MPCT Sys Pps Rasio
MPCT Sys Pps Rasio
sampel
N
n
b. Tentukan satu angka random yang lebih kecil atau sama dengan intervalnya.
Angka random ini selanjutnya disebut angka random pertama R1.
Angka random selanjutnya
R2 = R1 + I
R3 = R2 + I = R1 + 2I
.
.
Rn = Rn-1 + I = R1 + (n-1)I
Rn digunakan sebagai kontrol apakah penarikan sampel sudah benar.
Misal banyaknya unit dalam populasi N = 30 dan banyaknya unit dalam sampel n
= 5, maka I = 6 sehingga R1 < 6 katakan 2, maka yang harus dipilih adalah nomor
2, 8, 14, 20, dan 26 yang harus dicek dengan Rn = R1 + (n-1)I = 2 + 4(6) = 26.
Selain untuk mempermudah penarikan sampel, penarikan sampel sistematik juga
dapat meningkatkan efisiensi, misal dengan mengadakan pengaturan unit-unit
(systematic arrangement). Seperti pada contoh soal acak sederhana, elemen terletak
dengan urutan sebagai berikut:
Elemen
Nilai karakteristik
12
10
Nilai karakteristik
10
12
j \ i
yi
y1
y2
Si
S1
S2
Variance between : S b V ( y i )
k
Sw
Si
i 1
(y
i 1
Y ) 2 /( k 1)
( yij yi ) 2
i 1 j 1
(n 1) k
S2
( y
i 1 j 1
ij
Y )2
nk 1
2
y sys
y
j 1
is unbiased estimator of Y
n
k
V ( y sys )
n
k 1 2
Sb
k
(y
i 1
i 1 j 1
Y )2
(nk 1) S 2 ( y ij Y ) 2 ( y ij y i ) ( y i Y )
i 1 j 1
V ( y sys )
(y
i 1
Y )
i 1
j 1
( yij Y ) 2
k
(nk 1) S 2
1 (n 1)
n2k
V ( y sys )
V ( y srs )
( N 1)
1 (n 1)
( N n)
V ( y sys ) v( y sys )
( yi y sys ) 2
i 1
m( m 1)
y sys
y
i 1
ij
Biased Estimator:
a. Simple Random Sampling:
n
v( y sys )
(y
N n
N n 2
s
Nn
Nn
j 1
ij
yi ) 2
( n 1)
b. Pair Selection:
n 1
v( y sys )
(y
N n
j 1
Nn
ij
y ij 1 ) 2
2(n 1)
c. Succesive Difference
n 1
v( y sys )
(y
k 1
j 1
ij 1
y ij ) 2
2( n 1)
Unbiased estimator:
m
V (Y ) V ( Ny sys ) N v( y sys ) N
2
( yi y sys ) 2
2 i 1
y sys
m(m 1)
y
i 1
ij
Biased Estimator:
a. Simple Random Sampling:
n
N n 2
v (Y ) v( Ny sys ) N 2
s
Nn
(y
N ( N n)
j 1
ij
yi ) 2
(n 1)
b. Pair Selection:
n 1
v (Y ) v ( Ny sys )
(y
N ( N n)
j 1
ij
y ij 1 ) 2
2( n 1)
c. Succesive Difference
n 1
v (Y ) v ( Ny sys ) N (k 1)
(y
j 1
ij 1
y ij ) 2
2(n 1)
X i / X X i / X i . SRS or
i 1
Metode Kumulatif
Unit Size ( X i )
Kumulatif Range
30
30
1-30
24
54
31-54
15
69
55-69
22
91
70-91
40
131
92-131
Strata 1
Unit
Size ( X 1i )
Strata h
Kumulatif
Unit
Size ( X hi )
Kumulatif
X 11
X 11
X h1
X h1
X 12
X 12 X 11
X h2
X h 2 X h1
.....
.....
.....
.....
X hNh
X h X hi
...
N1
X 1N 1
N1
X 1 X 1i
...
