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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB II LANDASAN TEORI

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

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

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

BAB 2. Tinjauan Teoritis

Regresi & Korelasi Linier Sederhana

Regresi Linier Sederhana Definisi Pengaruh

BAB 5. ANALISIS REGRESI DAN KORELASI

REGRESI & KORELASI LINIER SEDERHANA

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

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

REGRESI & KORELASI LINIER SEDERHANA

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

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

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

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

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Bab II Teori Pendukung

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

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

BAB III PERSAMAAN PANAS DIMENSI SATU

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

S2 MP Oleh ; N. Setyaningsih

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB II TINJAUAN PUSTAKA

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

PENAKSIR RASIO REGRESI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN DUA KARAKTER TAMBAHAN

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

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

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

POLIGON TERBUKA TERIKAT SEMPURNA

Pengajar: Dr. Agus M Soleh

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

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

REGRESI LINEAR SEDERHANA

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

BAB II TINJAUAN PUSTAKA

3 Departemen Statistika FMIPA IPB

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

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

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

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

Uji Statistika yangb digunakan dikaitan dengan jenis data

UKURAN GEJALA PUSAT DAN UKURAN LETAK

2.2.3 Ukuran Dispersi

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Volume 1, Nomor 2, Desember 2007

BAB III METODE PENELITIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

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

REGRESI LINIER SEDERHANA

BAB III UKURAN PEMUSATAN DATA

BAB 1 STATISTIKA RINGKASAN MATERI

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

BAB II LANDASAN TEORI

BAB 1 ERROR PERHITUNGAN NUMERIK

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

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

Transkripsi:

PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Bawda Pekabaru, 89, Idoesa * usta.wula@ur.ac.d ABTRACT Ths paper dscusses the estmators of regresso cum-rato proposed b a ad Ta for the populato mea. These three estmators use the aular varables of the coeffcets of curtoss ad skewess smple radom samplg. All estmators are based estmators. The most effcet estmator s the estmator that has the smallest mea square error (ME) obtaed b comparg ther MEs. A eample s gve at the ed of dscussso. Kewords: regresso cum-rato estmator, coeffcet of skewess, based ad mea square error curtoss, coeffcet of ABTRAK Tulsa membahas tga peaksr regres cum-raso ag dajuka oleh a da Ta utuk rata-rata populas. Ketga peaksr megguaka formas tambaha koefse kurtoss da skewess pada samplg acak sederhaa. Masg-masg peaksr merupaka peaksr bas. Peaksr ag palg efse merupaka peaksr ag memlk Mea quare Error (ME) terkecl ag dperoleh dega membadgka ME dar masg-masg peaksr. Cotoh umerk dberka pada akhr pembahasa. Kata kuc: peaksr regres cum-raso, koefse kurtoss, koefse skewess, bas da mea square error. PENDAHULUAN Peaksr regres cum-raso merupaka suatu metode ag dguaka utuk megkatka ketelta suatu peaksr, dega megambl mafaat hubuga atara da dmaa adalah ut dar populas berkarakter da adalah ut dar

populas berkarakter X. Varabel merupaka suatu varabel pedukug ag berkorelas postf dega varabel da varabel tlah dtelt sbeluma sehgga varabel dapat dguaka sebaga varabel batu utuk meaksr varabel []. Betuk umum peaksr raso utuk rata-rata populas dar varabel ag dtelt drumuska dega ˆ R X RX ˆ dega adalah rata-rata sampel dar populas, adalah rata-rata sampel dar populas X da X adalah rata-rata populas X. Dalam artkel dbahas tga modfkas peaksr regres cum-raso utuk ratarata populas pada samplg acak sederhaa dega megguaka koefse kurtoss da skewess ag dajuka oleh a da Ta [5], atu X r () b X X r () b X X r () b X dega adalah koefsse skewess da adalah koefsse kurtoss. Ketga modfkas peaksr regres cum-raso utuk rata-rata populas tersebut merupaka peaksr bas, kemuda dtetuka ME. Berdasarka de dar a da Ta [5], peuls membadgka ME dar masg-masg peaksr utuk memperoleh peaksr regres cum-raso ag efse. Peaksr ag memlk la ME terkecl merupaka peaksr ag efse. amplg Acak ederhaa amplg acak sederhaa adalah sebuah metode ag dguaka utuk megambl ut sampel dar N ut populas sehgga setap ut populas memlk kesempata ag sama utuk dplh mejad ut sampel. Dalam hal pegambla sampel dlakuka tapa pegembala agar hasl ag dperoleh mejad represetatf []. Pada pegambla sampel tapa pegembala probabltas terplha dar N populas terplh mejad ut sampel pada pegambla pertama adalah N, N, sampa probabltas pada probabltas pada pegambla kedua adalah

