SYSTEMATIC
RANDOM SAMPLING
Oleh: Adhi KurniawanPengantar
• Pada penarikan sampel acak sederhana (SRS) setiap unit dipilih dengan
menggunakan angka random.
• Dengan demikian kita harus menarik sampel sebanyak n kali.
• Untuk memperingan penarikan sampel ini maka diterapkan penarikan
sampel secara sistematik, dengan hanya mengambil satu angka random saja dan lainnya akan mengikuti dengan menghitung interval-nya.
Jadi, systematic sampling adalah suatu teknik sampling di mana
hanya unit pertama dipilih dengan bantuan angka random dan
untuk mendapatkan sampel sisanya dipilih secara otomatis
menurut interval yang ditentukan sebelumnya.
Prinsip
• N unit dalam populasi diberi nomor urut 1 s/d N
• Ada interval (k) antar unit sampel: 𝑘 = 𝑁
𝑛
• Unit sampel pertama 𝐴𝑅1 dipilih secara acak/random Cara 1: antara 1-k (Linear Systematic Sampling)
Cara 2: antara 1-N (Circular Systematic Sampling)
• Unit sampel berikutnya ditentukan oleh interval (k), yaitu dengan menambahkan angka random unit terpilih sebelumnya dengan interval.
𝐴𝑅𝑛 = 𝐴𝑅𝑛−1 + 𝑘
• Pemilihan unit pertama akan menentukan sampel secara keseluruhan Misal: N=60; n=10; maka 𝑘 = 6010 = 6
Jika 𝐴𝑅1 yang terpilih adalah 2 maka sampel terpilihnya: no: 2,8,14,20,26,32,38,44,50,56
No Mhs 1 2 3 4 5 6 7 8 9 … 60
Linear Systematic Sampling
a. Hitung interval, yaitu
𝑘 =
𝑁
𝑛
b. Tentukan satu angka random yang lebih kecil atau sama dengan
intervalnya (pilih AR≤ 𝑘) dari tabel angka random
Angka random ini selanjutnya disebut angka random pertama 𝐴𝑅
1.
Unit yang nomor urutnya sama dengan AR ini terpilih sebagai sampel
pertama.
c. Angka random selanjutnya dihitung dengan interval:
𝐴𝑅
2= 𝐴𝑅
1+ 𝑘
𝐴𝑅
3= 𝐴𝑅
2+ 𝑘 = 𝐴𝑅
1+ 2𝑘
𝐴𝑅
4= 𝐴𝑅
3+ 𝑘 = 𝐴𝑅
1+ 3𝑘
…
𝐴𝑅
𝑛= 𝐴𝑅
𝑛−1+ 𝑘 = 𝐴𝑅
1+ 𝑛 − 1 𝑘
Unit yang nomor urutnya sama dengan AR di atas terpilih sebagai
sampel.
d. Jika N tidak dapat dinyatakan dalam bentuk N=nk, maka k diambil
sebagai bilangan bulat yang paling dekat dengan N/n.
Contoh: Populasi N=10 akan diambil sampel n=3 secara linear systematic
Baris Kolom (1-5) 1 8 8 3 4 7 2 5 7 1 40 3 7 4 6 8 6 4 6 8 0 1 3 5 5 7 4 7 7 1 2 3 4 5 6 7 8 9 10Langkah 1: Menghitung interval 𝑘 = 𝑁
𝑛 = 10
3 = 3.33 ≈ 3
Langkah 2: Menentukan sampel pertama dengan bantuan angka random
Misal: 𝐴𝑅1 diambil secara independent choice of digits
dengan permulaan pembacaan TAR baris 1 kolom 4, maka ambil 𝐴𝑅1 ≤ 𝑘 → 𝐴𝑅1 = 1
Langkah 3: menentukan sampel kedua sampai ketiga dengan bantuan interval
𝐴𝑅2 = 𝐴𝑅1 + 𝑘 = 1 + 3 = 4 𝐴𝑅3 = 𝐴𝑅2 + 𝑘 = 4 + 3 = 7
Circular Systematic Sampling
a. Hitung interval, yaitu
𝑘 = 𝑁 𝑛
b. Tentukan satu angka random yang lebih kecil atau sama dengan populasi (pilih AR≤ 𝑁) dari tabel angka random. Angka random ini selanjutnya disebut angka random pertama 𝐴𝑅1 . Unit yang nomor urutnya sama dengan AR ini terpilih sebagai sampel pertama.
c. Angka random selanjutnya dihitung dengan interval: 𝐴𝑅2 = 𝐴𝑅1 + 𝑘
𝐴𝑅3 = 𝐴𝑅2 + 𝑘 = 𝐴𝑅1 + 2𝑘 𝐴𝑅4 = 𝐴𝑅3 + 𝑘 = 𝐴𝑅1 + 3𝑘 …
𝐴𝑅𝑛 = 𝐴𝑅𝑛−1 + 𝑘 = 𝐴𝑅1 + 𝑛 − 1 𝑘
Unit yang nomor urutnya sama dengan AR di atas terpilih sebagai sampel.
e. Jika setelah ditambahkan dengan interval, didapatkan AR yang lebih besar dengan nilai populasi (N) maka kurangkan AR tsb dengan nilai N. Unit yang nomor urutnya sama dengan AR setelah dikurangi N adalah unit yang terpilih sebagai sampel
Contoh: Populasi N=10 akan diambil sampel n=3 secara circular systematic
Baris Kolom (1-5) 1 8 8 3 4 7 2 5 7 1 40 3 7 4 6 8 6 4 6 8 0 1 3 5 5 7 4 7 7 1 2 3 4 5 6 7 8 9 10Langkah 1: Menghitung interval 𝑘 = 𝑁
𝑛 = 10
4 = 3.33 ≈ 3
Langkah 2: Menentukan sampel pertama dengan bantuan angka random
Misal: 𝐴𝑅1 diambil secara remainder approach dengan
permulaan pembacaan TAR baris 1 kolom 1, maka 𝑁′ = 90, ambil 𝑎𝑛𝑔𝑘𝑎 𝑟𝑎𝑛𝑑𝑜𝑚 ≤ 𝑁′ → 𝑎𝑛𝑔𝑘𝑎 𝑟𝑎𝑛𝑑𝑜𝑚 = 88 →
88
10 𝑠𝑖𝑠𝑎 8 → 𝐴𝑅1 = 8
Langkah 3: menentukan sampel kedua sampai ketiga dengan bantuan interval
𝐴𝑅2 = 𝐴𝑅1 + 𝑘 = 8 + 3 = 11 − 10 = 1 𝐴𝑅3 = 𝐴𝑅2 + 𝑘 = 1 + 3 = 4
Latihan 1
• Seorang manajer perusahaan ingin mengetahui tingkat loyalitas pegawainya.
Untuk itu, dari 11 pegawai dilakukan penarikan 4 sampel secara sistematik.
No Nama 1 Bima 2 Yudhistira 3 Pandhu 4 Larasati 5 Joseph 6 Rukmini 7 Sinta 8 Haris 9 Indra 10 Wisnu 11 Krisna Baris Kolom (1-5) 1 88347 2 57140 3 74686 4 68013 5 57477
TAR Tentukan pegawai yang terpilih sampel jika penarikan sampel dilakukan dengan
1. Sistematik linear
a. Penelusuran 𝐴𝑅1 dari TAR baris 1 kolom 4, independent choice of digits
b. Penelusuran 𝐴𝑅1 dari TAR baris 3 kolom 4, remainder approach
c. Penelusuran 𝐴𝑅1 dari TAR baris 1 kolom 4, quotient approach
2. Sistematik sirkuler
a. Penelusuran 𝐴𝑅1 dari TAR baris 1 kolom 3, independent choice of digits
b. Penelusuran 𝐴𝑅1 dari TAR baris 1 kolom 2, remainder approach
c. Penelusuran 𝐴𝑅1 dari TAR baris 1 kolom 1, quotient approach
Ilustrasi
Perbandingan Sistematik Linear dan Sirkuler untuk N=nk
Sistematik linear
Jika
diambil
sampel
dengan interval k=2, maka
kemungkinan sampelnya:
1,3
2,4
Sistematik Sirkuler
Jika diambil sampel dengan
interval k=2, maka
kemungkinan sampelnya:
1,3
2,4
1 2 3 4 1 2 3 4Ilustrasi
Perbandingan Sistematik Linear dan Sirkuler untuk N≠nk
Sistematik linear
Jika k=3, maka kemungkinan
sampelnya:
1,4
2,5
3
Sistematik Sirkuler
Jika k=3, maka kemungkinan
sampelnya:
1,4
4,2
2,5
5,3
3,1
1 2 3 4 5 1 2 3 4 5Problem With Intervals (1)
•
If the population size N is not an integral multiple of k, a
problem arises. It can be solved in several ways and the
sampler should choose the most convenient.
1.
Permit the sample size to be either n or (n+1). Choose
k so that N is greater than nk, but less than (n+1)k. Then,
the random start will determine whether the sample size
will be n or n+1.
