BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

dokumen-dokumen yang mirip
Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

SOLUSI TUGAS I HIMPUNAN

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

Pengajar: Dr. Agus M Soleh

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

BAB II TINJAUAN PUSTAKA

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

2.2.3 Ukuran Dispersi

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

BAB 5. ANALISIS REGRESI DAN KORELASI

POLIGON TERBUKA TERIKAT SEMPURNA

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

BAB II LANDASAN TEORI

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

BAB II LANDASAN TEORI

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Bab II Teori Pendukung

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Volume 1, Nomor 2, Desember 2007

b) Untuk data berfrekuensi fixi Data (Xi)

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

; θ ) dengan parameter θ,

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III PERSAMAAN PANAS DIMENSI SATU

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB III UKURAN PEMUSATAN DATA

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

S2 MP Oleh ; N. Setyaningsih

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

STATISTIKA DASAR. Oleh

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

Sudaryatno Sudirham. Permutasi dan Kombinasi

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

REGRESI LINEAR SEDERHANA

Uji Statistika yangb digunakan dikaitan dengan jenis data

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

Muniya Alteza

BAB III ISI. x 2. 2πσ

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

NORM VEKTOR DAN NORM MATRIKS

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

Extra 4 Pengantar Teori Modul

UKURAN GEJALA PUSAT (UGP)

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

8. MENGANALISIS HASIL EVALUASI

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

Sampel dan Distribusi Sampling

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

Transkripsi:

BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl populas. Dega sampel yag mewakl populas, dapat dperoleh taksra parameter populas yag akurat. Taksra parameter populas dkataka akurat, jka merupaka taksra yag tak bas da varas taksraya palg kecl datara taksra yag tak bas laya. Pada bab, aka dbahas dua tekk pegambla sampel dar probablty samplg yag mejad dasar dar metode pegambla sampel yag aka dbahas dalam tugas akhr. Dalam bab, aka djelaska tekk pegambla sampel dega cara Smple Radom Samplg (SRS), yag merupaka betuk dasar dar probablty samplg yag la da sgle stematc samplg. Sela tu, aka dbahas juga tetag taksra mea populas beserta varas da taksra varasya pada kedua tekk pegambla sampel tersebut. 8 Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

9. SIMPLE RADOM SAMPLIG (SRS).. Pedahulua Smple Radom Samplg (SRS) adalah suatu metode pegambla sampel dmaa sampel berukura dambl dar populas berukura, dega cara sedemka sehgga setap sampel yag mugk mempuya probabltas yag sama utuk terplh mejad sampel. Cara megambl sampel dega tekk Smple Radom Samplg (SRS) adalah sebaga berkut: Meomor semua eleme dalam populas. Megambl blaga acak datara omor. Eleme-eleme dega omor-omor yag terplh mejad aggota sampel. Dalam metode, pegambla sampel dapat dlakuka dega dua cara, yatu pegambla sampel dega pegembala da pegambla sampel tapa pegembala. Karea ut yag sama tdak memberka tambaha formas, maka yag serg dguaka adalah pegambla Smple Radom Samplg tapa pegembala, dmaa ut sampel yag terplh pada suatu pegambla tdak aka mugk terplh pada pegambla berkutya. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

0 Pada Smple Radom Samplg, setap ut memlk probabltas yag sama utuk terplh mejad aggota sampel. Hal tersebut dapat dbuktka dalam teorema berkut. Teorema.. Dalam Smple Radom Samplg, probabltas suatu ut terplh mejad aggota sampel adalah (sama). Bukt: Msalka dketahu la-la dar populas adalah = { u,u,...,u }. Ddefska: p m =Pr ( u mucul pada pegambla ke- m ) ; m =,,..., Utuk m=, maka p =Pr( u mucul pada pegambla ke-) p = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

Utuk m=, maka p =Pr( u mucul pada pegambla ke-) p =Pr( u tdak mucul pada pegambla ke- da u mucul pada pegambla ke- ) Karea kejada u tdak mucul pada pegambla ke- da kejada u mucul pada pegambla ke-, merupaka kejada salg bebas, maka dperoleh: p =Pr( u tdak mucul pada pegambla ke-).pr ( u mucul pada pegambla ke-) p = -. - - p =. - p = Utuk m=, maka p =Pr( u mucul pada pegambla ke- ) p =Pr( u tdak mucul pada pegambla ke- sampa pegambla ke-- da u mucul pada pegambla ke- ) p = -. -. -... -. - - -(-) -(-) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

