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

dokumen-dokumen yang mirip
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 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 RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER 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

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

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

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

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

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

BAB II LANDASAN TEORI

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

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

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

BAB 2. Tinjauan Teoritis

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 5. ANALISIS REGRESI DAN KORELASI

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Regresi & Korelasi Linier Sederhana

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

Regresi Linier Sederhana Definisi Pengaruh

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

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

REGRESI & KORELASI LINIER SEDERHANA

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

BAB III PERSAMAAN PANAS DIMENSI SATU

REGRESI & KORELASI LINIER SEDERHANA

Bab II Teori Pendukung

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

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

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

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

BAB II TINJAUAN PUSTAKA

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

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

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

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

REGRESI LINEAR SEDERHANA

S2 MP Oleh ; N. Setyaningsih

POLIGON TERBUKA TERIKAT SEMPURNA

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB II TINJAUAN PUSTAKA

BAB 1 STATISTIKA RINGKASAN MATERI

BAB II LANDASAN TEORI

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

Analisis Korelasi dan Regresi

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

Pengajar: Dr. Agus M Soleh

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

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

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

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

BAB III METODE PENELITIAN

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

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

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

2.2.3 Ukuran Dispersi

BAB III UKURAN PEMUSATAN DATA

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

3 Departemen Statistika FMIPA IPB

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia)

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

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

b) Untuk data berfrekuensi fixi Data (Xi)

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

; θ ) dengan parameter θ,

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

Transkripsi:

PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas Rau Kampus Bawda Pekabaru 893 Idoesa * ed_jamlu@ahoocod ABTRAT Ths paper dscusses three rato regresso lear estmators b gh Upadhaa ad Premchadra for populato mea usg two aular varables X ad o smple radom samplg whch s a revew of artcle A Improved Verso of Regresso Rato Estmator wth Two aular Varables ample urves The three estmators are based the the mmum of the (ME) s determed Furthermore ther ME are compared to each other Ths comparso shows that the estmator wth the mmum ME s the most effces estmator Kewords: rato regresso estmator coeffcet of varato coeffcet of correlato based ad mea square error ABTRAK Artkel merupaka tjaua ulag terhadap tga peaksr raso regres lear ag dajuka oleh gh Upadhaa da Premchadra utuk rata-rata populas dega megguaka dua varabel tambaha X da pada samplg acak sederhaa ag merupaka revew dar artkel A Improved Verso of Regresso Rato Estmator wth Two aular Varables ample urves Ketga peaksr merupaka peaksr bas da dtetuka mea square error elajuta mea square error dar masgmasg peaksr dbadgka Perbadga meujukka bahwa peaksr ag memlk mea square error terkecl atau mmum adalah peaksr ag lebh efse Kata kuc: peaksr raso regres lear koefse varas koefse korelas bas da mea square error JOM FMIPA Volume 1 No Oktober 014 440

1 PENDAHULUAN Peaksr regres 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 telah dtelt sbeluma sehgga varabel dapat dguaka sebaga varabel batu utuk meaksr varabel [1] Betuk umum peaksr raso utuk rata-rata populas dar varabel ag dtelt drumuska dega X R 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 raso regres lear utuk ratarata populas pada samplg acak sederhaa dega megguaka varabel tambaha da ag dajuka oleh gh Upadhaa da Premchadra [4] atu dega b X lr 1 u 1 ( 1) 1 lr u 1 1 u () 1 1 lr () u lru 1 u kostata Ketga peaksr raso regres lear utuk rata-rata populas tersebut merupaka peaksr bas kemuda dtetuka ME Berdasarka de dar gh Upadhaa da Premchadra [4] peuls membadgka ME dar masg-masg peaksr utuk memperoleh peaksr raso regres lear ag efse Peaksr ag memlk la ME terkecl merupaka peaksr ag efse AMPLING AAK EDERHANA 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 [1] Pada pegambla sampel tapa pegembala probabltas terplha dar N populas terplh mejad ut sampel pada pegambla pertama adalah N JOM FMIPA Volume 1 No Oktober 014 441

probabltas pada pegambla kedua adalah 1 N 1 pegambla ke- atu 1 N 1 ag terplh dalam pegambla adalah 1 sampa probabltas pada sehgga peluag seluruh ut-ut tertetu N Teorema 1 [1 : 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 1 f dega f N adalah fraks pearka sampel da N 1 adalah varas pada populas berkarakter Bukt: Bukt dar teorema dapat dlhat pada [1] Teorema [1 : h 9] Jka adalah sebuah pasaga ag bervaras dalam ut dalam populas da adalah rata-rata dar sampel acak sederhaa berukura maka kovaras adalah ov 1 f 1 N 1 N N 1 X 1 Bukt: Bukt dar teorema dapat dlhat pada [1] 1 f Utuk meetuka ME dar peaksr dalam betuk dua varabel dguaka suatu pedekata dega megguaka deret Talor tga varabel 3 PENAKIR REGREI UNTUK RATA-RATA POPULAI Betuk umum model regres lear sederhaa adalah X e (4) dega adalah varabel tak bebas X adalah varabel bebas da adalah parameter (koefse regres) e adalah kesalaha pegamata [3] Metode ag dguaka utuk medapatka parameter da adalah metode kuadrat terkecl Msalka da adalah pasaga data pegamata 1 1 dega demka persamaa (4) dapat dtuls e 1 (5) JOM FMIPA Volume 1 No Oktober 014 44

