PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA

dokumen-dokumen yang mirip
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN AREA KECIL TERHADAP PENGELUARAN PER KAPITA DI KABUPATEN SRAGEN DENGAN PENDEKATAN KERNEL SKRIPSI

PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)

RATA-RATA KUADRAT SESATAN PENDUGA REGRESI DENGAN KOMBINASI LINIER DUA VARIABEL BANTU PADA SAMPEL ACAK SEDERHANA

PEMODELAN REGRESI 3-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Lamanya pendidikan Anak di Kabupaten Semarang)

ANALISIS VARIAN DUA FAKTOR DALAM RANCANGAN PENGAMATAN BERULANG ( REPEATED MEASURES )

ESTIMASI PARAMETER PADA MODEL REGRESI LINIER MULTILEVEL DENGAN METODE RESTRICTED MAXIMUM LIKELIHOOD (REML) abang Semarang SKRIPSI.

PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE. Oleh : DEWI SETYA KUSUMAWARDANI

PENDUGAAN PENGELUARAN PER KAPITA DI KABUPATEN BREBES

KAJIAN RELIABILITAS DAN AVAILABILITAS PADA SISTEM KOMPONEN PARALEL

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN MODEL FORWARD SELECTION

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH

PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE

oleh PRITA DEWI HUTRIANA SARI NIM. M

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH

PEMODELAN DINAMIS PRODUKSI PADI DI JAWA TENGAH MENGGUNAKAN METODE KOYCK DAN ALMON

PERBANDINGAN ANALISIS FAKTOR KLASIK DAN KELOMPOK BAHAN MAKANAN DI JAWA TENGAH

APLIKASI REGRESI DATA PANEL UNTUK PEMODELAN TINGKAT PENGANGGURAN TERBUKA KABUPATEN/KOTA DI PROVINSI JAWA TENGAH

ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN

REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR)

KAJIAN AVAILABILITAS PADA SISTEM KOMPONEN SERI

KETEPATAN KLASIFIKASI KEIKUTSERTAAN KELUARGA BERENCANA MENGGUNAKAN REGRESI LOGISTIK BINER DAN REGRESI PROBIT BINER

PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN GABUNGAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA

PENENTUAN KOEFISIEN KORELASI KANONIK DAN INTERPRETASI FUNGSI KANONIK MULTIVARIAT

PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI

PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA

Oleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika

PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN

PEMODELAN DATA INDEKS HARGA SAHAM GABUNGAN. Disusun Oleh : NOVIA AGUSTINA. Skripsi. Jurusan Statistika Fakultas Sains dan Matematika Undip

PERSEMBAHAN. Karya ini kupersembahkan untuk. kedua orang tuaku ibu Menik, bapak Slamet Suseno, ketiga kakakku Ani, Oky dan Pe i

DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

PEMBENTUKAN MODEL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB

KLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM)

PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)

SKRIPSI. Disusun Oleh : DINI PUSPITA JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

SKRIPSI. Disusun Oleh: Ana Kartikawati NIM. J2E009024

ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH

PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE)

PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP. Cara Mengajar Dosen Jurusan Statistika UNDIP)

PENERAPAN RANCANGAN BLOK RANDOM TIDAK LENGKAP SEIMBANG TERHADAP KOMBINASI PUPUK NANOSILIKA DAN PUPUK NPK PADA PERTUMBUHAN TANAMAN JAGUNG

PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI

ESTIMASI PARAMETER REGRESI RIDGE MENGGUNAKAN ITERASI HOERL, KENNARD, DAN BALDWIN (HKB) UNTUK PENANGANAN MULTIKOLINIERITAS

KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL DAN NAÏVE BAYES SKRIPSI

PEMODELAN PERSENTASE PENDUDUK MISKIN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL

SKRIPSI JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

PENGGUNAAN ANALISIS KETAHANAN HIDUP UNTUK PENENTUAN PERIODE GARANSI DAN HARGA PRODUK PADA DATA WAKTU HIDUP LAMPU NEON

Oleh FATMA JULITA M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika

SKRIPSI. Disusun oleh: DHINDA AMALIA TIMUR

ABSTRACT. Keywords: Perception Taxpayer s, Tax Penalties, Taxpayer s Compliance. viii

ANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT

SKRIPSI. Disusun Oleh: MAS AD DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2016

ANALISIS INFLASI KOTA SEMARANG MENGGUNAKAN METODE REGRESI NON PARAMETRIK B-SPLINE

ADLN-PERPUSTAKAAN UNIVERSITAS AIRLANGGA ESTIMASI MODEL REGRESI SEMIPARAMETRIK BIRESPON PADA DATA LONGITUDINAL BERDASARKAN ESTIMATOR LOKAL LINIER

OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI

PENENTUAN KOMPOSISI WAKTU OPTIMAL PRODUKSI DENGAN METODE TAGUCHI

SKRIPSI. Disusun oleh: Alin Citra Suardi

PEMODELAN LAJU KESEMBUHAN PASIEN RAWAT INAP TYPHUS ABDOMINALIS

PERAMALAN JUMLAH TAMU HOTEL DI KABUPATEN DEMAK

ANALISIS NILAI RISIKO (VALUE AT RISK) MENGGUNAKAN UJI KEJADIAN BERNOULLI (BERNOULLI COVERAGE TEST) (Studi Kasus pada Indeks Harga Saham Gabungan)

APLIKASI MODEL REGRESI POISSON TERGENERALISASI PADA KASUS ANGKA KEMATIAN BAYI DI JAWA TENGAH TAHUN 2007

ANALISIS JALUR TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MAHASISWA STATISTIKA UNDIP

PEMODELAN KURS RUPIAH TERHADAP DOLLAR AMERIKA SERIKAT MENGGUNAKAN

SKRIPSI. Disusun oleh : OKA AFRANDA

PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT

SKRIPSI. Disusun Oleh : CANDRA SILVIA

ANALISIS ANTRIAN RAWAT JALAN POLIKLINIK LANTAI 1, LANTAI 3 DAN PENDAFTARAN RSUP DR. KARIADI SEMARANG

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE

Pengendalian Kualitas Data Atribut Multivariat dengan Mahalanobis Distance dan T2 Hotelling (Studi Kasus PT Metec Semarang) SKRIPSI

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION

SKRIPSI. Disusun Oleh: MARTA WIDYASTUTI

PEMODELAN TINGKAT PENGANGGURAN TERBUKA DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI SPLINE

ABSTRAK. Kata kunci : Gaya kepemimpinan, kompensasi, dan motivasi. vii. Universitas Kristen Maranatha

ANALISIS KINERJA PORTOFOLIO OPTIMAL CAPITAL ASSET PRICING MODEL

ANALISIS SISTEM ANTRIAN PADA LAYANAN PENGURUSAN PASPOR DI KANTOR IMIGRASI KELAS I SEMARANG

SKRIPSI. Disusun oleh LANDONG PANAHATAN HUTAHAEAN

SKRIPSI. Disusun oleh: NOVIAN TRIANGGARA

SKRIPSI. Oleh: ANNISA RAHMAWATI

ANALISIS PENGARUH KURS RUPIAH TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN DISTRIBUTED LAG MODEL SKRIPSI

ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM) MENGGUNAKAN MODEL REGRESI LOGISTIK BINER DAN MODEL LOG LINIER

ANALISIS PREFERENSI KONSUMEN TERHADAP PRODUK SUSU BERBASIS ANALISIS CONJOINT

PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH

DAFTAR ISI. repository.unisba.ac.id

FAKTOR-FAKTOR YANG MEMPENGARUHI KRIMINALITAS DI KABUPATEN BATANG TAHUN 2013 DENGAN ANALISIS JALUR

METODE REGRESI DATA PANEL UNTUK PERAMALAN KONSUMSI ENERGI DI INDONESIA

PENGARUH LINGKUNGAN KERJA DAN MOTIVASI KERJA TERHADAP KINERJA KARYAWAN (STUDI PADA KANTOR BAPPEDA KABUPATEN SUKOHARJO)

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

ABSTRACT. Keywords: Permanent differences, temporary or timing differences and earnings persistence. viii. Universitas Kristen Maranatha

PEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY

SKRIPSI. Oleh : PUSPHITA ANNA OCTAVIANI NIM PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM)

ANALISIS SISTEM ANTRIAN PELAYANAN NASABAH BANK X KANTOR WILAYAH SEMARANG

PEMODELAN JUMLAH UANG BEREDAR MENGGUNAKAN PARTIAL LEAST SQUARES REGRESSION (PLSR) DENGAN ALGORITMA NIPALS (NONLINEAR ITERATIVE PARTIAL LEAST SQUARES)

MOTIVASI BELAJAR AKUNTANSI DITINJAU DARI PERSEPSI SISWA MENGENAI KOMPETENSI PEDAGOGIK GURU DAN LINGKUNGAN SEKOLAH PADA SISWA KELAS XI SMA MUHAMMADIYAH

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI

Transkripsi:

PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA S K R I P S I Disusun oleh : PRITHA SEKAR WIJAYANTI NIM. J2E 008 046 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2013

PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA PRITHA SEKAR WIJAYANTI NIM : J2E 008 046 Skripsi Diajukan Sebagai Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Statistika JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2013 i

KATA PENGANTAR Alhamdulillahirobbil alamin, puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan penulisan Tugas Akhir yang berjudul Pengambilan Sampel Berdasarkan Peringkat pada Analisis Regresi Linier Sederhana. Penulisan Tugas Akhir ini diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Jurusan Statistika. Dalam penulisan Tugas Akhir ini, penulis banyak mendapatkan bantuan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan ucapan terima kasih kepada : 1. Ibu Dra. Hj. Dwi Ispriyanti, M.Si selaku Ketua Jurusan Statistika Fakultas Sains dan Matematika Universitas Diponegoro dan selaku dosen pembimbing I yang telah memberikan motivasi, arahan serta bimbingan. 2. Ibu Triastuti Wuryandari, S.Si, M.Si selaku dosen pembimbing II yang telah memberikan motivasi, arahan serta bimbingan. 3. Bapak dan Ibu dosen Jurusan Statistika Fakultas Sains dan Matematika atas semua ilmu yang telah diberikan. 4. Semua pihak yang telah membantu dalam penulisan Tugas Akhir ini. Penulisan Tugas Akhir ini jauh dari sempurna. Oleh karena itu penulis mengharapkan kritik dan saran dari berbagai pihak demi penyempurnaan Tugas Akhir ini. Semoga Tugas Akhir ini dapat bermanfaat bagi semua pihak. Semarang, Juli 2013 Penulis iv

ABSTRAK Ranked Set Sampling adalah pengambilan sampel berdasarkan peringkat. Ranked Set Sampling konkomitan adalah pengambilan sampel berdasarkan peringkat yang diberikan pada variabel konkomitan. Ranked Set Sampling dan Ranked Set Sampling konkomitan lebih baik dari pada Simple Random Sampling. Hal tersebut dapat diketahui dengan menghitung nilai Relative Precision yaitu perbandingan nilai variansi rata rata dari masing masing teknik sampling. Dari penelitian pada Ranked Set Sampling, diperoleh [ ] < ( ), > 1 dan > 0 sehingga Ranked Set Sampling lebih baik dari pada Simple Random Sampling. Untuk penelitian Ranked Set Sampling konkomitan diperoleh ( ) < ( ), > 1, > 0 sehingga Ranked Set Sampling konkomitan lebih baik dari pada Simple Random Sampling dan untuk analisis regresi linier sederhana diperoleh ( ) < ( ), ( ) < ( ), > 1, > 1 sehingga model regresi linier sederhana Ranked Set Sampling lebih baik dari pada model regresi linier sederhana Simple Random Sampling. Kata Kunci : Ranked Set Sampling, Ranked Set Sampling Konkomitan, Relative Precision, Analisis Regresi Linier Sederhana v