2.
Eliminate with epsem enough units to reduce the
listings to exactly nk before selection with the interval
k. The probability of selection over the two procedures is
n/N. Instead of elimination, it may be convenient to select
some listings with epsem, then add these duplicates to the
end of the list
Problem With Intervals (2)
3.
Consider the list to be circular, so that the last unit is
followed by the first. Choose a random start from 1 to N.
Now add the intervals k until exactly n elements are
choosen, going to the end of the list and then continuing to
the beginning.
4.
Using fractional intervals is simple with a decimal
fraction. For example, suppose that to select a sample of
n=100 units from a population of N=925 units, the interval
k=N/n=925/100=9,25 is applied.
Implicit Stratification
• Selain untuk mempermudah penarikan sampel, penarikan sampel sistematik
juga dapat meningkatkan efisiensi desain, misal dengan mengadakan pengaturan unit-unit (systematic arrangement).
• Pengaturan unit-unit berdasarkan karakteristik tertentu memungkinkan
sampel yang terpilih akan memiliki berbagai karakteristik sehingga lebih representatif.
• Pengaturan unit-unit berdasarkan karakteristik tertentu, kemudian dilakukan
penarikan sampel sistematik ini disebut implicit stratification.
• Pengurutan biasanya didasarkan pada kriteria geografis seperti urban-rural,
administrative region, ethnics subpopulations, atau socioeconomic groups, dsb.
• Keuntungan implicit stratification:
1. Tidak perlu membangun explicit stratification, sampel otomatis akan
teralokasi secara proporsional.
2. Sederhana, hanya memerlukan pengaturan unit-unit dan penggunaan
interval untuk penarikan secara sistematik sampling.
3. Jika kriteria yang dijadikan dasar pengurutan mempunyai korelasi yang kuat
Dari kerangka sampel di samping (N=12) akan diambil sampel secara sistematik sebanyak n=6. Misalkan 𝐴𝑅1 = 2 maka sampel yang terpilih:
Tanpa pengurutan
1. Shofyan Firdaus (SMA-Diploma)-2 2. Ahmad Rofi’ih (SMP ke bawah)-4 3. Ainur Rosyadi (SMA-Diploma)-6 4. Moh. Mashudi (Universitas)-8 5. Abd Gani (Universitas)-10 6. Moh Faisol (SMA-Diploma)-12 Populasi diurutkan terlebih dahulu
menurut tingkat pendidikan
1. Ahmad Rofi’ih (SMP ke bawah)-2 2. Subaidi (SMP ke bawah) -4
3. Cholish (SMP ke bawah) -6
4. Shofyan Firdaus (SMA-Diploma) -8 5. Moh. Faisol (SMA-Diploma) -10 6. Abd Gani (Universitas) -12
No urut rumah tangga Kepala Rumah Tangga (KRT) Pendidikan tertinggi KRT SMP ke bawah SMA-Diploma Universi tas (1) (2) (3) (4) (5) 1 JUNAIDI √ 7 2 SHOFYAN FIRDAUS √ 8 3 RAHMAD √ 1 4 AHMAD ROFI'IH √ 2
5 ANDI CAHYADI ALFARIS √ 3
6 AINUR ROSYADI √ 9 7 SUBAIDI √ 4 8 MOH MASHUDI √ 11 9 QUDZI A SPD I √ 5 10 ABD GANI √ 12 11 CHOLISH √ 6
KOMPOSISI K SAMPEL SISTEMATIK
Nomor sampel
Nomor Gugus Sampel (Class)
1 2 … i … k 1 𝑦1 𝑦2 … 𝑦𝑖 … 𝑦𝑘 2 𝑦𝑘+1 𝑦𝑘+2 … 𝑦𝑘+𝑖 … 𝑦2𝑘 … … … … 𝑛 𝑦 𝑛−1 𝑘+1 𝑦 𝑛−1 𝑘+2 … 𝑦 𝑛−1 𝑘+𝑖 … 𝑦𝑛𝑘 Rata-rata 𝑦 1 𝑦 2 … 𝑦 𝑖 … 𝑦 𝑘
Hubungan dengan Stratified Sampling
• Systematic sampling menstratifikasi populasi menjadi n strata yang
terdiri dari:
k unit pertama, k unit kedua, dst.
• Sampel sistematik sama precisenya dengan stratified random sampling
dengan satu unit per strata yang bersesuaian
Perbedaan:
• Systematic Sample:
Unit-unit terletak pada posisi yang relatif sama dalam strata
• Stratified Random Sample:
Posisi dalam strata ditentukan secara terpisah berdasarkan pengacakan di dalam masing-masing strata.
= systematic sample
= stratified random sample
Ilustrasi Strata dalam Systematic Sampling
Nomorsampel
Nomor Gugus Sampel (Class)
1 2 … i … k 1 𝑦1 𝑦2 … 𝑦𝑖 … 𝑦𝑘 2 𝑦𝑘+1 𝑦𝑘+2 … 𝑦𝑘+𝑖 … 𝑦2𝑘 … … … … 𝑛 𝑦 𝑛−1 𝑘+1 𝑦 𝑛−1 𝑘+2 … 𝑦 𝑛−1 𝑘+𝑖 … 𝑦𝑛𝑘 Strata 1 Strata 2 Strata n
Hubungan dengan Cluster Sampling
• Dengan N=nk, populasi dibagi menjadi k unit sampling yang besar, yang
masing-masing mengandung n unit original.
• Pelaksanaan pemilihan sampel sistematik adalah pelaksanaan pemilihan
satu dari unit-unit sampling yang besar ini secara acak.
• Sebuah sampel sistematik adalah sebuah sampel acak sederhana dari
satu unit cluster dari suatu populasi sebanyak k unit cluster. Nomor
sampel
Nomor Gugus Sampel (Class)
1 2 … i … k 1 𝑦1 𝑦2 … 𝑦𝑖 … 𝑦𝑘 2 𝑦𝑘+1 𝑦𝑘+2 … 𝑦𝑘+𝑖 … 𝑦2𝑘 … … … … 𝑛 𝑦 𝑛−1 𝑘+1 𝑦 𝑛−1 𝑘+2 … 𝑦 𝑛−1 𝑘+𝑖 … 𝑦𝑛𝑘 Cluster
Penduga Rata-rata Populasi
• Linear Systematic Sampling
Jika N=nkrata-rata sampel dari sebuah sampel sistematik
merupakan penduga unbiased dari rata-rata populasi
Jika N ≠ nkrata-rata sampel dari sebuah sampel sistematik
merupakan penduga biased dari rata-rata populasi
• Circular Systematic Sampling
(N=nk maupun N≠nk)
Rata-rata sampel akan selalu merupakan penduga unbiased
Sistematik Kondisi
N=nk N≠nk
Linear Unbiased Biased
Penduga Rata-rata Populasi
𝑦
𝑖=
1𝑛
𝑦
𝑖𝑗rata-rata untuk sampel sistematik ke-i
𝐸 𝑦
𝑠𝑦=
1
𝑘
𝑦
𝑖 𝑘 𝑖=1=
1
𝑘
𝑦
1+ 𝑦
2+ ⋯ + 𝑦
𝑘=
1
𝑘
1
𝑛
𝑦
1+ 𝑦
1+ ⋯ + 𝑦
𝑁… (𝑗𝑖𝑘𝑎 𝑁 = 𝑛𝑘)
=
1
𝑁
𝑦
1+ 𝑦
1+ ⋯ + 𝑦
𝑁=
1
𝑁
𝑦
𝑖 𝑁 𝑖=1= 𝑌
Latihan 2
• Diketahui populasi mahasiswa sebanyak N=9 dengan jumlah buku sampling yang dimiliki sebagai berikut:
Buktikan secara empiris bahwa penarikan sampel secara sistematik
linear maupun sirkuler (n=3) akan menghasilkan penduga rata-rata yang
unbiased !
• Diketahui populasi mahasiswa sebanyak N=10 dengan jumlah buku ekonomi yang dimiliki sebagai berikut:
Buktikan secara empiris bahwa penarikan sampel (n=3) secara
sistematik linear akan menghasilkan penduga rata-rata yang biased, tetapi penarikan sampel secara sistematik sirkuler akan menghasilkan penduga yang unbiased !
No 1 2 3 4 5 6 7 8 9
Jumlah Buku 1 2 2 3 3 4 5 7 9
No 1 2 3 4 5 6 7 8 9 10
•
Penghitungan 𝑣(𝑦
𝑠𝑦) membutuhkan informasi dari seluruh k
sampel sistematik.