Dasumska E 0 e sehgga E Dar persamaa (5) maka jumlah kuadrat kesalaha pegamata data terhadap gars regres dtuls 1 e 1 (6) Dega meggat da pada persamaa (6) dega masg-masg taksraa adalah a da b sehgga dperoleh la taksra sebaga berkut da b 1 b ( 1 a b )( ) ( ) Ketka gars regres lear melalu ttk pagkal a 0 maka persamaa (7) mejad (7) b (8) b ag dperoleh dar sampel dguaka juga utuk populas sehgga rata-rata populas dotaska dega bx (9) Dar peguraga persamaa (8) dega persamaa (9) secara aljabar dperoleh b X dsebut peaksr regres ler utuk rata-rata populas ag dotaska dega sehgga b X lr LR JOM FMIPA Volume 1 No Oktober 014 443

4 BIA DAN ME PENAKIR RAIO UNTUK RATA-RATA POPULAI Bas da ME peaksr raso regres lear ag dajuka oleh gh Upadhaa da Premchadra [4] utuk rata-rata populas pada samplg acak sederhaa dar masgmasg peaksr sebaga berkut Bas da ME dar persamaa dperoleh B B 1 f ME dega adalah koefse korelas da kosta Bas da ME dar persamaa () dperoleh ME B () 1 4 1 4 lr 4 1 f 4 4 4 4 4 1 9 4 14 1 4 14 1 Bas da ME dar persamaa dperoleh 3) ( 1 B lr f 1 4 4 4 4 ME 5 PENAKIR RAIO REGREI LINEAR ANG EFIIEN Utuk meetuka peaksr ag efse dar peaksr ag bas dapat dtetuka dega cara membadgka ME dar masg-masg peaksr tersebut 1 Perbadga atara peaksr raso regres lear dega peaksr raso regres lear () dperoleh ME ME () JOM FMIPA Volume 1 No Oktober 014 444

a Jka 3 1 4 3 4 3 3 1 9 4 16 1 4 16 1 b Jka 3 1 4 3 4 3 3 1 9 4 16 1 4 16 1 Perbadga atara peaksr raso regres lear lear dperoleh ME ME jka 3 Perbadga atara peaksr raso regres lear lear dega peaksr raso regres () dega peaksr raso regres ME ME () jka R dperoleh 4 3 4 3 3 8 5 4 6 16 4 16 16 4 6 16 6 ONTOH Perhatka data tetag rata-rata berat ka pajag ka da berat telur ka buga ar (cupechths bleeker) dar Desrta [] Peelta dlakuka d Hulu suga Kampar Kaa kecamata XIII koto kampar provs Rau d tasu Muara Takus 006 Data pajag ka berat ka da berat telur ka Dega megguaka data tersebut aka dtetuka peaksr raso regres lear ag efse utuk meaksr rata-rata berat ka 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 berat ka dguaka pajag ka ( ) da berat telur ka ( ) Utuk meghtug ME dar masg-masg peaksr terlebh dahulu dtetuka la ag dbutuhka Iformas ag dperoleh dar berat ka pajag ka da berat telur ka dega megguaka Mcrosoft Ecel atu 05367 0 176 0 790 N 84 X 39314 0 0503 0 340 0 000557 1 0504 0 4464 0 5 JOM FMIPA Volume 1 No Oktober 014 445

Dega megguaka formas sebeluma dperoleh bahwa ME jka 1 006 () () ME ME jka 8 8146 () ME ME jka 0 9745 dega 0 () () ME elajuta la ME dar masg-masg peaksr dberka pada Tabel 1 Tabel 1 Nla ME utuk ketga peaksr Peaksr () ME 000314 009088 0000307 Berdasarka Tabel 1 dapat dlhat bahwa peaksr raso memlk la ME ag terkecl dega sarat bahwa kods lebh efse dapat terpeuh 7 KEIMPULAN Dar pembahasa d atas dapat dsmpulka bahwa peaksr raso regres lear merupaka peaksr ag palg efse dar peaksr raso regres lear peaksr raso regres lear () jka sarat efse terpeuh DAFTAR PUTAKA da [1] ochra W G 1991 Tekk Pearka ampel Eds Ketga Terj Dar amplg Techques oleh Rudasah & E R Osma UI Press Jakarta [] Desrta 006 Aspek bolog ka buga ar d Hulu uga Kampar kaa Kecamata XIII Koto Kampar krps Fakultas Perkaa Uverstas Rau Pekabaru [3] Mers R H 1986 lasscal ad Moder Regresso wth Applcatos Wadsworth Ic Amerca [4] ghhp UpadhaaLN Premchadra A Improved Verso of Regresso Rato Estmator Wth Two Aular Varables ample urves tatstcs I Trasto vol 10 pp 85-100 009 JOM FMIPA Volume 1 No Oktober 014 446