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

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

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

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

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

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

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

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

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

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

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

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

BAB II TINJAUAN PUSTAKA

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Pengajar: Dr. Agus M Soleh

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

SOLUSI TUGAS I HIMPUNAN

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Bab II Teori Pendukung

BAB 5. ANALISIS REGRESI DAN KORELASI

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

BAB 2. Tinjauan Teoritis

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

BAB II LANDASAN TEORI

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

S2 MP Oleh ; N. Setyaningsih

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

Analitik Data Tingkat Lanjut (Clustering)

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

PEMODELAN REGRESI PROBIT ORDINAL TERHADAP INDEKS PEMBANGUNAN MANUSIA PROPINSI JAWA TENGAH TAHUN 2007

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

Regresi Linier Sederhana Definisi Pengaruh

PERBANDINGAN KEEFEKTIFAN METODE REGRESI ROBUST ESTIMASI-M DAN ESTIMASI- MM KARENA PENGARUH OUTLIER DALAM ANALISIS REGRESI LINEAR

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

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

BAB II LANDASAN TEORI

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

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

I. PENDAHULUAN II LANDASAN TEORI

2.2.3 Ukuran Dispersi

BAB III UKURAN PEMUSATAN DATA

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

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

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

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

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

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

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

BAB 1 ERROR PERHITUNGAN NUMERIK

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Analisis Korelasi dan Regresi

PEDOMAN STATISTIK UJI PROFISIENSI

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

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

; θ ) dengan parameter θ,

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 1 STATISTIKA RINGKASAN MATERI

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Volume 1, Nomor 2, Desember 2007

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA Negeri 1

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

BAB I PENDAHULUAN. dengan masalah peramalan, karena dapat digunakan untuk menyelesaikan masalah

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

BAB II TINJAUAN PUSTAKA

PENYELESAIAN PERSAMAAN PELL DENGAN MENGGUNAKAN ALGORITMA PQa DAN METODE MATRIKS SKRIPSI. Oleh: AHFALINISA I NIM:

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

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

Regresi & Korelasi Linier Sederhana

UKURAN GEJALA PUSAT (UGP)

Beberapa Metode Alternatif untuk Analisis Data Sampel Berpasangan

Transkripsi:

MODIFIKAI PAKIR UTUK RAIO PADA AMPLIG BRPRIGKAT Deva rw, Arsma Ada, Rstam fed Devaerw@ahoo.com Mahasswa Program Matematka Dose Jrsa Matematka Fakltas Matematka da Ilm Pegetaha Alam Kamps Bawda Pekabar,893,Idoesa ABTRACT Rato estmator dscssed are two proposed b amaw Mttlak [4], for rato estmator rak set samplg (R) ad rato estmator sg regresso coeffcets has bee revewed, each estmator s a based estmator. so as to determe a effcet estmator b comparg Mea qare rror (M) of each estmator. Ke words: Raked et amplg, regresso coeffcets, based, Meas qare rror. PDAHULUA Peaksr tk raso pada samplg berpergkat ddefska dega () peaksr raso () mejad modfkas peaksr tk raso pada samplg berpergkat ˆ () R m b Keda peaksr tk raso merpaka peaksr bas. Utk medapatka peaksr raso ag efse adalah dega membadgka M tk masg-masg peaksr dega krtera bahwa semak kecl M ag dperoleh maka peaksr semak efse.

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa. AMPLIG ACAK DRHAA amplg acak sederhaa adalah sat metode tk megambl t dar poplas berkra, dmaa setap eleme mempa kesempata ag sama tk dambl mejad aggota sampel. Pegambla sampel dapat dlakka dega pegembala ata tapa pegembala. Pada samplg acak sederhaa tapa pegembala, baaka sampel ag aka terbetk adalah C. Probabltas sat t aka terplh mejad sampel pada pegambla pertama adalah /, pada pegambla keda adalah (-)/(-) da setersa, maka probabltas selrh t-t tertet ag terplh dalam pegambla adalah. Teorema. [ :h. 8] Varas dar rata-rata tk sampel acak sederhaa adalah V ( ) ( f ) (3) dega f adalah fraks pearka sampel. Bkt :Bkt dar teorema dapat dlhat pada [ :h. 8] Teorema.3 [:h. 9] Jka, adalah sebah pasaga ag bervaras pada t dalam poplas da, adalah rata-rata dar sampel acak sederhaa berkra, maka kovarasa adalah f Cov(, ) ( )( ). (4) Bkt:Bkt dar teorema dapat dlhat pada [:h. 9] 3. TAKIRA PARAMTR PADA MODL RGRI LIAR DRHAA Dalam beberapa peelta serg kal g megetah hbga atara sat varabel dega beberapa varabel laa ag dsebt dega regres. alah sat model regres ag dgaka adalah model regres lear. Regres lear adalah sat persamaa ag meataka hbga atara varabel tak bebas dar varabel bebas dalam betk persamaa lear. Model regres lear sederhaa adalah

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 3 e. (5) dega da adalah parameter ag aka dtaksr ata dsebt dega koefse regres, da e adalah kesalaha pegamata. alah sat metode ag dgaka tk meetka taksra dar parameter da pada model regres lear sederhaa adalah metode kadrat terkecl, at sat metode peaksr dega prsp memmmka jmlah kadrat kesalaha pegamata. Teorema.4 [ :h. 4] Msalka e merpaka peaksr tak bas tk model regres lear sederhaa, dega metode kadrat terkecl dperoleh peaksr dar da at:, (6) da, (7) la taksra b tk pada Teorema.4 dapat jga dtls dega b s s dalam betk samplg berpergkat dapat dtls b s s (8) dega s meataka varas sampel berkarakter. sedagka s meataka kovaras atara varabel da.

