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

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

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

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

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

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

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

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

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

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

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia ABSTRACT

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

SOLUSI TUGAS I HIMPUNAN

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

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

BAB II LANDASAN TEORI

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

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

PENAKSIR RASIO DAN REGRESI MENGGUNAKAN DUA VARIABEL TAMBAHAN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

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

Volume 1, Nomor 2, Desember 2007

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

BAB II TINJAUAN PUSTAKA

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

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

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

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

Pengajar: Dr. Agus M Soleh

Regresi Linier Sederhana Definisi Pengaruh

BAB III METODE PENELITIAN

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

; θ ) dengan parameter θ,

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB II TINJAUAN PUSTAKA

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB 2. Tinjauan Teoritis

BAB 5. ANALISIS REGRESI DAN KORELASI

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

MEAN SQUARE ERROR TERKECIL DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

3 Departemen Statistika FMIPA IPB

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

S2 MP Oleh ; N. Setyaningsih

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

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

Bab II Teori Pendukung

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

UKURAN GEJALA PUSAT DAN UKURAN LETAK

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 1 STATISTIKA RINGKASAN MATERI

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

2.2.3 Ukuran Dispersi

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

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

Regresi & Korelasi Linier Sederhana

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III UKURAN PEMUSATAN DATA

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

On A Generalized Köthe-Toeplitz Duals

BAB II LANDASAN TEORI

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

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

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

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

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

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

REGRESI & KORELASI LINIER SEDERHANA

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

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

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)

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

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

BAB II KAJIAN LITERATUR

Transkripsi:

ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas au Kampus Bawda ekabaru (893), Idoesa chrsta.pajata@ur.ac.d ABSTAT Ths paper dscusses three estmators for the populato mea smple radom samplg.e dual rato estmator, dual product estmator ad dual rato-cum-product estmator. These estmators are based estmators. The mea square error for each estmator s evaluated ad compared to obta the most effcet oe. Ths comparso shows that the dual rato-cum-product estmator s more effcet tha the dual rato estmator ad dual product estmator. Kewords: dual rato estmators, dual product estmators, dual rato-cum-product estmators, bas, mea square error ABSTAK Tulsa membahas tga peaksr utuk rata-rata populas pada samplg acak sederhaa atu peaksr dual rato, peaksr dual product da peaksr dual rato-cumproduct. Ketga peaksr merupaka peaksr bas. Mea square error masg-masg peaksr dbadgka utuk medapatka peaksr ag lebh efse. erbadga tersebut meujukka peaksr dual rato-cum-product lebh efse darpada peaksr dual rato da peaksr dual product. Kata kuc: peaksr dual rato, peaksr dual product, peaksr dual rato-cumproduct, bas, mea square error. ENDAHULUAN Utuk megkatka ketelta suatu peaksr, dperluka tekk utuk memperkraka la parametera. Oleh karea tu, dbutuhka varabel pedukug dmaa adalah sampel dluar dalam populas X ag berhubuga dega ag aka

dtelt utuk setap sampel. Dega perbadga da setara dega perbadga da X. Tekk dsebut dega metode dual rato. sampel dluar Dalam metode dual product terdapat varabel pedukug dalam populas Z ag berhubuga dega utuk setap sampel. Dega perkala da dmaa adalah ag aka dtelt setara dega perkala da Z. da ag aka dtelt utuk setap sampel. Dega Da dalam metode dual rato-cum-product terdapat varabel pedukug ag berhubuga dega megambl hubuga atara, da, dmaa adalah ut dar populas adalah ut dar populas berkarakter Z da adalah ut dar berkarakter X, populas berkarakter. Dalam peelta dbadgka tga peaksr pada samplg acak sederhaa atu peaksr dual rato, dual product utuk rata-rata populas ag dajuka oleh Srvekataramaa [4] da peaksr dual rato-cum-product ag dajuka oleh Sgh da Sgh [3]. Ketga peaksr telah dbahas sebeluma oleh Talor et.al [6].. SAMLING AAK SEDEHANA earka sampel acak sederhaa merupaka suatu metode utuk megambl ut sampel dar N ut populas dmaa setap ut memlk kesempata ag sama utuk dplh sebaga ut sampel. earka sampel adalah pearka sampel acak tapa pegembala agar karakterstk ut-ut lebh akurat. robabltas terplha ut dar N ut populas sebaga ut sampel pada pegambla pertama atu N. robabltas pada pegambla kedua adalah N, sampa probabltas pada N. Sehgga peluag seluruh ut-ut tertetu pegambla ke- atu ag terplh dalam pegambla adalah. N Utuk meetuka peaksr ag efse utuk rata-rata populas dbutuhka mater pedukug sebaga berkut Defs. [: h. 73] Msalka ˆ adalah peaksr utuk, varas ˆ dotaska dega V ˆ dberka sebaga V ( ˆ) ˆ ˆ)) E ( E (. Defs. [: h. 74 ] Kovaras dar pasaga varabel da dega rata rata X, adalah utuk masg masg da ag dotaska dega ov ov X E X,.

