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

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

PENAKSIR RASIO REGRESI LINEAR 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 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

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

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

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

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

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

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

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

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

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

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

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 2. Tinjauan Teoritis

Regresi & Korelasi Linier Sederhana

BAB 5. ANALISIS REGRESI DAN KORELASI

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

REGRESI & KORELASI LINIER SEDERHANA

Regresi Linier Sederhana Definisi Pengaruh

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

REGRESI & KORELASI LINIER SEDERHANA

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

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

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

S2 MP Oleh ; N. Setyaningsih

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

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

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

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

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

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

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

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

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

Pengajar: Dr. Agus M Soleh

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

BAB II TINJAUAN PUSTAKA

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

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

Analisis Korelasi dan Regresi

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

REGRESI LINIER SEDERHANA

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB III UKURAN PEMUSATAN DATA

3 Departemen Statistika FMIPA IPB

UKURAN GEJALA PUSAT DAN UKURAN LETAK

2.2.3 Ukuran Dispersi

BAB 1 STATISTIKA RINGKASAN MATERI

BAB II TINJAUAN PUSTAKA

BAB III PERSAMAAN PANAS DIMENSI SATU

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

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

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

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

BAB II LANDASAN TEORI

REGRESI LINEAR SEDERHANA

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

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB III METODE PENELITIAN

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

BAB 2 LANDASAN TEORI

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

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

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

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

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

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

PEMBENTUKAN MODEL PROBIT BIVARIAT

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

POLIGON TERBUKA TERIKAT SEMPURNA

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

Transkripsi:

PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas au Kampus Bawda Pekabaru, 893, Idoesa * rskrahmada_9@ahoo.co.d ABTACT Ths paper dscusses three rato estmators for the populato mea smple radom samplg usg coeffcet of varato ad meda of a aular varable, whch s a revew from the artcle of ubrama ad Kumarapada. All estmators are based, the ther mea square errors (ME) are determed. Furthermore, the mea square errors are compared to show whch estmator s the most effcet estmator. Ths paper reveals that the estmator usg coeffcet of varato ad the meda has the smallest mea square error (ME). Kewords: rato estmator, smple radom samplg, coeffcet of varato, meda ad mea square error ABTAK Pada artkel dbahas tga peaksr raso utuk rata-rata populas pada samplg acak sederhaa megguaka koefse varas da meda, ag merupaka revew dar artkel ubrama da Kumarapada. Ketga peaksr merupaka peaksr bas, sehgga dtetuka mea square error (ME). elajuta, dbadgka mea square error dar masg-masg peaksr utuk medapatka peaksr ag efse. Tulsa megugkapka bahwa peaksr raso dega megguaka koefse varas da meda memlk mea square error terkecl (ME). Kata kuc: peaksr raso, samplg acak sederhaa, koefse varas, meda da mea square error. PENDAHULUAN Peaksr raso merupaka suatu metode ag dguaka utuk megkatka ketelta suatu peaksr. Varabel adalah varabel ag aka dtaksr da varabel telah

dtelt sebeluma, dega megambl mafaat hubuga atara da dmaa adalah ut dar populas berkarakter da adalah ut dar populas berkarakter. ehgga varabel dapat dguaka sebaga varabel batu utuk meaksr varabel []. Betuk umum peaksr raso utuk rata-rata populas dar varabel ag dtelt drumuska dega dega adalah rata-rata sampel dar populas, adalah rata-rata sampel dar populas da adalah rata-rata populas. Peaksr raso utuk rata-rata populas telah baak dkembagka oleh para peelt. soda da Dwved [6] memodfkas peaksr raso megguaka koefse varas. Kadlar da Cg [] memodfkas peaksr regres megguaka koefse varas. Dalam artkel dbahas tga modfkas peaksr raso utuk rata-rata populas pada samplg acak sederhaa dega megguaka koefse varas da meda ag dajuka oleh ubrama da Kumarapada [7], atu p C C b C b p 3 C (3) C dega C adalah koefsse varas da adalah meda. Ketga modfkas peaksr raso utuk rata-rata populas tersebut merupaka peaksr bas, kemuda dtetuka ME. Berdasarka de dar ubrama da Kumarapada [7], peuls membadgka ME dar masg-masg peaksr utuk memperoleh peaksr raso ag efse. Peaksr ag memlk la ME terkecl merupaka peaksr ag efse. C. AMPLING ACAK EDEHANA 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, probabltas pada pegambla kedua adalah N, sampa probabltas pada () ()