- - -3 -(-) p =...... - - -(-) -(-) p = Sehgga dapat dsmpulka bahwa: p = ; utuk m =,,..., (...) m Hal yag sama juga dapat dlakuka utuk setap u ; =,,...,. Selajutya, msalka: π = Pr (u terplh dalam sampel) ; utuk suatu, =,,..., Aka dbuktka π = : Msalka: A m = kejada u mucul pada pegambla ke- m ; m =,,..., Sehgga: ( ) π = Pr A A A... A 3 Karea A,A,...,Aadalah kejada salg lepas, maka dperoleh: π =Pr( A ) +Pr( A ) +...+Pr( A ) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

3 π = + +...+ π = (terbukt) (...) Sehgga π = berlaku utuk setap ; =,,..., Dega demka terbukt bahwa dalam Smple Radom Samplg, probabltas suatu ut terplh mejad aggota sampel adalah (sama)... Taksra Mea Populas da Varasya Msalka { u,u,...,u} adalah la-la populas da μ adalah mea populas yag ddefska sebaga berkut: μ = = u Msalka S = { y,y,...,y} adalah Smple Radom Sample yag dambl dar populas { u,u,...,u }. Padag suatu statstk: y= y = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

4 Maka dapat dbuktka bahwa: ) y= y = adalah taksra yag tak bas utuk mea populas ( μ ). ) ) = -, dmaa - = = ( u-μ ). ) ˆ s - ) = dega bas utuk V[ y ]. s = = ( y-y ) - merupaka taksra yag tak Pembukta: ) Utuk membuktka bahwa y= y adalah taksra yag tak bas utuk mea populas( μ ), yatu dega meujukka bahwa E( y ) =μ : = Bukt: Msalka ddefska sebuah varabel radom Z, dmaa: z = ; z = 0 ; u S ; =,,..., u S ; =,,..., (...) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

5 Sehgga ddapat: y= y = u.z = = Selajutya aka dcar la dar E( y ) : E( y ) =E E( y ) =E = y u.z = E y = E u.z = E y = = u.e( z ) (...) la E( z ) dapat dcar sebaga berkut: E z = z Pr z z=0 E( z ) = 0.Pr( z=0) +.Pr( z=) E( z ) =.Pr( z=) Dar defs (...), dperoleh: E( z ) =.Pr( u S) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

6 Berdasarka teorema (..) dketahu bahwa Pr ( u S ) adalah, sehgga dperoleh: E( z ) =. E( z ) = ; utuk =,,..., (...3) Substtuska persamaa (...3) ke dalam persamaa (...), sehgga dperoleh la E( y ) adalah: E y = = u.e( z ) E y = u. = E y = u. = = E y = u. E( y ) =μ (terbukt) Karea telah dperoleh taksra tak bas utuk mea populas ( μ ). E y =μ, maka terbukt bahwa y= y adalah = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

7 ) Selajutya aka dbuktka bahwa ) = -, dmaa - = = ( u-μ ). Bukt: V( y ) =V V( y ) =V = y u.z = V y = V u.z = V( y ) = E u.z - E u.z = = V( y ) = E ( u.z ) + uu h.zz h- E( u.z ) = h = V y = E u.z +E uu h.zz h - E u.z + E( u.z ).E ( u h.zh) = h = h V y = E u.z - E u.z + E uu.z z - E u.z.e u.z h h h h = = h h V ( y ) = E u.z - E u.z + E u z.uhzh -E u.z.e u h.zh = h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

8 V( y ) = u E z -u E z + uu he zz h -uu he z.e zh = h V( y ) = u E z -E z + uu h E zz h -E z.e zh = h V y = u V z + uu Cov z,z = h [ ] h [ h] (...4) Aka dcar la dar V[ z ], yatu: V z = E z - E z (...5) Terlebh dahulu aka dcar la dar E( z ), yatu: E z = z Pr z z=0 E z =0.Pr z =0 +.Pr z = E z = 0.Pr z = 0 +.Pr z = E z =.Pr z = E z = E z (...6) Substtuska persamaa (...6) ke dalam persamaa (...5), sehgga dperoleh: V z =E z -E z Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