•𝑣 𝑦
𝑠𝑦=
1 𝑘𝑦
𝑖− 𝑌
2 𝑘 𝑖=1… (1)
•𝑣 𝑦
𝑠𝑦=
𝑁−1 𝑁𝑆
2−
𝑘(𝑛−1) 𝑁𝑆
𝑤𝑠𝑦 2… (2)
•𝑆
2=
1 𝑁−1(𝑦
𝑖𝑗− 𝑌 )
2 𝑛 𝑗=1 𝑘 𝑖=1Varians Penduga Rata-rata
Varians within dari k
sampel sistematik
Varians within sampel
sistematis yang besar
mengindikasikan
bahwa sampel tsb
adalah HETEROGEN
𝑆𝑤𝑠𝑦2 = 1 𝑘(𝑛 − 1) 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗 𝑘 𝑖•
Misal populasi:
1,2,3,4,5 | 1,2,3,4,5 | 1,2,3,4,5 periodicity
•
Misal 2 terpilih sampel dan k=5, sehingga sampel
sistematik: 2,2,2 homogen dan tidak representatif
•
Varians within=0 dan 𝑣(𝑦
𝑠𝑦) akan besar.
Bagaimana mengukur kehomogenan atau keheterogenan ini ?
INTRACLASS CORRELATION COEFFICIENT
•
Ukuran yang menyatakan tingkat kehomogenan
dalam sebuah sampel sistematik di antara
pasangan unit dalam sampel sistematik yang sama
adalah intraclass correlation coefficient (𝜌)
•
𝜌 =
𝐸(𝑦𝑖𝑗−𝑌 )(𝑦𝑖𝑗′−𝑌 ) 𝐸(𝑦𝑖𝑗−𝑌 )2•
𝑣 𝑦
𝑠𝑦=
𝑆2 𝑛 𝑁−1 𝑁1 + (𝑛 − 1)𝜌
INTRACLASS CORRELATION COEFFICIENT
•
Ketika ada n unit sampling dalam sebuah sampel sistematik,
maka ada
𝑛
2 =
𝑛(𝑛−1)2
pasangan unit sampling yang
berbeda yang bisa kita pilih
•
Karena keseluruhan ada k sampel sistematis, ada
𝑘𝑛(𝑛−1)2
pasangan yang berbeda, sehingga:
𝐸 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 = 2 𝑘𝑛(𝑛 − 1) 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 𝐸(𝑦𝑖𝑗 − 𝑌 )2= 1 𝑁 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑁 − 1 𝑁 1 𝑁 − 1 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑁 − 1 𝑁 𝑆2
INTRACLASS CORRELATION COEFFICIENT
•
𝜌 =
2 𝑘𝑛(𝑛−1)𝑦
𝑖𝑗− 𝑌 𝑦
𝑖𝑗′− 𝑌 .
𝑁 (𝑁−1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1𝑉 𝑦
𝑠𝑦=
𝑆
2𝑛
𝑁 − 1
𝑁
1 + (𝑛 − 1)𝜌
•
Jika 𝜌 besar dan positif 𝑣(𝑦
𝑠𝑦) besar (unit-unit
homogen dalam sampel sistematik)
•
Jika 𝜌 kecil dan (+/-) 𝑣(𝑦
𝑠𝑦) kecil (unit-unit
Pembuktian (1)
Varians cara 1: 𝑽 𝒚 𝒔𝒚 = 𝐸 𝑦 𝑖 − 𝐸 𝑦 𝑖 2 = 𝐸 𝑦 𝑖 − 𝑌 2 = 𝟏 𝒌 𝒚 𝒊 − 𝒀 𝟐 𝒌 𝒊=𝟏 Varians cara 2: 𝑉 𝑦 𝑠𝑦 = 1 𝑘 𝑦 𝑖 − 𝑌 2 𝑘 𝑖=1 𝑦𝑖𝑗 − 𝑌 2 = 𝑦𝑖𝑗 − 𝑦 𝑖 + 𝑦 𝑖 − 𝑌 2 𝑛 𝑗=1 𝑘 𝑖=1 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑦𝑖𝑗 − 𝑦 𝑖 2 + 𝑦 𝑖 − 𝑌 2 + 2 𝑦𝑖𝑗 − 𝑦 𝑖 𝑦 𝑖 − 𝑌 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗=1 + 𝑘 𝑖=1 𝑦 𝑖 − 𝑌 2 𝑛 𝑗=1 + 𝑘 𝑖=1 2 𝑦𝑖𝑗 − 𝑦 𝑖 𝑦 𝑖 − 𝑌 𝑛 𝑗=1 𝑘 𝑖=1Pembuktian (2)
𝑦 𝑖 − 𝑌 2 𝑛 𝑗=1 = 𝑛 𝑦 𝑖 − 𝑌 2 𝑘 𝑖=1 𝑘 𝑖=1 2 𝑦𝑖𝑗 − 𝑦 𝑖 𝑦 𝑖 − 𝑌 𝑛 𝑗=1 𝑘 𝑖=1 = 2 𝑦 𝑖 − 𝑌 𝑦𝑖𝑗 − 𝑦 𝑖 𝑛 𝑗=1 𝑘 𝑖=1 = 0 Sehingga: 𝑦𝑖𝑗 − 𝑌 2 = 𝑛 𝑦 𝑖 − 𝑌 2 𝑘 𝑖=1 + 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗=1 𝑘 𝑖=1 𝑛 𝑗=1 𝑘 𝑖=1 𝑉 𝑦 𝑠𝑦 = 1 𝑘𝑛 𝑦𝑖𝑗 − 𝑌 2 − 1 𝑘𝑛 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗=1 𝑘 𝑖=1 𝑛 𝑗=1 𝑘 𝑖=1 Karena: 𝑆𝑤𝑠𝑦2 = 1 𝑘(𝑛 − 1) 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗 𝑘 𝑖 𝑆2 = 1 𝑁 − 1 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 Sehingga: 𝑉 𝑦 𝑠𝑦 = 𝑁 − 1 𝑁 𝑆2 − 𝑘(𝑛 − 1) 𝑁 𝑆𝑤𝑠𝑦 2Pembuktian (3):
Koefisien korelasi intraklass:
𝜌 = 𝐸(𝑦𝑖𝑗 − 𝑌 )(𝑦𝑖𝑗′ − 𝑌 ) 𝐸(𝑦𝑖𝑗 − 𝑌 )2
Karena terdapat sebanyak 𝑛 unit sampling untuk setiap gugus sampel, maka akan terdapat 𝑛2 = 𝑛(𝑛−1)2 pasangan unit sampling yang berbeda yang dapat dipilih. Oleh karena itu, untuk 𝑘 gugus sampel sistematik akan terdapat 𝑘𝑛(𝑛−1)2 pasangan yang berbeda, sehingga:
𝐸 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 = 2 𝑘𝑛(𝑛 − 1) (𝑦𝑖𝑗 − 𝑌 )(𝑦𝑖𝑗′ − 𝑌 ) 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 𝐸(𝑦𝑖𝑗 − 𝑌 )2= 1 𝑁 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑁 − 1 𝑁 1 𝑁 − 1 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 = 𝑁 − 1 𝑁 𝑆2
Pembuktian (4)
Sehingga: 𝜌 = 2 𝑘𝑛(𝑛 − 1) 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 . 𝑁 (𝑁 − 1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 Varians cara 3: 𝑉 𝑦 𝑠𝑦 = 1 𝑘 𝑦 𝑖 − 𝑌 2 = 1 𝑘 1 𝑛 𝑦𝑖𝑗 − 𝑌 𝑛 𝑗=1 2 𝑘 𝑖=1 𝑘 𝑖=1 = 1 𝑘 1 𝑛2 𝑦𝑖𝑗 − 𝑌 𝑛 𝑗=1 2 𝑘 𝑖=1 = 1 𝑘 1 𝑛2 𝑦𝑖𝑗 − 𝑌 2 + 2 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 𝑛 𝑗=1 𝑘 𝑖=1 = 1 𝑘 1 𝑛2 𝑦𝑖𝑗 − 𝑌 2 + 2 𝑛 − 1 2 ∙ 𝑁 − 1 𝑆2𝜌 𝑛 𝑗=1 𝑘 𝑖=1Pembuktian (5)
𝑉 𝑦
𝑠𝑦=
1
𝑘
∙
1
𝑛
2∙ 𝑦
𝑖𝑗− 𝑌
2+ 𝑛 − 1 ∙ 𝑁 − 1 𝑆
2𝜌
𝑛 𝑗=1 𝑘 𝑖=1=
1
𝑘
∙
1
𝑛
2∙ 𝑁 − 1 𝑆
2+ 𝑛 − 1 ∙ 𝑁 − 1 𝑆
2𝜌
=
1
𝑛𝑁
(𝑁 − 1)𝑆
21 + (𝑛 − 1)𝜌
𝑉 𝑦
𝑠𝑦=
𝑆
2𝑛
𝑁 − 1
𝑁
1 + (𝑛 − 1)𝜌
EFISIENSI
•
𝑣 𝑦
𝑠𝑟𝑠=
𝑆2 𝑛 𝑁−𝑛 𝑁•
𝑣 𝑦
𝑠𝑦𝑠=
𝑆2 𝑛 𝑁−1 𝑁1 + (𝑛 − 1)𝜌
•
𝑣(𝑦 𝑠𝑦𝑠) 𝑣(𝑦 𝑠𝑟𝑠)=
(𝑁−1) 1+(𝑛−1)𝜌 𝑛(𝑘−1)Agar systematic sampling memiliki presisi yang sama
dengan SRS, maka:
(𝑁 − 1) 1 + (𝑛 − 1)𝜌
𝑛(𝑘 − 1)
= 1
𝜌 =
−1
𝑛𝑘 − 1
=
−1
𝑁 − 1
EFISIENSI
•
Karena N biasanya besar, 𝜌 seharusnya kecil agar
systematic sampling memiliki presisi yang sama
dengan SRS.