pegambla ke- atu N ag terplh dalam pegambla adalah, sehgga peluag seluruh ut-ut tertetu C. N Teorema. [ : h. 7] Apabla sampel berukura dambl dar populas berukura N ag berkarakter, dega samplg acak sederhaa tapa pegembala maka varas rata-rata sampel dotaska dega V atu V N N f dega f N adalah fraks pearka sampel da N adalah varas pada populas berkarakter. Bukt: Bukt dar teorema dapat dlhat pada []. Teorema. [ : h. 9] Jka, adalah sebuah pasaga ag bervaras dalam ut dalam populas da, adalah rata-rata dar sampel acak sederhaa berukura, maka kovaras adalah Cov f N N N, X Bukt: Bukt dar teorema dapat dlhat pada []. f Utuk meetuka ME dar peaksr dalam betuk dua varabel dguaka suatu pedekata dega megguaka deret Talor dua varabel. Deret Talor utuk dua varabel [4: h.47] Msalka varabel da, I. Jka I f ' '' f, f, f,, f adalah kotu pada I da,, maka, f, ( ) f, (! dega < θ <.! f ) ( ) f,, f, adalah suatu fugs dua. f ada pada I utuk (4)

dega memsalka X, X,,, da megabaka pagkatpagkat ag lebh besar dar satu, maka dar persamaa (4) dperoleh la pedekata uuk mecar ME atu f, f, f (, ) f X, X (5) X, X,. PENAKIR REGREI UNTUK RATA-RATA POPULAI Betuk umum model regres lear sederhaa dalah X e, (6) dega adalah varabel tak bebas, X adalah varabel bebas, da adalah parameter (koefse regres), e adalah kesalaha pegamata []. Metode ag dguaka utuk medapatka parameter da adalah metode kuadrat terkecl. Msalka,,,,, da adalah pasaga data pegamata,, dega demka persamaa (6) dapat dtuls e,,,,. (7) Dasumska E sehgga E. e Dar persamaa (7) maka jumlah kuadrat kesalaha pegamata data terhadap gars regres dtuls e. (8) Dega meggat da pada persamaa (8) dega masg-masg taksraa adalah a da b, sehgga dperoleh la taksra sebaga berkut da b b ( )( ), ( ) a b (9) 4

Ketka gars regres lear melalu ttk pagkal a, maka persamaa (9) mejad b, () b ag dperoleh dar sampel dguaka juga utuk populas sehgga rata-rata populas dotaska dega ˆ ˆ bx. () Dar peguraga persamaa () dega persamaa () secara aljabar, dperoleh ˆ b X. ˆ dsebut peaksr regres ler utuk rata-rata populas ag dotaska dega sehgga ˆ bx. LR ˆ LR. BIA DAN ME PENAKIR RAIO UNTUK RATA-RATA POPULAI Bas da ME peaksr regres cum-raso ag dajuka oleh a da Ta [5] utuk rata-rata populas pada samplg acak sederhaa dar masg-masg peaksr sebaga berkut Bas da ME dar persamaa () dperoleh f B( r) Rr f ME r Rr dega adalah koefse korelas da R r. X dega Bas da ME dar persamaa () dperoleh R r f B( r ) Rr f ME r Rr X 5