9 V z =E z -E z Dar persamaa (...3), dperoleh: V( z ) = - V( z ) = - ; utuk =,,..., (...7) Semetara tu la dar Cov[ z,z ] h adalah: Cov[ z,z h] = E( zzh) -E( z ).E( z h) (...8) Terlebh dahulu aka dcar la E( zz ) ( h) h ( h) E zz = z.z Pr z,z z,z h=0 h, yatu: E( zz h) = 0.0Pr ( z = 0,z h = 0 ) +0.Pr ( z = 0,z h = ) +.0Pr ( z =,z h = 0 ) +.Pr ( z =,z h =) E( zz h) =Pr( z =,z h = ) Dar defs (...), dperoleh: ( ) E zz =Pr u S,u S h h E zz =Pr(uda uh masuk dalam sampel ) h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

0 Karea ada ( -) ut laya yag terseda utuk ssa sampel da dss la ada ( -) utuk meempatka dalam sampel da karea terdapat buah eleme dalam populas da sampel berukura, maka probabltas u da u h masuk dalam sampel adalah: ( ) E zz =Pr u S,u S h h - - E ( zz h) = E zz = h ( - )! -! -!! -!! -! -!! E( zz h) =. -! -!! -!! E( zz h) =. -!! -! ( -)( - )! E( zz h) =. -! (-)(- )! (-) E zz = (...9) (-) h Substtuska persamaa (...9) ke dalam persamaa (...8), sehgga dperoleh la dar [ ] Cov z,z adalah: Cov[ z,z h] = E( zzh) -E( z ).E( z h) h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

( -) Cov z,z = -E z.e z (-) [ ] h h Dar persamaa (...3), dperoleh: (-) Cov[ z,z h] = -. (-) (-) Cov[ z,z h] = - - (-) - -(-) Cov[ z,z h] = - (-) --+ Cov[ z,z h] = - (-) [ ] Cov z,z h - = - (-) - Cov[ z,z h] = - (-) Cov[ z,z h] = - - (-) (...0) ; utuk =,,.., da h =,,..,, dmaa h Substtuska persamaa (...7) da (...0) ke dalam persamaa (...4), sehgga dperoleh la V( y) adalah: V y = u V z + uu Cov z,z = h [ ] h [ h] V ( y ) = u - + uu h - - = h - Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

V ( y ) = u - + - - uu h = - h V ( y ) = u - + - - u - u = - = = V( y ) = - u + - u - u = - = = V( y ) = - u + u - u = - = - = V( y ) = - + u - u - = - = V( y ) = - u - u - = - = V( y ) = - u - u - = = - V y = u -μ - = - V y = u -μ +μ - = - V( y ) = u -μ u+ μ - = = = - V y = ( u -μu +μ ) - = - V y = ( u -μ) - = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

3 - V( y ) = - - V( y ) = (terbukt) - V y = Dega demka terbukt bahwa -, dmaa - = = ( u-μ ) ) Selajutya aka dbuktka bahwa ˆ s - ) = dega s = = ( y-y ) - adalah taksra yag tak bas utuk V( y ). Utuk membuktka ˆ s - ) = adalah taksra tak bas utuk - V( y ) =, yatu dega membuktka bahwa E Vˆ ( y ) =V[ y ] - Bukt: ˆ s - E V y =E ; dega s = = ( y-y ) - ˆ - E V y = E s (...) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

4 Terlebh dahulu aka dcar la E s, yatu: E s =E ( y -y) - = E s = E ( y -μ) -( y-μ) - = E s = E y -μ -E y-μ - = E s = )-) - = [ ] E s = ) -) - E s = -) - V y = Karea -, maka dperoleh: - - E s = - - - - E s = - - - --- E s = - - - -+ E s = - - - E s = - - Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

5 ( -) E s = - - E s = - (...) Substtuska persamaa (...) ke dalam persamaa (...), sehgga dperoleh la ˆ - E V y = E s ˆ - E V y = - ˆ - E V y = - E Vˆ y =V[ y ] E ˆ V y adalah: Karea telah dperoleh E Vˆ ( y ) [ ] =V y, maka terbukt bahwa ˆ s - ) = dega s = = ( y-y ) - adalah taksra tak bas utuk - V( y ) = dega - = = ( u-μ ). Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

6 Selajutya dperoleh Stadard Error (SE) dar taksra mea populas pada Smple Radom Samplg ( y ) adalah: ˆ V ( y ) SE y =. SIGLE SYSTEMATIC SAMPLIG.. Pedahulua Pegerta dar sgle stematc samplg adalah suatu cara pegambla sampel, dmaa sampel dperoleh dega cara memlh secara radom satu eleme dar k -eleme pertama pada frame, da setap eleme ke- k berkutya. Cara megambl sampel dega tekk sgle stematc samplg adalah sebaga berkut: Plh satu eleme dar k eleme pertama secara acak. Plh setap eleme ke k setelahya. Sgle stematc samplg bak dguaka utuk populas terurut, yatu populas yag eleme-elemeya berurut meurut besara yag dukur. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