•
Nilai 𝜌 akan kecil jika unit-unit sampling dalam
populasi didistribusikan secara random, sehingga
𝑣 𝑦
𝑠𝑟𝑠bisa digunakan untuk sistematic sampling
Penduga Rata-rata Populasi dan Varians (Ringkasan)
Penduga Rumus Rata-rata 𝑌 = 1 𝑘 𝑦 𝑖. 𝑘 𝑖=1 Varians 𝑉 𝑦 𝑠𝑦 = 1 𝑘 𝑦 𝑖 − 𝑌 2 𝑘 𝑖=1 𝑉 𝑦 𝑠𝑦 = 𝑁 − 1 𝑁 𝑆2 − 𝑘(𝑛 − 1) 𝑁 𝑆𝑤𝑠𝑦 2 𝑉 𝑦 𝑠𝑦 = 𝑆2 𝑛 𝑁 − 1 𝑁 1 + (𝑛 − 1)𝜌 Keterangan: 𝑆𝑤𝑠𝑦2 = 1 𝑘(𝑛 − 1) 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗 𝑘 𝑖 𝑆2 = 1 𝑁 − 1 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 𝜌 = 𝑘𝑛(𝑛−1)2 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 . 𝑁 (𝑁−1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1Contoh:
Misalkan populasi N=9 dengan nilai karakteristik 𝑌𝑖 sebagai berikut: 1, 2, 3, 4, 5, 6, 7, 8, 9 diambil sampel n=3 secara sistematik sampling.
Maka komposisi sampel sistematiknya:
𝑌 = 1 𝑘 𝑦 𝑖 = 1 3 4 + 5 + 6 = 5 𝑘 𝑖=1 No urut sampel
Gugus Sampel 1 Gugus Sampel 2 Gugus Sampel 3
𝑌1𝑗 𝑌1𝑗2 𝑌2𝑗 𝑌2𝑗2 𝑌3𝑗 𝑌3𝑗2 1 1 1 2 4 3 9 2 4 16 5 25 6 36 3 7 49 8 64 9 81 Total 12 66 15 93 18 126 Rata-rata 4 22 5 31 6 42
Penghitungan varians (cara 1): 𝑉 𝑦 𝑠𝑦 = 1 𝑘 𝑦 𝑖 − 𝑌 2 𝑘 𝑖=1 = 1 3 4 − 5 2 + 5 − 5 2 + 6 − 5 2 = 2 3 Penghitungan varians (cara 2):
𝑆𝑤𝑠𝑦2 = 1 𝑘(𝑛 − 1) 𝑦𝑖𝑗 − 𝑦 𝑖 2 𝑛 𝑗 𝑘 𝑖 = 1 3 ∙ 2 18 + 18 + 18 = 54 6 𝑆2 = 1 𝑁 − 1 (𝑦𝑖𝑗 − 𝑌 )2 𝑛 𝑗=1 𝑘 𝑖=1 = 60 8 𝑉 𝑦 𝑠𝑦 = 𝑁 − 1 𝑁 𝑆2 − 𝑘 𝑛 − 1 𝑁 𝑆𝑤𝑠𝑦2 = 8 9 ∙ 60 8 − 3 ∙ 2 9 ∙ 54 6 = 2 3
Penghitungan varians (cara 3): 𝜌 = 2 𝑘𝑛(𝑛−1) 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 . 𝑁 (𝑁−1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 Untuk 𝑖 = 1: 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 = 𝑛
𝑗<𝑗′ Penghitungan varians (cara 3):
𝜌 = 𝑘𝑛(𝑛−1)2 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 . 𝑁 (𝑁−1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 Untuk 𝑖 = 1: 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 = 𝑦11 − 𝑌 𝑦12 − 𝑌 + 𝑦11 − 𝑌 𝑦13 − 𝑌 + 𝑦12 − 𝑌 𝑦13 − 𝑌 𝑛 𝑗<𝑗′ = 1 − 5 4 − 5 + 1 − 5 7 − 5 + 4 − 5 7 − 5 = −6
Dengan cara yang sama, untuk 𝑖 = 2 diperoleh hasil -9 dan untuk 𝑖 = 3 diperoleh hasil -6.
Maka: 𝜌 = 2 𝑘𝑛(𝑛 − 1) 𝑦𝑖𝑗 − 𝑌 𝑦𝑖𝑗′ − 𝑌 . 𝑁 (𝑁 − 1)𝑆2 𝑛 𝑗<𝑗′ 𝑘 𝑖=1 = 3∙3∙22 −6 − 9 − 6 ∙ 98 ∙ 608 = −2160 𝑉 𝑦 𝑠𝑦 = 𝑆2 𝑛 𝑁 − 1 𝑁 1 + (𝑛 − 1)𝜌 = 60/8 3 ∙ 8 9 ∙ 1 + 3 − 1 −21 60 = 2 3
Latihan 3
No Ruta Kepala Rumah Tangga (KRT) Pendidikan tertinggi KRT Pengeluaran perbulan (000 rupiah) SMP ke bawah SMA-Diploma Univer -sitas (1) (2) (3) (4) (5) (7) 1 JUNAIDI √ 1825 2 SHOFYAN FIRDAUS √ 2345 3 RAHMAD √ 1167 4 AHMAD ROFI'IH √ 752 5 ANDI CAHYADI √ 1222 6 AINUR ROSYADI √ 1935 7 SUBAIDI √ 1441 8 MOH MASHUDI √ 3402 9 QUDZI A SPD I √ 1458 10 ABD GANI √ 4046 11 CHOLISH √ 106712 MOH FAISOL BASRI √ 2505
Dari populasi di samping, dilakukan pengambilan sampel sebanyak 4 rumah tangga secara sistematik. Hitunglah rata-rata, sampling variance populasi untuk rata-rata pengeluaran, koefisien korelasi intraklasnya , dan RE terhadap SRS jika: a. Populasi tidak diurutkan. b. Populasi diurutkan berdasarkan tingkat pendidikan.
Latihan 4
No Jenis pohon Harga jual hasil panen setahun (000 Rp) 1 Pepaya 198 2 Pepaya 197 3 Pepaya 233 4 Pepaya 206 5 Pepaya 276 6 Durian 822 7 Durian 839 8 Durian 707 9 Durian 826 10 Durian 725 11 Jambu 379 12 Jambu 494 13 Jambu 382 14 Jambu 339 15 Jambu 323 16 Jeruk 486 17 Jeruk 515 18 Jeruk 590 19 Jeruk 521 20 Jeruk 417• Seorang pemilik kebun buah memiliki 4
jenis pohon buah, yaitu pepaya, durian, jambu, dan jeruk yang masing-masing jenis terdiri dari 4 pohon. Berdasarkan populasi di samping, jika dilakukan penarikan sampel sebanyak 4 pohon, maka:
a. Hitunglah rata-rata dan varians populasi
beserta koefisien korelasi intraklass dari harga jual hasil panen setahun jika penarikan sampel secara sistematik.
b. Jika jenis pohon dianggap sebagai strata,
buatlah tabel annovanya kemudian hitunglah rata-rata dan varians populasinya.
c. Hitunglah rata-rata dan varians
populasinya jika dilakukan penarikan sampel secara SRS WOR.
d. Bandingkan efisiensi antara poin (a),
Latihan 5
• In a directory of 13 houses on a street the persons are listed as follow:
𝑀 = 𝑚𝑎𝑙𝑒 𝑎𝑑𝑢𝑙𝑡, 𝐹 = 𝑓𝑒𝑚𝑎𝑙𝑒 𝑎𝑑𝑢𝑙𝑡, 𝑚 = 𝑚𝑎𝑙𝑒 𝑐ℎ𝑖𝑙𝑑, 𝑓 = 𝑓𝑒𝑚𝑎𝑙𝑒 𝑐ℎ𝑖𝑙𝑑.
• Compare the variances given by a systematic sample of one in five
persons and a 20% simple random sample for estimating: (a) the proportion of males, (b) the proportion of children, (c) the proportion of persons living in professional households (households 1,2,3,12, and 13 are described as professional). For the systematic sample, number down each column, then go to the top of the next column.