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 dega V N N f f N adalah fraks pearka sampel da N adalah varas pada populas berkarakter. N Bukt dar teorema dapat dlhat pada []. Teorema. [ : h. 9] Jka, adalah sebuah pasaga pegamata ag bervaras dalam ut dalam populas da, adalah rata-rata dar sampel acak sederhaa berukura, maka kovaras adalah Cov, f N N f. Bukt dar teorema dapat dlhat pada []. Utuk meetuka ME dar peaksr dalam betuk dua varabel dguaka suatu pedekata dega megguaka deret Talor dua varabel. Deret Talor utuk dua varabel [5: h.47] Msalka ' '' varabel da f, f, f,, f adalah kotu pada D da. Jka, D, maka, D f, adalah suatu fugs dua f ada pada D utuk f, f, ( ) f,! ( ) ( ) f,! dega. f, (4) 3

Dega memsalka,,,, da megabaka pagkatpagkat ag lebh besar dar satu, maka dar persamaa (4) dperoleh la pedekata utuk meetuka ME atu f, f, f (, ) f, (5) 3. PENAKI EGEI UNTUK ATA-ATA POPULAI Betuk umum model regres lear sederhaa dalah e, (6) dega adalah varabel tak bebas, adalah varabel bebas, da adalah parameter (koefse regres), e adalah kesalaha pegamata [4]. Metode ag dguaka utuk medapatka parameter da adalah metode kuadrat terkecl. Msalka, adalah pasaga data pegamata,,,,,,, dega demka persamaa (6) dapat dtuls e, utuk,,,. (7) Dasumska E e sehgga E. Dar persamaa (7) maka jumlah kuadrat kesalaha pegamata data terhadap gars regres dtuls e. (8) Dega memmumka persamaa (8), maka peaksr utuk atu da peaksr utuk atu b ( b ( s )( s. ) ), a b. (9) Apabla varabel da mempua hubuga kausal atau sebab akbat, maka secara geometrs persamaa regres melalu ttk pagkal, maka persamaa (9) mejad b, () 4

ag dperoleh dar sampel dguaka juga utuk populas sehgga rata-rata populas dotaska dega b. () Dar peguraga persamaa () dega persamaa () secara aljabar, dperoleh Ŷ b. dsebut peaksr regres ler utuk rata-rata populas ag dotaska dega Ŷ L sehgga L b. 4. BIA DAN ME PENAKI AIO UNTUK ATA-ATA POPULAI Bas da ME peaksr raso ag dajuka oleh ubrama da Kumarapada [7] utuk rata-rata populas pada samplg acak sederhaa dar masg-masg peaksr sebaga berkut. Bas da ME dar persamaa () dperoleh f B C C C f ME C C C C dega adalah koefse korelas da C C Bas da ME dar persamaa () dperoleh f B p p f ME p p dega C p. C. Bas da ME dar persamaa (3) dperoleh f B f ME p 3 dega C. 5