7 Sela tu, sgle stematc samplg juga bak dguaka jka frame merupaka daftar yag pajag. Supaya dperoleh ukura sampel yag dgka, k harus dplh lebh kecl atau sama dega, aka tetap dalam tugas akhr pembahasa dbatas utuk = k... Taksra Mea Populas da Varasya Msalka { u,u,...,u} adalah la-la populas da μ adalah mea populas yag ddefska sebaga berkut: μ = = u Msalka S = { y,y,...,y} adalah sgle stematc sample yag dambl dar populas { u,u,...,u }. Utuk meaksr mea populas ( μ ) dguaka y, dmaa dalam peerapa sgle stematc samplg, y basaya dhtug dega megguaka formula, yag dguaka utuk meghtug taksra mea Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

8 pada Smple Radom Samplg, yatu: y = y serta taksra varasya = adalah ˆ s - ) = dega s = = ( y-y ) -. Dapat dbuktka bahwa dalam sgle stematc samplg dega =k : ) y = y adalah taksra yag tak bas utuk mea populas ( μ ). = ) = + - ρ, dmaa ) Dapat dtujukka bahwa = y -μ ( ) = merupaka varas dar populas, da ρ adalah korelas atara pasaga-pasaga eleme dalam stematc sample yag sama. ) ˆ s - ) = dega bas utuk V y. s = = ( y-y ) - merupaka taksra yag Pembukta: ) Utuk membuktka bahwa y = y adalah taksra yag tak bas = utuk μ, yatu dega meujukka bahwa E( y ) =μ. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

9 Bukt: Msalka ddefska sebuah varabel radom Z, dmaa: z = ; z = 0 ; u S ; =,,..., u S ; =,,..., (...) Sehgga ddapat: = = y = y = u.z Selajutya aka dcar la dar E( y ) : E y =E y = E y =E u.z = E y = E u.z = E y = u.e z = ( ) ( ) (...) E( z ) dapat dcar sebaga berkut: E z = z Pr z z=0 Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

30 E( z ) = 0.Pr( z=0) +.Pr( z=) E( z ) =.Pr( z=) Dar defs (...), dperoleh: E( z ) =.Pr( u S) Karea pada sgle stematc samplg probabltas suatu ut terplh mejad aggota sampel adalah, maka dperoleh: k E( z ) =. k E( z ) = k ; utuk =,,..., (...3) Substtuska persamaa (...3) ke dalam persamaa (...), sehgga dperoleh la E( y ) adalah: E y = u.e z = ( ) ( ) E y = u. = k E y = u k = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

3 Karea =k, maka dperoleh: E y = u k = = E y = u E( y ) =μ (terbukt) Karea telah dperoleh E( y ) =μ, maka terbukt bahwa taksra tak bas utuk μ. y = y adalah = ) Selajutya aka dbuktka bahwa ) = ( + [ -] ρ), dmaa = = ( u-μ ). Bukt: Padag suatu sgle stematc samplg berukura, yag dambl dar populas berukura dega = k. Pada tabel berkut dtamplka sampel-sampel yag mugk dar populas tersebut: Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

3 Tabel... Kemugka sampel-sampel pada sgle stematc samplg dega =k Sampel ke Mea k y y y y y y y y y k y k y k y k Msalka y pj meyataka aggota ke- j dar stematc sample ke- p ( p =,,...,k ; j =,,..., ) da y pu meyataka aggota ke-u dar stematc sample ke- p (p =,,...,k ; u =,,..., ), dega j <u. ρ adalah korelas atara pasaga-pasaga eleme dalam stematc sample yag sama, dmaa rumusya ddefska: ρ = E( ypj -μ)( ypu -μ) ( pj ) ( pu ) E y -μ E y -μ ( pj )( pu ) E y -μ y -μ ρ =. ( pj )( pu ) E y -μ y -μ ρ = (...4) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