1 2 3 4 5 6 7 8 9 10 11 12 13 M M M M M M M M M M M M M F F F F F F F F F F F F F f f m m f f m m m f f m m f m m f f f m f f f m HOUSEHOLD
JENIS-JENIS POPULASI
•
Populasi dengan susunan acak (random population)
•
Populasi terurut (ordered population)
•Populasi dengan variasi periodik
•
Populasi alami (natural population)
•Populasi yang berautokorelasi
Populasi dengan Susunan Acak
•
Jika unit-unit sampling di dalam populasi tersusun secara acak,
unit-unit sampling di dalam sampel juga akan tersusun secara
acak.
•
Oleh karena itu, sampel sistematik bisa diperlakukan seolah-olah
adalah sampel acak.
•
Sampel yang tersusun secara acak ini akan menjadi heterogen
dan akan memiliki 𝜌 yang kecil maka 𝑣(𝑦
𝑠𝑦) kurang lebih akan
sama dengan 𝑣(𝑦
𝑠𝑟𝑠) .
•
Misal, sampling dari sebuah frame yang disusun secara alfabetik
menurut nama. Jika item yang diukur tidak memiliki hubungan
dengan nama individu, kita bisa mengharapkan systematic
sampling benar-benar equivalent dengan SRS dan memiliki
Populasi Terurut
•
Dalam sebuah populasi terurut, pemilihan sampel sistematik
akan memberikan sampel yang heterogen dan 𝑣(𝑦
𝑠𝑦) biasanya
akan lebih kecil daripada 𝑣(𝑦
𝑠𝑟𝑠).
•
Contoh: menduga produksi jagung dari populasi petani dengan
luas lahan. Petani diurutkan terlebih dahulu menurut luas lahan,
kemudian dipilih sampel secara sistematik. Sampel yang terpilih
akan heterogen dan menghindari kesempatan memilih sampel
yang mengandung terlalu banyak petani besar/kecil sehingga
lebih mewakili populasi daripada ketika masih tersusun secara
acak.
Perbandingan Systematic Sampling, Stratified Sampling, dan
SRS dalam Populasi Trend Linear
• Ilustrasi populasi dengan trend linear:
𝒚
𝒊𝒊
𝒚
𝒊= 𝒂 + 𝒃𝒊
𝒂
:systematic sample :stratified samplePerbandingan Systematic Sampling, Stratified Sampling, dan
SRS dalam Populasi Trend Linear
𝑌 = 1 𝑁 𝑦𝑖 = 𝑁 𝑖=1 1 𝑁 𝑎 + 𝑏𝑖 = 𝑎 + 𝑏(𝑁 + 1)/2 𝑁 𝑖=1 𝑆2 = 1 𝑁 − 1 𝑦𝑖 − 𝑌 2 = 𝑏2 (𝑁 − 1) 𝑖 − 𝑁 + 1 2 2 𝑁 𝑖=1 𝑁 𝑖=1 = 𝑁(𝑁 + 1)𝑏2 12 = 𝑛𝑘(𝑛𝑘 + 1)𝑏2 12 𝑉𝑠𝑟𝑠 = (𝑁 − 𝑛) 𝑁𝑛 ∙ 𝑆2 = 𝑘 − 1 𝑛𝑘 ∙ 𝑛𝑘 𝑛𝑘 + 1 12 ∙ 𝑏2 = 𝑘 − 1 𝑛𝑘 + 1 12 𝑏2 𝑉𝑠𝑡𝑟 = 𝑁 − 𝑛 𝑁𝑛 ∙ 𝑆𝑤2 = 𝑘 − 1 𝑛𝑘 ∙ 𝑘 𝑘 + 1 12 ∙ 𝑏2 = (𝑘 − 1) (𝑘 + 1) 12𝑛 𝑏2 𝑉𝑠𝑦𝑠 = 1 𝑘 𝑦 𝑖 − 𝑌 2 = 1 𝑘 ∙ 𝑘 𝑘 + 1 𝑘 − 1 12 ∙ 𝑏2 = 𝑘 − 1 𝑘 + 1 12 𝑏2 𝑘 𝑖=1 Sehingga: 𝑉𝑠𝑡𝑟 ∶ 𝑉𝑠𝑦𝑠 ∶ 𝑉𝑠𝑟𝑠 = (𝑘 + 1) 𝑛 : 𝑘 + 1 : 𝑛𝑘 + 1 ≅ 1 𝑛 : 1: 𝑛 = 1: 𝑛: 𝑛2
Populasi dengan Variasi Periodik
•
Jika populasi mengandung trend periodik (misalkan kurva sinus),
keefektifan sampel sistematik tergantung pada nilai interval.
•
Contoh populasi hipotetik:
1,2,3,4,5| 1,2,3,4,5| 1,2,3,4,5
Jika diambil 3 sampel dan dengan random start 2 dan k=5, maka
sampel sistematiknya: (2,2,2)homogen, 𝜌 besar
•
Contoh praktis:
Penjualan tinggihari Jumat dan Sabtu
Penjualan rendahhari Senin dan Selasa
Sampel-sampel bisa dipilih dengan mengubah posisi unit-unit
sampling setiap waktu.
Natural Population dan Autocorrelated Population
• Systematic sampling secara operasional sangat mudah dan efisien
digunakan dalam populasi alami (natural population), misalnya pada populasi di area hutan untuk mengestimasi produksi kayu, karet, dsb
• Pada beberapa populasi alami, unit-unit yang berdekatan akan
mempunyai korelasi yang kuat daripada unit-unit yang saling berjauhan. Populasi semacam ini disebut autocorrelated population.
• Misalnya, 𝑦𝑖 dan 𝑦𝑗 (𝑖 = 1,2, … , 𝑁) adalah nilai observasi dari dari dua
unit yang berkorelasi positif dan serial correlation coefficient 𝜌𝑑 adalah fungsi dari jarak antara keduanya: 𝑑 = 𝑦𝑖 − 𝑦𝑗.
• Misalkan 𝑦𝑖 diambil dari infinite population (superpopulation) dengan
rata-rata 𝜇 dan varians 𝜎2 maka:
𝐸 𝑦𝑖 = 𝜇 dan 𝐸 𝑦𝑖 − 𝜇 2 = 𝜎2 𝜌𝑑 = 𝐸 𝑦𝑖 − 𝜇 𝑦𝑗 − 𝜇
𝜎2
Latihan 6
• Grafik di bawah ini menunjukkan nilai output( 𝑦𝑖 ) untuk setiap
perusahaan(𝑖). Hitunglah nilai koefisien korelsi intraklaster dan varians jika dari populasi sebanyak N=12 perusahaan dilakukan pengambilan 4 sampel secara sistematik, kemudian bandingkan efisiensinya dengan SRS WOR !
0 5 10 15 20 25 30 35 40 45 0 2 4 6 8 10 12 14 Output Perusahaan
Populasi dengan Trend Linear
Estimasi Varians Sistematik dari Single Sample
• Pada prinsipnya, varians systematic sampling yang unbiased sulit
didapatkan dari sampel sistematik tunggal. Untuk itu, systematic
sampling dapat diasumsikan ke dalam model tertentu sehingga bisa
dilakukan pendekatan dalam penghitungan estimasi sampling varians.
• Ada beberapa pendekatan untuk menghitung estimasi varians
berdasarkan sampel sistematik tunggal yaitu:
1. Simple Random Sampling
2. Stratified Random Sampling 3. Paired Selection Models
4. Succesive Difference Models
Pendekatan SRS dan Stratified Sampling
• Pendekatan SRS:
Jika populasi tersusun secara acak, maka unit-unit yang terpilih dalam pengambilan sampel sistematik juga akan tersusun acak sehingga dalam kasus ini estimasi variansnya bisa dilakukan dengan pendekatan SRS, yaitu:
𝑣 𝑦 𝑠𝑦 = (1 − 𝑓) ∙ 𝑠 2 𝑛
• Pendekatan Stratified Random Sampling:
Jika populasi tersusun terurut berdasarkan kategori tertentu (misalkan: wilayah geografis seperti urban-rural, desa, kecamatan, dsb, karakteristik demografi seperti jenis kelamin, kelompok umur, dsb, karakteristik sosial ekonomi seperti kategori pengeluaran, tingkat pendidikan, dsb), maka jumlah sampel sistematik yang terpilih untuk setiap kategori akan proporsional terhadap jumlah populasi pada kategori yang bersangkutan. Untuk kasus seperti ini, varians sampling sistematik bisa didekati dengan rumus varians
proportional stratified sampling, yaitu: 𝑣 𝑦 𝑠𝑦 = 𝑁𝑁ℎ 2 1 − 𝑓ℎ 𝑠𝑛ℎ2 ℎ 𝐿 ℎ=1
Paired Selection Model (PSM)
• Mengelompokkan N unit populasi ke dalam 𝑛
2 kelompok.
• Masing-masing kelompok terdiri dari 2𝑘 unit.
