1
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN
MEDIAN DAN KOEFISIEN KURTOSIS
S. Sabariah1*, Harison2, H. Sirait2
1
Mahasiswa Program S1 Matematika
2
Dosen Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru, 28293, Indonesia
*
sitisabariah289@yahoo.co.id ABSTRACT
This article discusses two ratio estimators for the population mean in simple random sampling using the auxiliary variable of the median and coefficient of kurtosis and linear combination of ratio estimators. All estimators are biased estimator, then the mean square errors are determined. Furthermore, the mean square errors of each estimators are compared for showing which one is the efficient estimator. An numerical example is given to explain the problem discussed.
Keywords: ratio estimator, simple random sampling, median, coefficient of kurtosis and mean square error
ABSTRAK
Pada artikel ini dibahas dua penaksir rasio untuk rata-rata populasi pada sampling acak sederhana menggunakan median dan koefisien kurtosis serta kombinasi linier penaksir rasio. Ketiga penaksir merupakan penaksir bias, kemudian ditentukan mean square error. Selanjutnya, dibandingkan mean square error dari masing-masing penaksir untuk mendapatkan penaksir yang efisien. Sebuah contoh numerik diberikan pada akhir pembahasan.
Kata kunci: penaksir rasio, sampling acak sederhana, median, koefisien kurtosis dan mean square error
1. PENDAHULUAN
Penaksir rasio merupakan suatu metode yang digunakan untuk meningkatkan ketelitian suatu penaksir, dengan mengambil manfaat hubungan antara variabel y dan variabel tambahan x [1]. Penaksir rasio sederhana untuk rata-rata populasi dinotasikan dengan
R
Yˆ dan dirumuskan sebagai X x y YR
ˆ , dengan y dan x berturut-turut menyatakan
2
Dari penaksir rasio sederhana, Subramani dan Kumarandiyan [5] memodifikasi menjadi penaksir rasio Y dan penaksir rasio regresi ˆp1 Y yang menggunakan median ˆp2
Md dan koefisien kurtosis
2 . Singh dan Tailor [4] mengkombinasikan antarapenaksir rasio dan penaksir produk. Berdasarkan ide dari Singh dan Tailor, penulis mengkombinasikan antara penaksir Y dengan penaksir ˆp1 Y yang dinotasikan dengan ˆp2
kl
Yˆ . Penaksir dengan menggunakan metode rasio merupakan penaksir bias, sehingga penaksir yang efisien untuk penaksir bias adalah penaksir yang memiliki Mean Square Error (MSE) terkecil.
2. SAMPLING ACAK SEDERHANA
Pengambilan sampel acak sederhana merupakan suatu metode untuk mengambil n unit sampel dari N unit populasi, sehingga setiap elemen N
n
C sampel yang berbeda mempunyai kesempatan yang sama untuk dipilih sebagai unit sampel. Pengambilan sampel ini adalah pengambilan sampel acak tanpa pengembalian agar karakteristik unit-unit lebih akurat [1].
Untuk menentukan bias dan MSE pada sampling acak sederhana digunakan teorema variansi dan kovariansi.
Teorema 2.1 [1 : h. 27] Apabila sampel berukuran n diambil dari populasi berukuran N yang berkarakter Y , dengan sampling acak sederhana tanpa pengembalian maka variansi rata-rata sampel y dinotasikan dengan V
y yaitu
1
2. 2 y y S n f N n N n S y V Bukti: Bukti dari teorema ini dapat dilihat pada [1].
Teorema 2.2 [1 : h. 29] Jika 𝑦𝑖, 𝑥𝑖 adalah sebuah pasangan yang bervariasi dalam unit dalam populasi dan 𝑦 , 𝑥 adalah rata-rata dari sampel acak sederhana berukuran 𝑛 , maka kovariansi adalah
N i i i Y x X y N n f x y Cov 1 1 1 1 , .Bukti: Bukti dari teorema ini dapat dilihat pada [1].
3. PENAKSIR REGRESI UNTUK RATA-RATA POPULASI
Model regresi linier sederhana dinyatakan dengan persamaan [3]:
3 diasumsikan E
ei 0 sehingga E
yi xi.
Variabel y merupakan variabel tak bebas pada data pengamatan ke-i i dan x adalah i variabel bebas pada pengamatan ke-i. Sedangkan dan adalah parameter (koefisien regresi) yang akan ditaksir dan ei adalah kesalahan pengamatan ke-i. Dari persamaan (1) maka kesalahan pengamatan ke-i ditulis
i i
i y x
e ,
dengan demikian jumlah kuadrat kesalahan pengamatan data terhadap garis regresi ditulis
. 1 2 1 2
n i i i n i i y x e (2)Dengan meminimumkan persamaan (2), maka penaksir untuk yaitu
, ) ( ) )( ( 2 1 1
n i i n i i i x x y y x x b (3)dan penaksir untuk yaitu
a ybx. (4) Persamaan (3) dapat disederhanakan menjadi
, 2 x xy s s b dengan
1 1
n y y x x s n i i i xy
. 1 1 2 2
n x x s n i i x4
Apabila variabel x dan y mempunyai hubungan kausal atau hubungan sebab akibat, maka secara geometris persamaan regresi melalui titik pangkal. Dari persamaan (4) diperoleh
ybx, (5) jika koefisien regresi b berlaku untuk rata-rata sampel, maka b juga berlaku untuk rata-rata populasi. Sehingga
Y bX. (6) Dari pengurangan persamaan (6) dengan persamaan (5) secara aljabar, diperoleh
X x
b y
Yˆ .