Defs.3 [: h. 7] Msalka adalah peaksr utuk parameter. Bas dotaska dega ( ) ddefska sebaga ( ) ( ) da rata-rata kesalaha kuadrat dotaska dega ( ) ag ddefska sebaga ˆ Eˆ. Deret Talor utuk varabel [5: h. 0] Msalka f,..., fugs k ' " varabel da f, f, f,..., f,,,...,, maka pada I dega I f,..., f,,...,, adalah suatu k adalah kotu pada terval I da f ada k 0 0 0, 0 0 0 0 0 r r! r f 0, 0,..., o f 0, 0,..., o... 0 k f, 0,..., f,,...,, 0,..., 0 0 0 0 0 0 0 f 0, 0,..., 0 k. f!... 3. BIAS DAN ENAKSI DUAL UNTUK ATA-ATA OULASI eaksr dual rato da peaksr dual product utuk rata-rata populas ag dajuka oleh Srvekataramaa [4] drumuska sebaga X Z da peaksr dual rato-cum-product ag dajuka oleh Sgh da Sgh [3] drumuska sebaga Z X dega, gx g, gz g adalah rata-rata sampel dar populas, X da Z berturut-turut, dmaa g. N 3

Masg-masg peaksr ag dbahas merupaka peaksr bas. Aka dtetuka besara bas da dar masg-masg peaksr. Suatu peaksr dkataka efse apabla memlk mmum. Bas da peaksr dual rato utuk rata-rata populas pada samplg acak sederhaa adalah B gk,. f g g K Bas da peaksr dual product utuk rata-rata populas pada samplg acak sederhaa adalah B g g K, f g g K. Bas da peaksr dual rato-cum-product utuk rata-rata populas pada samplg acak sederhaa adalah E g gk K K g, f g g K g g K gk dmaa S f,,, N N K, K. S, X S, Z K, Selajuta aka dtetuka peaksr ag efse dega membadgka dar peaksr, peaksr, da peaksr.. erbadga atara peaksr dperoleh bahwa peaksr dega peaksr lebh efse darpada peaksr jka g g g g g g 4

. erbadga atara peaksr dega peaksr dperoleh bahwa peaksr lebh efse darpada peaksr jka atau g utuk 0 g g utuk 0 g 3. erbadga atara peaksr dperoleh bahwa peaksr 0 dega peaksr lebh efse darpada peaksr g g g jka 4. ONTOH Msalka sebuah data berkata dega persetase btk-btk pada tubuh mausa ag dsebabka oleh peakt pada 0 respode [3]. Dega megguaka data pada Tabel aka dtetuka peaksr ag lebh efse utuk meaksr rata-rata persetase btk-btk pada tubuh mausa dega megguaka sarat peaksr efse ag dperoleh sebeluma. Tabel : ersetase Btk-Btk pada Tubuh Mausa ag dpegaruh oleh Suhu da Buga pada Musm aas Tertetu (ersetase Btk-btk pada Tubuh Mausa) X (ata-rata Suhu d Bula Jauar) Z (Baaka Buga dar Speses Musm aas Tertetu) 49 35 00 40 35 4 38 46 40 5 40 03 59 4 94 53 44 94 6 46 88 55 50 96 64 50 90 Sumber: Sgh da Sgh [3] 5

Dar Tabel dperoleh la-la sebaga berkut 5 0, 04408 0, 796555 N 0 X 4 0, 07007 0, 93639 4 Z 00 0, 00083 0, 73333 g 4 6 Nla dar masg-masg peaksr dapat dtujukka pada Tabel. Tabel : Nla dar Masg-masg eaksr eaksr 6,664444 4,8904006,574 Dega megguaka formas pada Tabel, dperoleh bahwa peaksr memlk la terkecl. 5. KESIMULAN Dar pembahasa d atas dperoleh bahwa peaksr da peaksr lebh efse darpada peaksr peaksr lebh efse darpada peaksr populas pada samplg acak sederhaa. lebh efse darpada peaksr. Jad, dapat dsmpulka bahwa da peaksr utuk rata-rata DAFTA USTAKA [] Ba. L. J, & M. Egelhardt. 99. Itroducto to robablt ad Mathematcal Statstcs, Secod Edto. Dubur ress, alfora. [] Motgomer, D. & G.. uger. 999. Appled Statstcs ad robablt for Egeers. Secod Edto. Joh Wle & Sos, Ic., New ork. [3] Sgh, H. &. Sgh. 005. O the Effcec of a Dual to ato-um-roduct Estmator Sample Surves. Mathematcal roceedgs of the oal Irsh Academ. 05A(): 5-56. [4] Srvekatramaa, T. 980. A Dual to ato Estmator Sample Surves. Bometrka. 67:94-04. [5] Talor, A. E & W.. Ma. 983. Advaced alculus. Thrd edto. Joh Wle & Sos. New ork. [6] Talor,.,. Talor.,. armar., & M. Kumar. 0. Dual to ato-um-roduct Estmator Usg Kow arameter of Aular Varables. Joural of elablt ad Statstcal Studes. 5(): 65-7. 6