas Maret 2021 (n = 1.277.497 individu)
Disabilitas diukur menggunakan Washington Group Short Set (WG-SS) dari Blok X Susenas

Metodologi: Multivariate logistic regression dengan clustering di level rumah tangga.

Temuan kunci: Sekitar 30% penyandang disabilitas tidak memiliki asuransi kesehatan; cakupan lebih rendah pada kelompok termiskin, penduduk perdesaan, dan pekerja mandiri.

Relevansi untuk peneliti: Menunjukkan bagaimana Blok X (disabilitas) dan Blok XI (JKN/jaminan kesehatan) Susenas dapat digunakan bersama untuk analisis kesehatan. Skala sampel yang sangat besar memungkinkan analisis subkelompok yang presisi.

5.3 Paper 3: Kerentanan Sosial & Data Set (Susenas)

Kurniawan, R., Nasution, B.I., Agustina, N., & Yuniarto, B. (2021). Revisiting social vulnerability analysis in Indonesia data. Data in Brief (Elsevier, Scopus-indexed), DOI: 10.1016/j.dib.2021.107743.

Ringkasan:

Paper ini mempublikasikan dataset kerentanan sosial Indonesia yang dikonstruksi dari Susenas 2017, mencakup dimensi kemiskinan, kesehatan, pendidikan, dan perumahan di level kabupaten. Dataset ini dianalisis menggunakan Fuzzy Geographically Weighted Clustering (FGWC) untuk mengidentifikasi pola spasial kerentanan.

Data yang digunakan:

Susenas 2017 (dikompilasi ke level kabupaten/kota)

Metodologi: Kompilasi indikator, normalisasi, FGWC clustering, pemetaan spasial.

Relevansi untuk peneliti: Contoh bagaimana Susenas digunakan untuk membangun composite vulnerability index yang dapat diintegrasikan dengan data PODES atau data spasial lainnya.

5.4 Rangkuman: Topik Riset Potensial dengan Susenas & PODES

Topik Riset	Data	Blok Kunci	Metode Umum
Kemiskinan & konsumsi	Susenas	Blok XXI, XXII	OLS, quantile reg.
Kemiskinan multidimensi	Susenas	Blok VI, VII, XI, XXI, XXII	Alkire-Foster, logit
Dampak JKN	Susenas	Blok XI, XII	Logit, IV, DiD
Disabilitas & kesehatan	Susenas	Blok X, XI	Logit, probit
Pendidikan & pasar kerja	Susenas	Blok VI, VII	OLS, Mincer equation
Ketahanan pangan	Susenas Panel	Blok XX	Logit, tobit
Infrastruktur & kemiskinan	Susenas + PODES	Blok PODES V, VII	OLS, IV, 2SLS
Bencana alam & welfare	Susenas + PODES	PODES Bab VI	DiD, logit
Smart village & digital divide	PODES	Bab X	Logit, factor analysis
Kemiskinan anak	Susenas (+PODES)	Blok IV, VI, XI + PODES	Logit, MODA

6 Tips Praktis untuk Peneliti

6.1 Akses Data

Kunjungi portal resmi BPS: microdata.bps.go.id
Daftar akun (gratis untuk akademisi) dan ajukan permintaan data
Data tersedia dalam format .dta (Stata) dan .sav (SPSS)
Untuk membaca di R: haven::read_dta("file.dta")
Untuk membaca di Python: pyreadstat.read_dta("file.dta")

6.2 Checklist Sebelum Analisis

Pahami unit analisis yang tepat (individu vs rumah tangga)
Gunakan sampling weight (WERT atau nama weight di versi terbaru) selalu
Periksa periode referensi setiap pertanyaan (seminggu/sebulan/setahun terakhir)
Baca codebook resmi sebelum menginterpretasikan nilai variabel
Cek perubahan kuesioner antara tahun yang berbeda jika menggunakan pooled data
Gunakan haven::as_factor() untuk variabel kategorikal berlabel
Verifikasi kode wilayah jika melakukan merge lintas dataset

6.3 Pelaporan dalam Publikasi

Ketika menggunakan Susenas atau PODES dalam publikasi ilmiah, pastikan menyebutkan:

Nama survei lengkap dan singkatan resmi (Susenas/PODES)
Tahun/gelombang survei (misal: Susenas Maret 2022)
Lembaga penyelenggara (BPS — Statistics Indonesia)
Ukuran sampel yang digunakan dalam analisis
Penggunaan sampling weights dan jenis standard errors (robust, cluster)

Contoh kalimat metodologi:

“Data diambil dari Survei Sosial Ekonomi Nasional (Susenas) Maret 2022 yang diselenggarakan oleh BPS — Statistics Indonesia. Sampel yang digunakan mencakup 287.450 rumah tangga setelah penghapusan observasi yang memiliki data tidak lengkap. Seluruh estimasi menggunakan sampling weights yang disediakan BPS dan standard errors yang di-cluster di level kabupaten/kota.”

7 Referensi

BPS — Statistics Indonesia. (2023). Kuesioner Survei Sosial Ekonomi Nasional 2023 (VSEN23.K & VSEN23.KP). Jakarta: BPS.
BPS — Statistics Indonesia. (2021). Kuesioner Pendataan Potensi Desa 2021. Jakarta: BPS.
Khoiruddin, M.A., Suman, A., Prasetyia, F., Susilo, & Yuniashri, E. (2025). Informality and multidimensional child poverty: evidence from urban and rural Indonesia. Development Studies Research, 12(1). DOI: 10.1080/21665095.2025.2533852
Azizatunnisa’, L., Probandari, A., Kuper, H., & Banks, L.M. (2025). Health insurance coverage, healthcare use, and financial protection amongst people with disabilities in Indonesia: analysis of the 2021 National Socioeconomic Survey. The Lancet Regional Health – Southeast Asia. www.thelancet.com/journals/lansea/article/PIIS2772-3682(25)00102-7/fulltext
Kurniawan, R., Nasution, B.I., Agustina, N., & Yuniarto, B. (2021). Revisiting social vulnerability analysis in Indonesia data. Data in Brief, 39, 107743. DOI: 10.1016/j.dib.2021.107743
Duke University Libraries. (n.d.). Village Potential Statistics (PODES) Dataset — Indonesia. Diakses dari: https://library.duke.edu/data/sources/podes

📌 Modul Selanjutnya

Modul 1: Cek Data & Statistik Deskriptif — Susenas Balita Sakit (sudah tersedia)
Modul 2: Eksplorasi Data PODES — Infrastruktur & Bencana
Modul 3: Regresi Linear & Logit dengan Data Susenas
Modul 4: Multilevel Analysis — Menggabungkan Susenas & PODES
Modul 5: Metode Kausal — DiD & IV dengan Data BPS