Bas da ME dar persamaa () dperoleh dega R r X f B( r) Rr f ME r Rr 4. PENAKIR REGREI CUM-RAIO ANG EFIIEN Utuk meetuka peaksr ag efse dar peaksr ag bas, dapat dtetuka dega cara membadgka ME dar masg-masg peaksr tersebut.. Perbadga atara peaksr regres cum-raso r dega peaksr regres cumraso r dperoleh ME r ME r jka X. 4 4 X X X X X. Perbadga atara peaksr regres cum-raso r dega peaksr regres cumraso r dperoleh ME ME jka r r X X X 4 atau X X X X 4. X. Perbadga atara peaksr regres cum-raso r dega peaksr regres cumraso r dperoleh ME r ME r jka a. da X X atau X. b. da atau X X. X atau 5. CONTOH Cotoh berkut merupaka pedapata peta karet per hektar per tahu da baa teaga kerja dar Desrta Lestar []. Data tersebut dtelt d Ar Trs, Kabupate Kampar, Kecamata Kampar, Provs Rau pada tahu 8. Data pedapata da baa teaga kerja dberka pada Tabel. 6

No Pedapata Tabel. Data pedapata da baa teaga kerja Baa Teaga Kerja X No Pedapata Baa Teaga Kerja X 6.96. 4.5. 8.768..4. 6.54. 4.4..5. 4.95. 4.8. 5.. 5.9. 4.65. 4 6.... 4 8.97. 4.5. 5 6.78. 5.. 5 6.9..5. 6 6.54..65. 6.88..4. 7.85.6.4. 7 7.748..5. 8 5.54..95. 8 4.76..65. 9 9.5. 5.. 9.56. 5...4..95....95. 7.95. 4.95..5.8.95. 7.95. 5.5..98. 4.. 4.59. 4.5. 9.788. 4.4. 4 5.96. 4.5. 4.88. 4.55. 5 4.89..85. 5 6.54. 4.7. 6 6.78..55. 6 5.96..75. 7.56. 4.85. 7.864..5. 8.8.8.9. 8 5.54..85. 9.6.8.5. 9 8.564. 4.6..8..65. 4.88..7. umber: Desrta Lestar []. Dega megguaka data pada Tabel aka dtetuka peaksr regres cumraso ag efse utuk meaksr rata-rata pedapata peta karet per hektar per tahu dega megguaka sarat peaksr lebh efse ag dperoleh sebeluma. Hal secara umum dapat dtujukka dega meghtug ME dar masg-masg peaksr. ebaga formas tambaha utuk meaksr rata-rata pedapata peta akret per hektar per tahu dguaka baa teaga kerja. Utuk meghtug ME dar masg-masg peaksr terlebh dahulu dtetuka la ag dbutuhka. Iformas ag dperoleh dar pedapata da baa teaga kerja dega megguaka Mcrosoft Ecel, atu N 4, 8 R r, 56 6, 4. 784 f,5 49,. 585 X 49.5 R r 4, 947 64.6 R r, 69 7

Dega megguaka formas sebeluma, dperoleh bahwa () r ME r () ME ME jka 78.8. 775. ME jka 9. 5 atau 8. 5. r r () ME ME jka 78. 79 atau 78.8. 784 r r atau.784. elajuta la ME dar masg-masg peaksr dberka pada Tabel. Tabel. Nla ME dar masg-masg peaksr No Peaksr ME r 7.,9 r.779,87 r 5.54, Berdasarka Tabel, dapat dlhat bahwa peaksr raso r memlk la ME ag terkecl dega sarat bahwa kods lebh efse dapat terpeuh. 6. KEIMPULAN Dar pembahasa d atas, dapat dsmpulka bahwa peaksr regres cum-raso r merupaka peaksr ag palg efse dar peaksr regres cum-raso r da peaksr regres cum-raso r jka sarat efse terpeuh. DAFTAR PUTAKA [] Cochra, W. G. 99. Tekk Pearka ampel, Eds Ketga. Terj. Dar amplg Techques, oleh Rudasah & E. R Osma. UI Press, Jakarta. [] Lestar, Desrta. 8. Aalss faktor-faktor ag mempegaruh Pedapata Peta Karet d Keluraha Ar Trs Kecamata Kampar. krps Jurusa osal Ekoom Pertaa (Agrobss) Fakultas Pertaa Uverstas Rau, Pekabaru. [] Mers, R. H. 986. Classcal ad Moder Regresso wth Applcatos. Wadsworth, Ic, Amerca. [4] Phllps, G. M. & P. J. Talor. 97. Theor ad Applcatos of Numercal Aalss. ecod Edto. Academc Press, New ork. [5] a Z. & B. Ta.. Rato Method to the Mea Estmato Usg Coeffcet of kewess of Aular Varable. ICICA, Part II, CCI. 6: -. 8