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 4 4. AMPLIG BRPRIGKAT amplg berpergkat pertama kal dtemka oleh McItre [3]. McItre meggaka samplg berpergkat sebaga peggat dar samplg acak sederhaa tk meaksr rata-rata poplas. Pearka sampel tk samplg berpergkat adalah sat metode tk megambl t sampel dar poplas ag berkra, dmaa setap eleme memlk kesempata ag sama tk terplh mejad aggota sampel. ampel berkra tersebt dbag kedalam sejmlah baga dega kra ag sama, kemda t terkecl dplh dar baga pertama da t terkecl ke da dplh dar baga ke da, prosedr berkelajtka hgga t dega tgkata terbesar terplh. kls dlag sebaak kal, sehgga t aka dkr selama proses samplg berpergkat.,, Teorema.. Apabla samplg ag dgaka merpaka samplg berpergkat, maka varas dar rata-rata sampel samplg berpergkat adalah Var ( R ) (9) Bkt: Var ( ) var var Var ( ) P

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 5 ata Var ( Var ( ) ). Teorema.. Adaa varabel tambaha ag dotaska, jka, ) adalah ( sebah pasaga ag bervaras dtetapka pada t dalam poplas da, adalah ratarata dar samplg berpergkat berkra, maka kovarasa adalah cov, (0) Bkt: Berdasarka Defes.3 maka dperoleh Msalka cov, dega rata-rata sampel dar adalah U. Berdasarka Teorema.. maka dperoleh var adalah U. Rata-rata poplas dega U maka dperoleh

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 6 U U U ata I sehgg a:, cov R R, cov

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 7 5. BIA DA M PAKIR RAIO UTUK RATA-RATA POPULAI Bas ag dhaslka dapat dhtg tk melhat seberapa besar kesalaha taksra tersebt. ebelma telah dbktka bahwa keda peaksr ag dajka merpaka peaksr bas. fses dar beberapa peaksr tersebt dapat dlhat dega membadgka M dar setap peaksr, dega asms bahwa semak kecl M dar peaksr maka peaksr tersebt lebh efse. Betk dkemkaka beberapa peaksr tk raso ag dajka oleh amaw Mttlak [5]. Dtetka M dar: Bas da M peaksr tk raso pada samplg berpergkat adalah B( f ) f RC RC C C R. () M ˆ R R C C C C. () Bas da M modfkas peaksr tk raso pada samplg berpergkat m adalah B( m f ) f RC C R. (3) M ˆ R R C C m. (4) elajta aka dtetka peaksr ag efse datara keda peaksr ag dajka, at Peaksr raso dega peaksr raso m. Dperoleh bahwa peaksr raso ata B B da B B B B B m lebh efse dar peaksr raso jka

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 8 6. COTOH Dega meggaka data dar Kadlar da Chg []. Data dar daerah Marmara Trke. Data berkata dega jmlah dar poho apel pada 06 desa d daerah Marmara tah 999. Utk meglstraska bagamaa megaplkaska samplg berpergkat pada data, dplh sampel berkra 36 dar poplas dega cara samplg acak tapa pegembala. Data sampel tersebt dkelompokka kedalam 3 set masgmasg berkra 3 ( m 3 ) da dlag sebaak 4 kal perlaka ag sama ( r 4 ). Megkt metode samplg berpergkat maka selrha dlakka sebaak kal peelta ( mr ). Utk meghtg M dar masg-masg peaksr terlebh dahl dtetka la ag dbthka. Dega bata Mcrosoft cel dperoleh la-la sebagamaa ag tertera pada Tabel. Tabel la-la ag dperlka tk membadgka M dar keda peaksr 06 m 3 r 4 B 0.8 0.8 R -.398 C C

Deva rw et. al. amplg Berpergkat da Regres Lear ederhaa 9 tk raso Dega meggaka formas pada Tabel, dperolehlah bahwa peaksr m peaksr tk raso merpaka peaksr ag palg efse dbadgka dega DAFTAR PUTAKA [] Cochra, W.G. 99. Tekk Pearka ampel, ds ketga. Terj. Dar amplg Techqes, oleh Rdasah &.R Osma. Peerbt Uverstas Idoesa, Jakarta. [] Kadlar, C., Uazc,., Cg H. 007. Rato stmator for the Poplato Mea Usg Raked et amplg. Departmet of tatstcs, acettepe Uverst, Akara, Trke [3] Mctre, G. A. 95. A Method for Ubased electve amplg Usg Raked ets. Astrala Joral. 3, 385-390. [4] Motgomer, D.C & G. C. Rger. 999. Appled tatstcs ad Probablt for geers, ecod dto. Joh Wle & os, Ic, ew ork. [5] amaw, Ha M da Mttlak, Hasse A. 996. stmato of Rato Usg Rak et amplg. Akadem Verlag. Bom J 753-764