5. PENAKI AIO 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 lebh efse dar peaksr p dperoleh ME ME jka p p.. Perbadga atara peaksr lebh efse dar peaksr dperoleh ME ME jka p 3 3. Perbadga atara peaksr p lebh efse dar peaksr dperoleh ME ME jka p p 3 C.. 6. CONTOH Cotoh berkut merupaka pedapata peta karet per hektar per tahu da baa pupuk dar Lestar [3]. Data tersebut dtelt d Ar Trs, Kecamata Kampar, Kabupate Kampar, Provs au pada tahu 8. Data pedapata da baa pupuk dberka pada Tabel. Tabel. Data pedapata peta da baa pupuk utuk taama karet No Pedapata Baa Pupuk Pedapata Baa Pupuk No 6.96. 756.5 7 3.56. 99. 6.54. 84. 8.8.8 846. 3 4.8. 68.5 9.36.8 8. 4 6.3. 755.5.83. 859. 5 6.78. 89. 8.768. 867. 6 6.54. 86.5 3.5. 873. 7 3.85.6 896. 3 5.9. 879.5 8 5.54. 87. 4 8.97. 853. 9 9.5. 794. 5 6.93. 845..4. 75.5 6.88. 758.5 7.95. 859. 7 7.748. 74. 7.95. 97. 8 4.76. 59.5 3 4.59. 84.5 9 3.56. 75. 4 5.96. 5.5 3.3. 677.5 5 4.89. 56. 3.5.8 78. 6 6.78. 793. 3.98. 89. 6

No Pedapata Baa Pupuk No Pedapata Baa Pupuk 33 9.788. 85. 37.864. 77.5 34.88. 747.5 38 5.54. 8. 35 6.54. 955. 39 8.564. 786.5 36 5.96. 83.5 4.88. 7.5 Dega megguaka data pada Tabel aka dtetuka peaksr raso 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 karet per hektar per tahu dguaka baa pupuk. Utuk meghtug ME dar masg-masg peaksr terlebh dahulu dtetuka la ag dbutuhka. Iformas ag dperoleh dar pedapata da baa pupuk dega megguaka Mcrosoft Ecel, atu Tabel. Parameter da Kostata dar Populas N 4 3, 5963 6.43.6 p, 85 793.95 p, 397.49,, 696 3, 5 C, 79,9875 84. 5 f, 5 - - Dega megguaka formas sebeluma, dperoleh bahwa () ME ME p jka 3,5963 4, 63944. () ME ME p 3 jka 3,5963 4, 39. () ME p ME p 3 jka,79 84.5. elajuta la ME dar masg-masg peaksr dsajka pada Tabel 3, dapat dlhat bahwa ME utuk peaksr merupaka ME ag mmum, sehgga dapat dkataka bahwa peaksr palg efse dar peaksr p da peaksr. Tabel 3. Nla ME dar masg-masg peaksr No Peaksr aso ME 7,8469 3 7,8846 p,54 7

7. KEIMPULAN etelah dperoleh la ME dar masg-masg peaksr raso utuk rata-rata populas ag dajuka pada samplg acak sederhaa. Kemuda membadgka ME dar masg-masg peaksr, sehgga dapat dsmpulka bahwa peaksr raso dega megguaka koefse varas da meda lebh efse dbadgka dega peaksr p da peaksr jka sarat efse terpeuh. DAFTA PUTAKA [] Cochra, W. G. 99. Tekk Pearka ampel, Eds Ketga. Terj. Dar amplg Techques, oleh udasah & E. Osma. UI Press, Jakarta. [] Kadlar, C. ad H. Cg, 4. ato Estmator mple adom amplg. Appled Mathematcs ad Computato, 5: 893-9. [3] Lestar, D. 8. Aalss Faktor-faktor ag Mempegaruh Pedapata Peta Karet d Keluraha Ar Trs Kecamata Kampar. krps Jurusa osal Ekoom Pertaa (Agrobss) Fakultas Pertaa Uverstas au, Pekabaru. [4] Mers,. H. 986. Classcal ad Moder egresso wth Applcatos. Wadsworth, Ic, Amerca. [5] Phllps, G. M. ad P. J. Talor. 97. Theor ad Applcatos of Numercal Aalss. ecod Edto. Academc Press, New ork. [6] soda, B. V.. ad V. K. Dwved, 98. A Modfed ato Estmator Usg Coeffcet of Varato Varable. Jour. Id. oc. Agr. tat, 33: 3-8. [7] ubrama, J. ad G. Kumarapada,. Estmato of Populato Mea Usg Coeffcet of Varato ad Meda of a Aular Varable, Iteratoal Joural of Probablt ad tatstcs, (4): -8. 8