Yˆ disebut penaksir regresi linier untuk rata-rata populasi yang dinotasikan dengan YRL ˆ sehingga
X x
b y YˆRL .4. BIAS DAN MSE PENAKSIR RASIO UNTUK RATA-RATA POPULASI
Penaksir rasio dan penaksir rasio regresi untuk rata-rata populasi pada sampling acak sederhana yang menggunakan median dan koefisien kurtosis yaitu
Md x Md X y Yp 2 2 1 ˆ (7)
X Md
Md x x X b y Yp 2 2 2 ˆ (8) dengan b menyatakan koefisien regresi Y atas X . Selanjutnya kombinasi linier penaksir rasio dari persamaan (7) dan persamaan (8) yang dirumuskan sebagai
1 ( )( ) ˆ 2 2 2 2 Md X Md x x X b y Md x Md X y Ykl (9) dengan menyatakan konstanta, 01.5
Bias dan MSE penaksir rasio untuk rata-rata populasi menggunakan median dan koefisien kurtosis pada sampling acak sederhana yaitu
Bias dan MSE dari persamaan (7) adalah
p Y
pCx p CyCx
n f Y B 1 2 2 1 1 1 ˆ
p Y
Cy p Cx p CxCy
n f Y MSE ˆ1 1 2 2 21 2 2 1Bias dan MSE dari persamaan (8) adalah
2 2 2 2 1 ˆ p x p R Y S n f Y B
2 2 2
2
2 2 1 1 ˆ y x p p R S S n f Y MSEBias dan MSE dari persamaan (9) adalah
2 1 ˆ p y x kl S C R n f Y B
2 2 2 2 2 2
2 2 2 2 2 1 ˆ y y y xy p x p kl R S R S S S S n f Y MSE 5. PENAKSIR RASIO YANG EFISIEN
Untuk menentukan penaksir yang efisien dari penaksir bias, dapat ditentukan dengan cara membandingkan MSE dari penaksir Y , ˆp1 Y dan ˆp2 Ykl
ˆ , sehingga
1. Perbandingan antara MSE
Yˆkl dengan MSE
Yˆp1 diperoleh MSE
Yˆkl MSE
Yˆp1 jika
. 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 y y xy p xy p y y xy p xy p S W S S R S R S W S S R S R 2. Perbandingan antara MSE
Yˆkl dengan MSE
Yˆp2 diperoleh MSE
Yˆkl MSE
Yˆp2 jika . 2 0 2 y x p S S R 6
3. Perbandingan antara MSE
Yˆp2 dengan MSE
Yˆp1 diperolehMSE
Yˆp2 MSE
Yˆp1 jika
2 1 2 2 2 1 2 2 2 2 x y x p x p p S C C Y C Y R . 6. CONTOHContoh berikut ini merupakan data dari Kadilar dan Cingi [2], yang digunakan untuk mengetahui rata-rata produksi apel
Y yang terdapat di desa Turki yaitu Aegean pada tahun 1999 dengan memanfaatkan variabel tambahannya yaitu banyaknya pohon apel
X di desa tersebut. Diketahui data produksi apel di daerah Aegean tersebar di 106 desa. Setiap sampel diambil secara acak sederhana. Informasi yang diperoleh dari data lampiran adalah sebagai berikut106 N 27421.69811 5.221618172 y C 30 n 2212.254717 Cx 2.085095878 0.86 57176.86969 x S f 0.283018868 34.57 2 11551.54943 y S p1 0.992361264 5 . 7297 Md 568179166.4 xy S Rp2 0.080059079.
Dengan menggunakan informasi dari data di atas, diperoleh bahwa (i) MSE
Yˆkl MSE
Yˆp1 jika 0.07
1.(ii) MSE
Yˆkl MSE
Yˆp2 jika 0
0.9212899302. (iii)MSE
Yˆp2 MSE
Yˆp1 jika 0.173797120.166817869.7. KESIMPULAN
Dari pembahasan di atas diperoleh bahwa penaksir Yˆkl lebih efisien dari penaksir Yˆp1, penaksir Yˆkl lebih efisien dari penaksir Yˆp2 dan penaksir Yˆp2 lebih efisien dari penaksir
1
ˆ
p
Y . Jadi, dapat disimpulkan bahwa kombinasi linier penaksir rasio merupakan penaksir yang lebih efisien dibandingkan penaksir lainnya.
7
DAFTAR PUSTAKA
[1] Cochran, W. G. 1991. Teknik Penarikan Sampel, Edisi Ketiga. Terj. Dari Sampling Techniques, oleh Rudiansyah & E. R Osman. UI Press, Jakarta.
[2] Kadilar, C. & H. Cingi, 2004. Ratio Estimator in Simple Random Sampling. Applied Mathematics and Computation, 151: 893-902.
[3] Ramachandran, K. M. & Chris, P. T. 2009. Mathematical Statistics with Applications. Academic Press, California.
[4] Singh, H. P. & R. Tailor. 2005. Estimation of Finite Population Mean with Known Coefficient of Variation of an Auxiliary Character. Statistica, anno LXV, n.3: 301-313.
[5] Subramani, J. & Kumarapandiyan, G. 2012. Modified Ratio Estimator Using Known Median and Co-Efficient of Kurtosis. American Journal of Mathematics and Statistics, 2(4): 95-100.