ABSTRACT Ranked Set Sampling and Ranked Set Sampling concomitant are more efficient than Simple Random Sampling. This can be determined by calculating the Relative Precision which is a ratio value from the variance of the mean from each sampling technique. From the research of Ranked Set Sampling, obtained [ ] < ( ), > 1 and > 0 so Ranked Set Sampling is more efficient than Simple Random Sampling. For the research of Ranked Set Sampling concomitant, obtained ( ) < ( ), > 1, > 0 so Ranked Set Sampling concomitant is more efficient than Simple Random Sampling, and for simple linear regression analysis obtained ( ) < ( ), ( ) < ( ), > 1, > 1 so simple linear regression model of Ranked Set Sampling is more efficient than simple linear regression model of Simple Random Sampling. Keywords : Ranked Set Sampling, Ranked Set Sampling Concomitant, Relative Precision, Simple Linear Regression Analysis vi

DAFTAR ISI Halaman HALAMAN JUDUL... PENGESAHAN I... PENGESAHAN II... KATA PENGANTAR... ABSTRAK... ABSTRACT... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... i ii iii iv v vi vii xi xv xvi BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Tujuan... 3 BAB II TINJAUAN PUSTAKA... 4 2.1 Ranked Set Sampling... 4 2.1.1 Pengertian Ranked Set Sampling... 4 2.1.2 Prosedur Pengambilan Sampel... 4 2.1.3 Estimasi Rata rata Populasi... 7 2.1.4 Estimasi Variansi Populasi... 8 2.1.5 Variansi Rata rata Ranked Set Sample... 11 vii

2.1.6 Efisiensi Estimator (Relative Precision)... 14 2.1.7 Pengaruh Set-size dalam Efisiensi Estimator... 16 2.2 Ranked Set Sampling Konkomitan... 18 2.2.1 Prosedur Pengambilan Sampel... 26 2.2.2 Estimasi Rata rata Populasi... 22 2.2.3 Estimasi Variansi Populasi... 23 2.2.4 Variansi Rata rata Ranked Set Sample Konkomitan 29 2.2.5 Efisiensi Estimator (Relative Precision)... 32 2.2.6 Ranked Set Sampling Konkomitan pada Analisis Regresi Linier Sederhana... 34 BAB III METODOLOGI PENELITIAN... 60 3.1 Sumber Data... 60 3.2 Variabel Penelitian... 60 3.3 Metode Analisis Data... 61 BAB IV ANALISIS DAN PEMBAHASAN... 70 4.1 Uji Distribusi Normal... 70 4.2 Analisis Korelasi... 71 4.3 Simple Random Sampling... 71 4.3.1 Pengambilan Sampel dengan Menggunakan Simple Random Sampling... 71 4.3.2 Nilai Rata rata, Variansi, dan Variansi Rata - rata Simple Random Sample... 71 4.3.3 Analisis Regresi Linier Sederhana... 73 4.3.4 Nilai Variansi Parameter Regresi Linier Sederhana... 76 viii

4.3.5 Pemilihan Sampel Terbaik dan Model Regresi Linier Sederhana Terbaik pada Simple Random Sampling... 77 4.4 Ranked Set Sampling... 78 4.4.1 Pengambilan Sampel dengan Menggunakan Ranked Set Sampling... 78 4.4.2 Nilai Rata rata, Variansi dan Variansi Rata rata Ranked Set Sample... 79 4.4.3 Pemilihan Sampel Terbaik pada Ranked Set Sampling... 80 4.5 Nilai Relative Precision... 82 4.6 Pemilihan Sampel Terbaik... 83 4.7 Ranked Set Sampling Konkomitan... 87 4.7.1 Pengambilan Sampel dengan Menggunakan Ranked Set Sampling Konkomitan... 87 4.7.2 Nilai Rata rata, Variansi, dan Variansi Rata - rata Ranked Set Sample Konkomitan... 87 4.7.3 Analisis Regresi Linier Sederhana Ranked Set Sampling... 89 4.7.4 Nilai Variansi Parameter Regresi Linier Sederhana Ranked Set Sampling... 97 4.7.5 Pemilihan Sampel Terbaik dan Model Regresi Linier Sederhana Terbaik pada Ranked Set Sampling Konkomitan... 98 4.8 Nilai Relative Precision untuk Sampel dan Nilai Relative ix