• Melakukan penarikan sampel 2 unit dari tiap kelompok dengan
prosedur:
a. Hitung interval 𝑘′ = 2𝑘 = 2𝑁
𝑛
b. Ambil dua angka random (𝐴𝑅1dan 𝐴𝑅2) yang kurang dari atau sama
dengan 𝑘′ untuk menentukan dua unit yang terpilih sebagai sampel pertama
c. Sampel selanjutnya ditentukan dengan interval 𝑘′
𝐴𝑅3 = 𝐴𝑅1 + 2𝑘 𝐴𝑅4 = 𝐴𝑅2 + 2𝑘 𝐴𝑅5 = 𝐴𝑅3 + 2𝑘 𝐴𝑅6 = 𝐴𝑅4 + 2𝑘 𝐴𝑅7 = 𝐴𝑅5 + 2𝑘 𝐴𝑅8 = 𝐴𝑅6 + 2𝑘
Paired Selection Model (PSM)
Penghitungan varians:
1
2
3
4
5
6
…
n-1
n
a. Jika n genap
𝑣 𝑦
𝑠𝑦=
1 − 𝑓
𝑛
2𝑦
2𝑖− 𝑦
2𝑖−1 2 𝑛/2 𝑖=1b. Jika n ganjil
Pilih satu unit secara acak dan menggunakannya dua kali.
𝑣 𝑦
𝑠𝑦=
1 − 𝑓
𝑛(2𝑚)
𝑦
2𝑖− 𝑦
2𝑖−1 2 𝑛/2 𝑖=1Keterangan: 𝑚 =
𝑛+12 𝑦2 − 𝑦1 2 𝑦4 − 𝑦3 2 𝑦6 − 𝑦5 2 𝑦𝑛 − 𝑦𝑛−1 2Succesive Difference Model (SDM)
• Metode ini menggunakan semua succesive difference yaitu sebanyak
(n-1) succesive difference, sehingga penghitungan dengan metode ini variansnya cenderung meningkat.
• Penghitungan varians:
1
2
3
4
5
6
…
n-1
n
𝑣 𝑦
𝑠𝑦=
1 − 𝑓
2𝑛(𝑛 − 1)
𝑦
𝑖+1− 𝑦
𝑖 2 𝑛−1 𝑖=1 𝑦2 − 𝑦1 2 𝑦4 − 𝑦3 2 𝑦6 − 𝑦5 2 𝑦𝑛 − 𝑦𝑛−1 2 𝑦3 − 𝑦2 2 𝑦5 − 𝑦4 2Interpenetrating (Replicated) Systematic Sampling
• Misalnya, suatu sampel sebanyak 𝑛 akan diambil dari populasi sebanyak 𝑁 secara
sistematik. Proses pengambilan sampel yaitu dengan mengambil subsample sistematik sebanyak 𝑚 gugus sampel dengan independent random starts, masing-masing memuat 𝑛/𝑚 unit untuk menjaga total sampel sebanyak 𝑛. Anggap 𝑛′ = 𝑚𝑛 dan 𝑘′ = 𝑚𝑘 maka komposisi sampel sistematiknya:
Nomor sampel
Nomor Gugus Sampel (Class)
1 2 … i … 𝑘′ 1 𝑦1 𝑦2 … 𝑦𝑖 … 𝑦𝑘′ 2 𝑦𝑘′+1 𝑦𝑘′+2 … 𝑦𝑘′+𝑖 … 𝑦2𝑘′ … … … … 𝑛′ 𝑦 𝑛′−1 𝑘′+1 𝑦 𝑛′−1 𝑘′+2 … 𝑦 𝑛′−1 𝑘′+𝑖 … 𝑦𝑛′𝑘′ 𝑦 𝑠𝑦 = 1 𝑚 𝑦 𝑖 𝑚 𝑖=1 𝑣 𝑦 𝑠𝑦 = 𝑘′ − 𝑚 𝑘′𝑚(𝑚 − 1) 𝑦 𝑖 − 𝑦 𝑠𝑦 2 𝑚 𝑖=1
Stratified Systematic Sampling
• Populasi terlebih dahulu dikelompokkan menjadi beberapa strata,
kemudian dari masing-masing strata dilakukan penarikan sampel secara sistematik.
• Jika 𝑦 𝑠𝑦ℎ adalah rata-rata dari sampel sistematik di strata ke-h, estimasi
rata-rata populasi beserta variansnya adalah:
𝑦
𝑠𝑡𝑠𝑦= 𝑊
ℎ𝑦
𝑠𝑦ℎ 𝐿 ℎ=1𝑉 𝑦
𝑠𝑡𝑠𝑦= 𝑊
ℎ2𝑣 𝑦
𝑠𝑦ℎ 𝐿 ℎ=1TERIMA KASIH
Have A Nice Sampling
PROBABILITY PROPORTIONAL TO
SIZE (PPS SAMPLING)
Oleh: Adhi Kurniawan
Pengertian
• Pada acak sederhana penarikan sampel hanya didasarkan pada nomor urut
unit dalam populasi.
• Penarikan acak sederhana ini menjadi kurang baik bila unit dalam populasi
ukurannya bervariasi. Oleh karena itu digunakan variabel pendukung (auxiliary variable) sebagai dasar pertimbangan di dalam penarikan sampel agar diperoleh estimator yang lebih efisien.
• Variabel pendukung yang digunakan sebagai dasar penarikan sampel
adalah variabel yang memiliki korelasi yang erat dengan variabel yang akan diteliti.
• Variabel pendukung yang dipertimbangkan sebagai dasar penarikan sampel
selanjutnya disebut ukuran (size).
Prosedur penarikan sampel dimana peluang terpilihnya suatu unit sampel sebanding dengan ukuran disebut sebagai sampling berpeluang sebanding dengan ukuran unit atau sampling with probability proportional to size atau disingkat pps sampling
Variabel yang diteliti
Variabel pendukung/bantu
Penduduk sekarang
Penduduk tahun sebelumnya
Jumlah kelahiran sekarang
Jumlah WUS tahun sebelumnya
Total panen
Luas lahan yang ditanami
Total output
Total input
Produksi pabrik
Jumlah pekerja
Beberapa contoh variabel yang diteliti dan variabel
pendukung
Keuntungan
1. Memberikan penduga rata-rata populasi yang unbiased.
2. Mempunyai ketepatan yang lebih tinggi daripada metode-metode yang lain.
3. Memberikan penduga rata-rata dan varians populasi yang sangat sederhana.
Prosedur Pemilihan Sampel
PPS PPS WR PPS WOR PPS Pemilihan dari suatu daftar (list) Pemilihan dari peta (map)
Berdasarkan cara pengambilan Berdasarkan kerangka sampel yang digunakan
Cumulative Method Lahiri Method PPS Systematic Method Random Group Method
Cumulative Method (1)
Metode Kumulatif
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 1 Danu 3 3 2 Hananto 1 4 3 Wisnu 11 15 4 Pandhu 6 21 5 Krisna 4 25 6 Yudha 2 27 7 Bima 3 30 Jumlah 𝑿 =30 Langkah 1: Buat kumulatif dari size
Cumulative Method (2)
Metode Kumulatif
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 Range 1 Danu 3 3 1-3 2 Hananto 1 4 4 3 Wisnu 11 15 5-15 4 Pandhu 6 21 16-21 5 Krisna 4 25 22-25 6 Yudha 2 27 26-27 7 Bima 3 30 28-30 Jumlah 𝑋 =30 Langkah 1: Buat kumulatif dari sizeLangkah 2: Buat range dari kumulatif untuk tiap unit
Cumulative Method (3)
Metode Kumulatif
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 Range 1 Danu 3 3 1-3 2 Hananto 1 4 4 3 Wisnu 11 15 5-15 4 Pandhu 6 21 16-21 5 Krisna 4 25 22-25 6 Yudha 2 27 26-27 7 Bima 3 30 28-30 Jumlah 𝑿 =30 Langkah 3: Ambil angka random (AR) yang tidaklebih dari 𝑋. Langkah 4: Lakukan sebanyak n kali Langkah 5: Unit yang range-nya memuat AR adalah unit yang
terpilih sampel Misal: n=2,
AR1=10 AR2=25 Langkah 1: Buat
kumulatif dari size
Langkah 2: Buat range dari kumulatif untuk tiap unit
Latihan 1
• Berikut ini adalah daftar nama desa/kelurahan beserta muatan jumlah
penduduk (dalam 00) di Kecamatan Umbulharjo(040) dan Kotagede(050), Kota Yogyakarta
No Desa/Kelurahan Penduduk Jumlah
Kode Nama 1 3471040001 Giwangan 83 2 3471040002 Sorosutan 160 3 3471040003 Pandeyan 143 4 3471040004 Warungboto 115 5 3471040005 Tahunan 98 6 3471040006 Mujamuju 114 7 3471040007 Semaki 52 8 3471050001 Prenggan 106 9 3471050002 Purbayan 89 10 3471050003 Rejowinangun 114 Lakukan penarikan
sampel sebanyak 4 desa secara PPS WR dengan metode kumulatif
Gunakan TAR halaman 1 baris 1 kolom 1,
independent choice of digits
Lahiri Method
Metode Lahiri
No Nama KRT Size jumlah ART (𝑿𝒊) 1 Danu 3 2 Hananto 1 3 Wisnu 11 4 Pandhu 6 5 Krisna 4 6 Yudha 2 7 Bima 3 Jumlah 𝑿 =30Langkah 1: Ambil dua angka random
(AR1 dan AR2) sekaligus dengan syarat: 𝐴𝑅1 ≤ 𝑁 dan 𝐴𝑅2 ≤ 𝑋𝑖(𝑚𝑎𝑘𝑠)
Untuk contoh di samping: 𝐴𝑅1 ≤ 7 dan 𝐴𝑅2 ≤ 11
Langkah 2: Jika 𝐴𝑅1 = 𝑖 dan 𝐴𝑅2 ≤ 𝑋𝑖 maka unit ke-i terpilih sebagai sampel.
