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

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

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

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

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

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 KUADRAT TERKECIL

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

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

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

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

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

BAB II LANDASAN TEORI

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

BAB 5. ANALISIS REGRESI DAN KORELASI

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

BAB 2. Tinjauan Teoritis

SOLUSI TUGAS I HIMPUNAN

Regresi Linier Sederhana Definisi Pengaruh

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

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

BAB II TINJAUAN PUSTAKA

Regresi & Korelasi Linier Sederhana

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

2.2.3 Ukuran Dispersi

S2 MP Oleh ; N. Setyaningsih

Pengajar: Dr. Agus M Soleh

Bab II Teori Pendukung

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

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

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

BAB 1 STATISTIKA RINGKASAN MATERI

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

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

Volume 1, Nomor 2, Desember 2007

REGRESI & KORELASI LINIER SEDERHANA

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

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

BAB III METODE PENELITIAN

Analisis Korelasi dan Regresi

BAB 1 ERROR PERHITUNGAN NUMERIK

Uji Statistika yangb digunakan dikaitan dengan jenis data

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB II LANDASAN TEORI

BAB III UKURAN PEMUSATAN DATA

PEMBENTUKAN MODEL PROBIT BIVARIAT

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

REGRESI & KORELASI LINIER SEDERHANA

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 ( )

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

3 Departemen Statistika FMIPA IPB

PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

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

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

REGRESI LINIER SEDERHANA

POLIGON TERBUKA TERIKAT SEMPURNA

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

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

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

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

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

BAB III PERSAMAAN PANAS DIMENSI SATU

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

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

BAB II TINJAUAN PUSTAKA

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

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA

Transkripsi:

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Bada Pekabaru, 893, Idoesa dahvltr@malcom ABSTRAT Ths artcle dscusses our rato estmators or populato mea usg to aular varables that are moded usg the coecet o varato ad coecet o kurtoss o smple radom samplg The our estmators are based estmators ad the mmum value o the mea square errors s determed Furthermore, ths mmum value s compared to the mmum value mea square error o each estmator Ths comparso shos that the rato estmator usg coecet o varato ad the coecet o kurtoss s more ecet tha the tradtoal estmator usg to aular varables Keords: rato estmator, coecet o varato, coecet o kurtoss, based estmator, mea square error ABSTRAK Pada artkel dbahas empat peaksr raso utuk rata-rata populas dega megguaka dua varabel tambaha ag dmodkas megguaka koese varas da koese kurtoss pada samplg acak sederhaa Keempat peaksr merupaka peaksr bas da dtetuka la mea square error mmum Selajuta, la mea square error mmum dbadgka dega la mea square error mmum masg-masg peaksr Perbadga meujukka baha peaksr raso megguaka koese varas da koese kurtoss lebh ese dar betuk umum peaksr raso dega dua varabel tambaha Kata kuc: peaksr raso, koese varas, koese kurtoss, peaksr bas da mea square error

PENDAHULUAN Salah satu cara utuk megkatka ketelta peaksr adalah dega megguaka metode peaksr raso, dega megambl maaat hubuga atara varabel da varabel tambaha, dmaa adalah ut dar populas varabel Y da adalah ut dar populas varabel tambaha Pegguaa varabel tambaha dapat megkatka ketelta peaksr Varabel tambaha ag dketahu utuk megkatka ketelta peaksr atu koese varas da koese kurtoss ag berkorelas dega varabel Y ag damat Peaksr daga metode raso merupaka peaksr bas Betuk umum peaksr raso sederhaa utuk rata-rata populas Y dar varabel ag dtelt adalah [: h73] ˆ Y R, dega adalah peaksr raso sederhaa utuk rata-rata populas, da adalah rata-rata sampel da adalah rata-rata populas Dalam artkel dbahas modkas peaksr raso dega megguaka dua varabel tambaha ag dajuka oleh Jgl Lu da Zaza Ya [4] mejad betuk umum peaksr raso dega megguaka dua varabel tambaha, peaksr raso dega megguaka dua varabel tambaha koese varas pmr, peaksr raso dega megguaka dua varabel tambaha koese kurtoss pmr da peaksr raso dega megguaka dua varabel tambaha koese varas da koese kurtoss Berdasarka de dar Jgl Lu da Zaza Ya [4] peuls medetalka bas da Mea Square Error (MSE) dar masg-masg peaksr Selajuta peuls membadgka MSE peaksr Peaksr ag ese utuk peaksr bas adalah peaksr ag memlk MSE terkecl SAMPLING AAK SEDERHANA Pegambla sampel acak sederhaa merupaka suatu metode utuk megambl ut sampel dar N ut populas, sehgga setap eleme sampel ag berbeda mempua kesempata ag sama utuk dplh sebaga ut sampel Pegambla sampel adalah pegambla sampel acak tapa pegembala agar karakterstk utut lebh akurat [] Salah satu mater pedukug ag dguaka utuk meetuka peaksr raso ag ese utuk rata-rata populas adalah ekspektas matematka da sat-sat ekspektas dar varabel acak N Des [: h 309] Peaksr ˆ adalah peaksr bas utuk Jka dega B adalah bas dar E( ˆ ) B,