Precision untuk Parameter Regresi Linier Sederhana... 103 4.9 Pemilihan Sampel Terbaik dan Model Regresi Linier Sederhana Terbaik... 105 BAB V KESIMPULAN... 113 DAFTAR PUSTAKA... 115 LAMPIRAN x

DAFTAR TABEL Halaman Tabel 1. Unit Sampel Sebelum Diranking pada Ranked Set Sampling... 6 Tabel 2. Unit Sampel Setelah Diranking pada Ranked Set Sampling... 6 Tabel 3. Unit Sampel yang Dipilih pada Ranked Set Sampling... 7 Tabel 4. Unit Sampel Sebelum Diranking pada Ranked Set Sampling Konkomitan... 20 Tabel 5. Unit Sampel Setelah Diranking pada Ranked Set Sampling Konkomitan... 20 Tabel 6. Unit Sampel yang Dipilih pada Ranked Set Sampling Konkomitan 21 Tabel 7. Analisis Variansi Ranked Set Sampling... 46 Tabel 8. Uji Statistik... 56 Tabel 9. Nilai Rata rata, Variansi dan Variansi Rata rata Simple Random Sample pada Ukuran Sampel ( ) 40 dan 60... 72 Tabel 10. Analisis Variansi Simple Random Sampling pada = 20... 73 Tabel 11. Analisis Variansi Simple Random Sampling pada = 40... 74 Tabel 12. Analisis Variansi Simple Random Sampling pada = 60... 75 Tabel 13. Nilai ( ) dan ( ) pada = 40 dan = 60 77 Tabel 14. Nilai... 77 Tabel 15. Model Regresi Linier Sederhana dan Nilai Variansi Parameter Regresi Linier Sederhana pada Simple Random Sampling... 78 Tabel 16. Nilai [ ], [ ] dan [ ] pada = 20 dengan = 5 dan = 4... 79 xi

Tabel 17. Nilai [ ], [ ] dan [ ] pada = 40 dan = 60 80 Tabel 18. Nilai [ ] pada = 20... 80 Tabel 19. Perbandingan Nilai [ ] pada = 20... 81 Tabel 20. Nilai [ ] pada = 40... 81 Tabel 21. Nilai [ ] pada = 60... 81 Tabel 22. Nilai, dan pada = = 40 dan = = 60... 83 Tabel 23. Nilai dan Nilai [ ] pada = = 20... 83 Tabel 24. Nilai pada = = 20.... 84 Tabel 25. Perbandingan Nilai pada = = 20... 84 Tabel 26. Nilai dan Nilai [ ] pada = = 40... 85 Tabel 27. Nilai pada = = 40... 85 Tabel 28. Nilai dan Nilai [ ] pada = = 60... 85 Tabel 29. Nilai pada = = 60... 86 Tabel 30. Nilai... 86 Tabel 31. Nilai Rata rata, Variansi dan Variansi Rata rata Ranked Set Sample Konkomitan pada = 20 dengan = 5 dan = 4... 88 Tabel 32. Nilai Rata rata, Variansi dan Variansi Rata rata Ranked Set Sample Konkomitan pada = 40 dan = 60... 89 Tabel 33. Analisis Variansi Ranked Set Sampling pada = 20 dengan = 4 dan = 5... 90 Tabel 34. Analisis Variansi Ranked Set Sampling pada = 20 dengan = 5 dan = 4... 91 xii