33 Selajutya aka dcar la dar E(ypj -μ)(ypu k pj pu pj pu pj pu p= j<u -μ): E(y -μ)(y -μ)= (y -μ)(y -μ)p y, y (...5) ( pj pu ) P y,y meyataka probabltas y j da yu ada dalam stematc sample ke- p ; p =,,...,k. la dar ( pj pu ) P y,y dapat dcar sebaga berkut: Karea bayakya kombas ( j u ) y,y dar sampel berukura adalah! ( -)(- )! ( -) = = =,!( - )!!( - )! da karea bayakya stematc sample adalah k, maka P( y pj,y pu ) =. k - P( y pj,y pu ) =. k - ( pj pu ) P y,y = (...6) k - Substtuska (...6) ke dalam persamaaa (...5), sehgga dperoleh la dar E(ypj -μ)(ypu -μ): Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

34 k pj pu pj pu pj pu p= j<u E(y -μ)(y -μ)= (y -μ)(y -μ)p y, y E(y -μ)(y -μ)= (y -μ)(y -μ) k - k pj pu pj pu p= j<u k E(ypj -μ)(ypu -μ)= (ypj -μ)(ypu -μ) k - p= j<u (...7) Substtuska persamaa (...7) ke dalam persamaa (...4), sehgga dperoleh la ρ adalah: ( pj )( pu ) E y -μ y -μ ρ = k - ρ = k p= j<u (y -μ)(y -μ) pj pu ρ = (y pj -μ)(ypu -μ) k - k p= j<u (...8) Selajutya, padag: k )=k ( yp -μ) k p= k ( p ) k p= k )= y -μ ( p ) k k )= (y -μ) p= Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

35 ( p ) k k )= y -μ p= y k pj j= k )= -μ p= k k )= ypj -μ p= j= ( ) k k ) = y p + y p +...+ yp - μ+μ+...+μ p= k p= k )= yp -μ + yp -μ +...+ yp -μ k k )= ( ypj -μ) p= j= k k )= ( ypj -μ) + ( ypj -μ)( ypu -μ) p= j= j<u k k k )= ypj -μ + ypj -μ ypu -μ p= j= p= j<u ( k ) k )= + y -μ y -μ (...9) pj pu p= j<u Berdasarka persamaa (...8) dmaa ( k ρ = y pj -μ)( ypu -μ), maka dperoleh: k - p= j<u Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

36 k ( pj )( pu ) y -μ y -μ = k(-) ρ (...0) p= j<u Substtuska persamaa (...0) ke dalam persamaa (...9), sehgga dperoleh: ( k ) k )= + y -μ y -μ pj pu p= j<u k )= +k(-) ρ +k(-) ρ ) = k ) = +k(-) ρ k ) = +(-)ρ ( -) ρ ) = + ( -) ρ ) = + ) = +(-)ρ [ ] (terbukt) Dega demka terbukt bahwa ) = ( + [ -] ρ). Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

37 ) Selajutya dapat dtujukka bahwa ˆ s - ) = merupaka taksra yag bas utuk ). Utuk membuktka ˆ s - ) = adalah taksra yag bas dar ) = ( + [ -] ρ), yatu dega meujukka bahwa E ˆ ) ) Bukt: Terlebh dahulu aka dcar la E ˆ ), dmaa ˆ s - ) = : ˆ s - E V y =E ˆ - s E V y = E ˆ - E V y = E s (...) Substtuska dperoleh la E s = - E ˆ ) : ke dalam persamaa (...), sehgga Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

38 ˆ - E V y = - ˆ - E V y = - ˆ - E V y = - Dega demka dperoleh la ˆ E ) adalah ( ) ˆ - E V y =. - Pada pembahasa sebelumya telah dbuktka bahwa betuk dar ) adalah ) = + - ρ, maka selajutya aka dtujukka ˆ - E = ) )= + - ρ : - bahwa Msalka ρ =0 maka dperoleh la ) = + ( -) 0 ) = [] ), yatu: ) = Sehgga jka ρ = 0 dperoleh ˆ - E = ) ) = -. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

39 Msalka ρ = maka dperoleh la ) = + ( -) ) = + - ) = ) = [ ] [ ] ), yatu: Sehgga jka ρ = dperoleh ˆ - E = ) ) =. - Karea utuk ρ = 0 da ρ = dperoleh E[ ˆ ) ] ), maka terbukt bahwa ˆ s - ) = adalah taksra yag bas utuk ) = ( + [ -] ρ). Selajutya dperoleh Stadard Error (SE) dar taksra mea populas pada sgle stematc samplg ( y ) adalah: ˆ ( ) SE y = V y Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008

Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008 40