Utuk pembahasa peaksr pada samplg acak sederhaa dberka teorema megea varas da kovaras Teorema 3 [: h7] Apabla sampel berukura dambl dar populas berukura N ag berkaraktery, dega samplg acak sederhaa tapa pegembala maka varas rata-rata sampel dotaska dega V da drumuska sebaga V ( ) S N N S ( ) Bukt: Bukt dar teorema dapat dlhat pada [: h7] Teorema 4 [: h9] Jka, adalah sebuah pasaga ag bervaras dalam ut dalam populas da, adalah rata-rata dar sampel acak sederhaa berukura, maka kovaras adalah ov N, Y N Bukt: Bukt dar teorema dapat dlhat pada [: h9] Des [3:h90] Msalka ˆ adalah peaksr bas utuk,, Ω ˆ merupaka ruag parameter Rata-rata kesalaha kuadrat dotaska dega MSE ag ddeska sebaga MSE ˆ E ˆ 3 BIAS DAN MSE PENAKSIR RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Betuk umum peaksr raso da peaksr raso ag dmodkas dega megguaka koese varas da koese kurtoss dega megguaka dua varabel tambaha ag dajuka oleh Jglu L da Zaza Ya [4] atu pmr () () 3

4 pmr (3) 3 3 3 pmr (4) dega da, merupaka rata-rata sampel da rata-rata populas varabel da j 3,, j merupaka kostata atau pembag ag memeuh sarat jj Bas da MSE betuk umum peaksr raso utuk rata-rata populas dega megguaka dua varabel tambaha pada persamaa () adalah Y B, MSE dega meataka koese korelas atara varabel Y da Nla optmum dar da adalah da Bas da MSE peaksr raso utuk rata-rata populas dega megguaka dua varabel tambaha koese kurtoss dar persamaa () adalah pmr Y B pmr MSE

dega j, utuk, j, Nla optmum dar da adalah Bas da MSE peaksr raso utuk rata-rata populasdega megguaka dua varabel tambaha megguaka koese kurtoss dar persamaa (3) adalah B pmr Y MSE pmr dega j, utuk, j, Nla optmum dar da adalah da Bas da MSE peaksr raso utuk rata-rata populas dega megguka dua varabel tambaha megguaka koese varas da koese kurtoss dar persamaa (4) adalah B Y 3 3 3 3 5

MSE dega j, 3 3 3 3 3 3 3 3 utuk, j,,3 3 3 Nla optmum utuk 3 da 3 adalah 3 3 3 3 3 3 3 3 3 3 da 3 3 3 3 3 3 3 3 3 3 3 3 4 PENAKSIR RASIO YANG EFISIENSI Utuk meetuka peaksr ag lebh ese dar peaksr bas, dapat dtetuka dega cara membadgka MSE dar masg-masg peaksr Peaksr ag lebh ese merupaka peaksr dega MSE terkecl Perbadga MSE pmr dega MSE Peaksr raso pmr lebh ese dar peaksr raso a Utuk a 0 maka peaksr pmr aka lebh ese darpada peaksr () () b Utuk a 0 maka peaksr pmr aka lebh ese darpada peaksr atau () () Perbadga MSE pmr dega MSE Peaksr raso pmr lebh ese dar peaksr raso () () 6

3 Perbadga MSE pmr 3 dega MSE Peaksr raso lebh ese dar peaksr raso a Utuk a 0 maka peaksr aka lebh ese darpada peaksr () () b Utuk a 0 maka peaksr aka lebh ese darpada peaksr atau () () 4 Perbadga MSE pmr dega MSE pmr Peaksr raso pmr lebh ese dar peaksr raso pmr () () 5 Perbadga MSE pmr dega MSE pmr 3 peaksr raso pmr lebh ese dar peaksr raso a Utuk a 0 maka peaksr pmr aka lebh ese darpada peaksr () () b Utuk a 0 maka peaksr pmr aka lebh ese darpada peaksr atau () () 6 Perbadga MSE pmr dega MSE pmr 3 Peaksr raso pmr lebh ese dar peaksr raso a Utuk a 0 maka peaksr pmr aka lebh ese darpada peaksr () () b Utuk a 0, maka peaksr pmr aka lebh ese darpada peaksr atau () () 7

5 KESIMPULAN Dar pembahasa datas dperoleh baha peaksr raso ag megguaka dua varabel tambaha koese varas da koese kurtoss lebh ese darpada betuk umum peaksr raso dega megguaka dua varabel tambaha dega sarat tertetu Dega adaa ormas tambaha tersebut sagat mempegaruh tgkat ketelta peaksr DAFTAR PUSTAKA [] Ba, L J & M Egelhardt 99 Itroducto to Probablt ad Mathematcal Statstcs Secod Edto Dubur Press, alora [] ochra, W G 99 Tekk Pearka Sampel, Eds Ketga Terj Dar Samplg Techques, oleh Rudasah & E R Osma UI Press, Jakarta [3] Gujarat, D N 004 Basc Ecoometrcs Fourth Edto McGra Hll pubo Ne York [4] Lu, J & Z Ya 004 Some Rato Estmators o a Fte Populato Mea Usg To Aular Varables, Advaced Bomedcal Egeerg, 3-5 : 36-3 8