Tabel 35. Analisis Variansi Ranked Set Sampling pada = 40 dengan = 4 dan = 10... 92 Tabel 36. Analisis Variansi Ranked Set Sampling pada = 40 dengan = 5 dan = 8... 94 Tabel 37. Analisis Variansi Ranked Set Sampling pada = 60 dengan = 4 dan = 15... 95 Tabel 38. Analisis Variansi Ranked Set Sampling pada = 60 dengan = 5 dan = 12... 96 Tabel 39. Nilai ( ) dan ( ) pada = 40 dan = 60... 98 Tabel 40. Nilai ( ) pada = 20... 99 Tabel 41. Model Regresi Linier Sederhana dan Nilai Variansi Parameter Regresi Linier Sederhana Ranked Set Sampling pada = 20... 99 Tabel 42. Perbandingan Nilai ( ) pada = 20... 100 Tabel 43. Perbandingan Nilai ( ) dan ( ) pada = 20... 100 Tabel 44. Nilai ( ) pada = 40... 101 Tabel 45. Model Regresi Linier Sederhana dan Nilai Variansi Parameter Regresi Linier Sederhana Ranked Set Sampling pada = 40... 101 Tabel 46. Nilai ( ) pada = 60... 102 Tabel 47. Model Regresi Linier Sederhana dan Nilai Variansi Parameter Regresi Linier Sederhana Ranked Set Sampling pada = 60... 102 Tabel 48. Nilai, dan pada Ukuran Sampel ( = ) 40 xiii

dan 60... 104 Tabel 49. Nilai dan pada Ukuran Sampel( = ) 40 dan 60.. 105 Tabel 50. Nilai dan Nilai ( ) pada = = 20... 105 Tabel 51. Nilai pada = = 20... 106 Tabel 52. Nilai Variansi Parameter Regresi Linier Sederhana pada = = 20... 106 Tabel 53. Nilai dan pada = = 20... 107 Tabel 54. Perbandingan Nilai dan, pada = = 20... 107 Tabel 55. Nilai dan Nilai ( ) pada = = 40... 108 Tabel 56. Nilai pada = = 40... 108 Tabel 57. Nilai Variansi Parameter Regresi Linier Sederhana pada = = 40... 109 Tabel 58. Nilai dan pada = = 40... 110 Tabel 59. Nilai dan Nilai ( ) pada = = 60... 110 Tabel 60. Nilai pada = = 60... 111 Tabel 61. Nilai Variansi Parameter Regresi Linier Sederhana pada = = 60... 111 Tabel 62. Nilai dan pada = = 40... 112 xiv

DAFTAR GAMBAR Halaman Gambar 1. Contoh Ranked Set Sampling... 5 Gambar 2. Diagram Alir Ranked Set Sampling... 68 Gambar 3. Diagram Alir Ranked Set Sampling Konkomitan... 69 xv

DAFTAR LAMPIRAN Halaman Lampiran 1. Data Produksi Tanaman Padi Sawah di Indonesia Tahun 1995 117 Lampiran 2. Output SPSS 16.0 Uji Kolmogorov-Smirnov Distribusi Normal Data Produksi dan Data Luas_Panen... 118 Lampiran 3. Transformasi Data Produksi (Exp(Log10(Produksi))) dan Data Luas Panen (Exp(Log10(LuasPanen))) dari Data Produksi Tanaman Padi Sawah di Indonesia Tahun 1995... 119 Lampiran 4. Output SPSS 16.0 Uji Kolmogorov-Smirnov Distribusi Normal Data ExpLogProduksi dan Data ExpLogLuas_Panen... 120 Lampiran 5. Output SPSS 16.0 Analisis Korelasi (Pearson Product Moment) Data ExpLogProduksi dan Data ExpLogLuas_Panen... 121 Lampiran 6. Program dan Output R 2.13.1 Simple Random Sampling... 122 Lampiran 7. Program dan Output R 2.13.1 Ranked Set Sampling... 127 Lampiran 8. Program dan Output R 2.13.1 Ranked Set Sampling Konkomitan 133 Lampiran 9. Hasil Regresi Linier Sederhana pada Data Produksi Tanaman Padi Sawah di Indonesia Tahun 1995... 147 xvi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari pengambilan sampel diperlukan untuk mengetahui karakteristik populasi. Teknik pengambilan sampel dibedakan menjadi dua jenis yaitu pengambilan sampel acak dan pengambilan sampel tidak acak. Pengambilan sampel acak lebih baik dari pada pengambilan sampel tidak acak. Hal tersebut dikarenakan pada pengambilan sampel acak, masing masing data mempunyai peluang yang sama untuk terpilih. Salah satu teknik pengambilan sampel acak adalah Simple Random Sampling (Supranto, 2007). Menurut Supranto (2007) salah satu syarat sampel yang baik adalah sampel harus mempunyai presisi (kedekatan estimasi sampel dengan karakteristik populasi) yang tinggi. Presisi dapat diukur melalui perbandingan nilai variansi sampel dengan nilai variansi populasi. Semakin baik sampel maka nilai variansi yang diperoleh semakin kecil. Selain Simple Random Sampling, teknik pengambilan sampel yang dapat pula dikategorikan dalam pengambilan sampel acak adalah Ranked Set Sampling atau teknik pengambilan sampel berdasarkan peringkat. Ranked Set Sampling diperkenalkan pertama kali oleh McIntyre (1952) melalui penelitianny a dalam estimasi rata rata hasil panen dari padang rumput. Secara garis besar Ranked Set Sampling dapat digunakan pada data yang diamati dan pada data dengan variabel konkomitan. Menurut Patil et al. (1994), ide dasar dari Ranked Set Sampling dan Ranked Set Sampling konkomitan adalah