Langkah 3: Ulangi langkah 1 dan langkah 2
sehingga didapatkan sampel sebanyak n. Misal:
AR1=6, AR2=3 tolak, karena AR2> 𝑋2 AR1=4, AR2=5 unit ke-4 terpilih sampel AR1=4, AR2=6tolak jika PPS WOR,
unit ke-4 terpilih kembali sebagai sampel jika PPS WR
Latihan 2
• Berikut ini adalah daftar nama desa/kelurahan beserta muatan jumlah
penduduk (dalam 00) di Kecamatan Umbulharjo(040) dan Kotagede(050), Kota Yogyakarta
Lakukan penarikan
sampel sebanyak 4 desa secara PPS WR dengan metode Lahiri. Gunakan TAR halaman 1 baris 1 kolom 1, remainder
approach.
No Desa/Kelurahan Penduduk Jumlah
Kode Nama 1 3471040001 Giwangan 83 2 3471040002 Sorosutan 160 3 3471040003 Pandeyan 143 4 3471040004 Warungboto 115 5 3471040005 Tahunan 98 6 3471040006 Mujamuju 114 7 3471040007 Semaki 52 8 3471050001 Prenggan 106 9 3471050002 Purbayan 89 10 3471050003 Rejowinangun 114
PPS Systematic(1)
PPS Systematic
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 1 Danu 3 3 2 Hananto 1 4 3 Wisnu 11 15 4 Pandhu 6 21 5 Krisna 4 25 6 Yudha 2 27 7 Bima 3 30 Jumlah 𝑿 =30 Langkah 1: Buat kumulatif dari size
PPS Systematic(2)
PPS Systematic
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 Range 1 Danu 3 3 1-3 2 Hananto 1 4 4 3 Wisnu 11 15 5-15 4 Pandhu 6 21 16-21 5 Krisna 4 25 22-25 6 Yudha 2 27 26-27 7 Bima 3 30 28-30 Jumlah 𝑿 =30 Langkah 1: Buat kumulatif dari sizeLangkah 2: Buat range dari kumulatif untuk tiap unit
PPS Systematic(3)
PPS Systematic
No Nama KRT Size jumlah ART (𝑿𝒊) Kumulatif 𝑿𝒊 Range 1 Danu 3 3 1-3 2 Hananto 1 4 4 3 Wisnu 11 15 5-15 4 Pandhu 6 21 16-21 5 Krisna 4 25 22-25 6 Yudha 2 27 26-27 7 Bima 3 30 28-30 Jumlah 𝑿 =30 Langkah 3:Hitung interval 𝑘 = 𝑋 𝑛Langkah 4: Ambil angka random pertama (AR1) yang tidak lebih dari 𝑘.
Langkah 5: Unit yang
terpilih sampel adalah yang range-nya memuat:
AR1, AR1+k, AR1+2k,…
Misal: n=3, 𝑘 = 303 = 10 AR1=7
AR2=7+10=17 AR3=7+2*10=27 Langkah 1: Buat
kumulatif dari size
Langkah 2: Buat range dari kumulatif untuk tiap unit
Latihan 3
• Berikut ini adalah daftar nama desa/kelurahan beserta muatan jumlah
penduduk (dalam 00) di Kecamatan Umbulharjo(040) dan Kotagede(050), Kota Yogyakarta
Lakukan penarikan
sampel sebanyak 4 desa secara PPS WOR dengan metode PPS Systematic. Gunakan TAR halaman 1 baris 1 kolom 1,
quotient approach.
No Desa/Kelurahan Penduduk Jumlah
Kode Nama 1 3471040001 Giwangan 83 2 3471040002 Sorosutan 160 3 3471040003 Pandeyan 143 4 3471040004 Warungboto 115 5 3471040005 Tahunan 98 6 3471040006 Mujamuju 114 7 3471040007 Semaki 52 8 3471050001 Prenggan 106 9 3471050002 Purbayan 89 10 3471050003 Rejowinangun 114
Pemilihan dari Suatu Peta (MAP)
•
Prosedur ini digunakan jika kerangka sampel berupa peta (map)
•Peluang unit-unit wilayah geografis dari sebuah peta untuk
terpilih sebagai sampel sebanding dengan luas (area) dari
unit-unit tersebut Probability Proportional to Area.
•
Prosedur:
1. Ambil dua angka random sekaligus, yaitu:
AR
1: antara 1 sampai panjang peta
AR
2: antara 1 sampai lebar peta
2. Sepasang angka random terpilih akan menempatkan suatu titik
pada peta, dan wilayah dimana titik itu jatuh adalah wilayah
yang terpilih sebagai sampel
Contoh: Pemilihan sampel dari suatu peta
1 2 3 4 5 6 7 8 9 2 3 4 5 6 7 8F
G
H
E
C
A
D
I
J
Ambil 𝐴𝑅1 ≤ 9 dan 𝐴𝑅2 ≤ 8. Misalkan angkarandom yang terambil: 𝐴𝑅1 = 4, 𝐴𝑅2 = 3, maka wilayah B
Random Group Method
•
Random group method merupakan salah satu cara
pengambilan sampel PPS secara wor yang disarankan oleh
Rao, Hartley, dan Cochran (RHC).
•
Populasi sebanyak N dibagi menjadi n kelompok, kemudian
dari masing-masing kelompok diambil satu unit sebagai
sampel.
•
Dengan demikian, akan terdapat jumlah sampel sebanyak n
Contoh: Random Group Methods
•
Berikut adalah daftar 10 kota dilengkapi dengan jumlah
penduduk (dalam ribu jiwa). Akan dipiliih 2 kota sebagai sampel
secara PPS size jumlah penduduk dengan random group method
No Kota Penduduk 1 A 127 2 B 130 3 C 139 4 D 141 5 E 149 6 F 150 7 G 155 8 H 159 9 I 169 10 J 189 No Kota Penduduk 2 B 130 1 A 127 5 E 149 8 H 159 3 C 139 4 D 141 6 F 150 7 G 155 9 I 169 10 J 189 Randomisasi Group 1 Group 2
Contoh: Random Group Methods
No Kota 𝒙 Kumulatif 4 D 141 141 6 F 150 291 7 G 155 446 9 I 169 615 10 J 189 804 No Kota 𝒙 Kumulatif 2 B 130 130 1 A 127 257 5 E 149 406 8 H 159 565 3 C 139 704 Group 1 Group 2Ambil 1 Angka Random yang tidak lebih dari 704.
Misal; angka random yang
terambil 526, maka kota H terpilih sampel
Ambil 1 Angka Random yang tidak lebih dari 804.
Misal; angka random yang
terambil 259, maka kota F terpilih sampel
Prosedur Estimasi
Estimator untuk PPS Sampling Estimator untuk PPS WR Hansen Hurwitz Estimator (HH) Horvitz Thompson Estimator (HT) Estimator untuk PPS WOR Horvitz Thomson Estimator (HT) Murthy’s Unordered Estimator Des Raj’s Ordered Estimator Rao, Hartley, and Cochran Estimator (RHC) untuk random group methodEstimator untuk PPS WR
(Hansen Hurwitz Estimator)
•
Jika pengambilan sampel dilakukan dengan PPS WR, maka
peluang terpilihnya unit ke-i adalah:
𝑝
𝑖=
𝑋
𝑖𝑋
𝑖 𝑁 𝑖=1=
𝑋
𝑖𝑋
Keterangan:
𝑋
𝑖: nilai dari variabel pendukung (ukuran/size)
•
Fraksi sampling/inclusion probability merupakan perkalian
antara 𝑝
𝑖dengan jumlah sampel (𝑛)
𝑓 = 𝜋
𝑖= 𝑝
𝑖∙ 𝑛 =
𝑋
𝑖𝑋
𝑛
•
Sampling weight (penimbang sampling) merupakan kebalikan
(invers) dari fraksi sampling:
𝑤 =
1
𝑓
=
𝑋
𝑛𝑋
𝑖Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
•
Unbiased estimator untuk total karakteristik Y adalah:
𝑌
𝑝𝑝𝑠= 𝑤 ∙ 𝑦
𝑖=
𝑋
𝑛𝑋
𝑖∙ 𝑦
𝑖=
1
𝑛
𝑦
𝑖𝑝
𝑖 𝑛 𝑖=1 𝑛 𝑖=1 𝑛 𝑖=1Bukti:
Misal 𝑡
𝑖menunjukkan berapa kali unit ke-i akan terpilih dari
pengambilan sampel sebanyak n (i=1,2,…,n)
Maka, joint distribution dari 𝑡
𝑖mengikuti sebaran multinomial:
𝑛!
𝑡
1! 𝑡
2! … 𝑡
𝑁!
𝑝
1𝑡1
𝑝
2𝑡2
… 𝑝
𝑁𝑡𝑁Untuk sebaran multinomial, properties sebaran dari 𝑡
𝑖diketahui,
yaitu:
Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
•
Sehingga rumus estimasi total tersebut bisa dijabarkan:
𝑌
𝑝𝑝𝑠=
1
𝑛
𝑦
𝑖𝑝
𝑖 𝑛 𝑖=1=
1
𝑛
𝑡
1𝑦
1𝑝
1+ 𝑡
2𝑦
2𝑝
2+ ⋯ + 𝑡
𝑁𝑦
𝑁𝑝
𝑁=
1
𝑛
𝑡
𝑖𝑦
𝑖𝑝
𝑖 𝑁 𝑖=1𝐸 𝑌
𝑝𝑝𝑠=
1
𝑛
𝑛𝑝
𝑖𝑦
𝑖𝑝
𝑖= 𝑦
𝑖= 𝑌
𝑁 𝑖=1 𝑁 𝑖=1(𝑢𝑛𝑏𝑖𝑎𝑠𝑒𝑑)
Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
• Varians populasi untuk total karakteristik:
𝑉 𝑌 𝑝𝑝𝑠 = 1 𝑛 𝑝𝑖 𝑦𝑖 𝑝𝑖 − 𝑌 2 𝑁 𝑖=1 Bukti: 𝑉 𝑌 𝑝𝑝𝑠 = 1 𝑛2 𝑦𝑖 𝑝𝑖 2 𝑉 𝑡𝑖 + 2 𝑦𝑖 𝑝𝑖 𝑦𝑗 𝑝𝑗 𝐶𝑜𝑣(𝑡𝑖𝑡𝑗) 𝑁 𝑗>𝑖 𝑁 𝑖=1 𝑁 𝑖=1 = 1 𝑛 𝑦𝑖 𝑝𝑖 2 𝑝𝑖 1 − 𝑝𝑖 − 2 𝑦𝑖 𝑝𝑖 𝑦𝑗 𝑝𝑗 𝑝𝑖𝑝𝑗 𝑁 𝑗>𝑖 𝑁 𝑖=1 𝑁 𝑖=1 = 1 𝑛 𝑦𝑖2 𝑝𝑖 − 𝑌2 𝑁 𝑖=1 = 1 𝑛 𝑝𝑖 𝑦𝑖 𝑝𝑖 − 𝑌 2 𝑁 𝑖=1 (𝑡𝑒𝑟𝑏𝑢𝑘𝑡𝑖)
Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
• Unbiased estimator varians untuk total karakteristik:
𝑣 𝑌 𝑝𝑝𝑠 = 1 𝑛(𝑛 − 1) 𝑦𝑖 𝑝𝑖 − 𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 Bukti: 𝑣 𝑌 𝑝𝑝𝑠 = 1 𝑛(𝑛 − 1) 𝑦𝑖 𝑝𝑖 − 𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 𝑛(𝑛 − 1)𝑣 𝑌 𝑝𝑝𝑠 = 𝑦𝑖 𝑝𝑖 − 𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝐸 𝑦𝑖 𝑝𝑖 − 𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝐸 𝑦𝑖 𝑝𝑖 − 𝑌 2 − 𝑛 𝑌 𝑝𝑝𝑠 − 𝑌 2 𝑛 𝑖=1
Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
• Unbiased estimator varians untuk total karakteristik:
Bukti (lanjutan): 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝐸 𝑦𝑖 𝑝𝑖 − 𝑌 2 − 𝑛 𝑌 𝑝𝑝𝑠 − 𝑌 2 𝑛 𝑖=1 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝐸 𝑡𝑖 𝑦𝑖 𝑝𝑖 − 𝑌 2 − 𝑛 𝑌 𝑝𝑝𝑠 − 𝑌 2 𝑁 𝑖=1 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝐸 𝑡𝑖 𝑦𝑖 𝑝𝑖 − 𝑌 2 𝑁 𝑖=1 − 𝑛 ∙ 𝑉 𝑌 𝑝𝑝𝑠 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝑛 𝑝𝑖 𝑦𝑖 𝑝𝑖 − 𝑌 2 𝑛 𝑖=1 − 𝑛 ∙ 𝑉 𝑌 𝑝𝑝𝑠 𝑛 𝑛 − 1 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝑛(𝑛 − 1) ∙ 𝑉 𝑌 𝑝𝑝𝑠 𝐸 𝑣 𝑌 𝑝𝑝𝑠 = 𝑉 𝑌 (𝑢𝑛𝑏𝑖𝑎𝑠𝑒𝑑)
Latihan 4
• Dari data hipotetik di bawah ini, buktikan secara empirik bahwa
penduga total dan penduga varians dari penarikan sampel PPS WR adalah unbiased ! (ambil n=2).
Unit 𝑿𝒊 𝒀𝒊
A 6 3
B 12 4
Estimator untuk PPS WR
(Hansen Hurwitz Estimator)
• Estimasi total:
Estimasi total berdasarkan unit ke-i: 𝑌 𝑖 = 𝑦𝑖
𝑝𝑖 Estimasi total berdasarkan 𝑛 sampel:
𝑌 𝑝𝑝𝑠 = 1
𝑛 𝑌 𝑖 𝑛
𝑖=1 Estimasi varians sampling:
𝑣 𝑌 𝑝𝑝𝑠 = 1 𝑛(𝑛 − 1) 𝑌 𝑖 − 𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 • Estimasi rata-rata: 𝑦 𝑝𝑝𝑠 = 𝑌 𝑝𝑝𝑠 𝑁 Estimasi varians sampling :
𝑣 𝑦 𝑝𝑝𝑠 = 1
Relative Eficiency PPS WR terhadap SRS WR
• Varians SRS WR: 𝑉 𝑌 𝑠𝑟𝑠 = 𝑁2 𝑛 𝑆2 = 𝑁 𝑛 𝑦𝑖2 − 𝑁𝑌 2 𝑁 𝑖=1Unbiased estimator untuk: 𝑦𝑖2 adalah 𝑛1 𝑦𝑖2 𝑝𝑖 𝑛
𝑖=1 𝑁
𝑖=1 dan
Unbiased estimator untuk: 𝑁𝑌 2 adalah 𝑌 𝑝𝑝𝑠2 − 𝑣 𝑌 𝑝𝑝𝑠
Dengan demikian, unbiased estimator dari varians SRS WR berdasarkan sampel PPS WR dapat dinyatakan dengan rumus:
𝑣𝑝𝑝𝑠 𝑌 𝑠𝑟𝑠 = 𝑁 𝑛2 𝑦𝑖2 𝑝𝑖 − 1 𝑛 𝑌 𝑝𝑝𝑠 2 − 𝑣 𝑌 𝑝𝑝𝑠 𝑛 𝑖=1 = 1 𝑛2 𝑁 𝑦𝑖2 𝑝𝑖 − 𝑛𝑌 𝑝𝑝𝑠 2 𝑛 𝑖=1 + 1 𝑛 𝑣 𝑌 𝑝𝑝𝑠
• Relative Eficiency (RE) PPS WR terhadap SRS WR:
𝑅𝐸 = 𝑣 𝑌 𝑝𝑝𝑠
Latihan 5
• Untuk meneliti total produksi jagung di suatu desa, dilakukan pengambilan sampel
petak ladang secara PPS WR dengan size luas tanam. Jumlah petak ladang yang
ditanami jagung sebanyak 160 petak dengan rata-rata luas tanam per petak adalah 250 𝑚2. Jumlah sampel yang diambil adalah 12 petak dengan data sebagai berikut:
No 1 2 3 4 5 6 7 8 9 10 11 12 Luas tanam 𝑚2 214 315 343 165 195 270 406 227 270 255 380 335 Produksi (kg) 321 378 343 264 351 216 609 454 459 408 912 737 a. Perkirakan total produksi jagung di desa tsb dan rata-rata produksi jagung per
petak beserta standar error, RSE, Relative Efficiency terhadap SRS dan confidence
interval-nya. Beri interpretasi.
b. Perkirakan rata-rata produktivitas ladang per 𝒎𝟐 di desa tsb beserta standar
error, RSE, dan confidence interval-nya. Beri interpretasi.
c. Jika petak ladang yang produktivitasnya kurang dari rata-rata produktivitas ladang per 𝑚2 di desa tsb dikategorikan sebagai lahan kurang produktif, perkirakan
jumlah petak dan luas tanam yang kurang produktif. Lengkapi dengan nilai