2 pembagian secara random dari sampel yang diambil dari populasi ke dalam himpunan berukuran dengan masing masing himpunan (set) berisi unit sampel. Selanjutnya sampel dari masing masing himpunan diurutkan berdasarkan peringkat yang diberikan, kemudian dilakukan pemilihan sampel yaitu sampel dari peringkat terkecil untuk himpunan pertama, sampel dari peringkat terkecil kedua untuk himpunan kedua, dan seterusnya sampai sampel dari peringkat terbesar ( ) untuk himpunan terakhir ( ). Langkah pengambilan sampel tersebut diulang sebanyak kali putaran ( cycle) untuk mendapatkan ukuran sampel yang diharapkan (Patil et al., 1994). Menurut Halls dan Dell (1966) Ranked Set Sampling dan Ranked Set Sampling konkomitan lebih baik dari pada Simple Random Sampling. Hal tersebut dapat diketahui dengan menghitung nilai Relative Precision yaitu perbandingan nilai variansi rata rata yang diperoleh. Berdasarkan Ranked Set Sample konkomitan yaitu sampel dari variabel yang diamati ( ) dan sampel dari variabel konkomitan ( ), dapat dilakukan berbagai macam analisis statistika. Menurut Ozdemir dan Esin (2007), variabel yang berpengaruh terhadap variabel dependen ( ) dapat digunakan sebagai variabel konkomitan dalam Ranked Set Sampling. Dengan demikian, salah satu analisis yang dapat dilakukan untuk satu variabel pengamatan dan satu variabel konkomitan adalah analisis regresi linier sederhana. Menurut Weisberg (1985) analisis regresi linier sederhana adalah metode yang digunakan untuk menganalisis hubungan linier antara satu variabel terikat dan satu variabel bebas. Dalam penelitian ini, akan dibahas Ranked Set Sampling dan Ranked Set Sampling konkomitan. Untuk Ranked Set Sampling konkomitan akan diterapkan

3 pada satu variabel pengamatan dan satu variabel konkomitan untuk selanjutnya dilakukan analisis regresi linier sederhana. Selain itu, dalam penelitian ini akan dilakukan pemilihan teknik pengambilan sampel terbaik antara Ranked Set Sampling dengan Simple Random Sampling. Pemilihan teknik pengambilan sampel terbaik dilakukan berdasarkan perhitungan nilai nilai Relative Precision. Apabila nilai Relative Precision lebih besar satu, maka Ranked Set Sampling lebih baik dari pada Simple Random Sampling. 1.2 Tujuan Penelitian Tujuan dari penelitian ini adalah : 1. Pengambilan sampel dengan menggunakan Ranked Set Sampling. 2. Membandingkan Ranked Set Sampling dengan Simple Random Sampling dengan menentukan nilai Relative Precision untuk sampel ( ). 3. Pengambilan sampel dengan menggunakan Ranked Set Sampling konkomitan. 4. Menentukan model regresi linier sederhana Ranked Set Sampling. 5. Membandingkan Ranked Set Sampling konkomitan dengan Simple Random Sampling dengan menentukan nilai Relative Precision untuk sampel ( ) dan nilai Relative Precision untuk parameter regresi linier sederhana,.