Nh
i 1
Nh
i 1
Lahiris Method:
Jika N=jumlah populasi & M=size terbesar, maka ambil angka random sebanyak n
(jumlah sampel), dimana jumlah digitnya/kolom TAR sebanyak digit N + digit M.
Selanjutnya angka random terpilih adalah angka random dimana digit pertama
sebanyak digit N nilainya N dan digit kedua sebanyak digit M nilainya size unit
senilai pertama
Unit Size ( X i )
1
30
24
15
22
40
1 n y
X n y
Y i i
n i 1 pi
n i 1 X i
Y adalah estimator yang unbiased terhadap Y . Buktikan!.
Xi
pi X i / X
20
145
20/145
14
145
14/145
32
145
32/145
15
145
15/145
40
145
40/145
24
145
24/145
Unit
pop
yi
2500000
1250000
Mean:
1 n yi
X n yi
y Y
Nn i 1 pi Nn i 1 X i
Estimation of Total, Mean using PPS WR in Stratified Random/Sistematik:
Total:
L
L
L
X h nh y hi
1 nh y hi
Y Yh
h 1
h 1 n h i 1 p hi
h 1 n h i 1 X hi
Mean:
L
y Y
N Y
h 1
L
h h
N
h 1
Y
Yh h
Nh
N h = populasi strata-h
1 N
V (Y ) pi i Y
n i 1 pi
Variance of Mean
yi
1 N
V (Y ) pi
Y
n i 1 Np i
v(Y )
n
yi
n(n 1) i 1 p i
v(Y )
n
yi
1
pi
Y
n(n 1) i 1 Np i
n(n 1) N 2
yi
i 1 p i
nY 2
h 1
h 1
v(Y ) v(Yh )
nh
y hi
Yh
n h ( n h 1) i 1 p hi
h 1
h 1
v(Y ) v(Yh )
nh
yhi
1
phi
Yh
nh (nh 1) i 1
N h phi
yhi
i 1 phi
2
h 1 nh ( nh 1) N h
nh
2
nhYh
pi / j
Xi
pi
Xi
X
Xj X Xj
(1 p j )
1
X
Horvitz-Thompson Estimator
Jika p i
Xi
adalah probabilita terpilihnya unit ke-i dengan WR, maka probabilita unit
X
i pi
j i
pj
pi 1
(1 p j )
(
1
p
)
j
i
j
p j pi
pengembangan rumus, untuk dua unit katakan Ui dan Uj terpilih sampel secara
WOR, maka nilai probabilitanya
ij pi p j 1
(
1
p
)
j
i
j
YHT y i / i
i 1
Sampling Variance :
(1 i ) y i
V (YHT )
i
i 1
i 1 j i
N
( ij j i )
j i
yi y j
dapat
digunakan
untuk
Ratio bersifat bias karena tersedia pada level aggregat, akan konsisten jika
sampel cukup besar
g. Contoh dalam PPS atau direct estimate menggunakan hasil listing, size tidak
mencerminkan kondisi sebenarnya, untuk pemilihan sampel boleh, tapi untuk
estimasi akan bermasalah???
Notasi:
y i = karakteristik under study
x i = variabel pembantu
Y = total unit y
X = total unit x
maka nilai rasio :
Y
R
Y
Y
X
X
Y
y y
x x
X
Cov ( R , x )
Cov ( R , x )
B ( R )
E(x)
X
Cov ( R , x )
rR , x
, maka B ( R )
rR , x R x
X
Variance of Bias:
In SRS WOR for large n (large sample), an aproximation of Variance of Bias :
y
V ( R ) E ( R E ( R )) 2 E ( R R ) 2 E
R
x
1
1
V ( R ) 2 E ( y Rx ) 2 2 E
X
X
1
V ( R )
X 2
V ( R )
x
R
n
y Rx
E
E ( y ) R E ( x )
i
(1 f ) N ( y i Rxi ) 2
N 1 atau
nX 2 i 1
10
(1 f ) 2
2
V ( R )
S y R 2 S x 2 RS x S y dimana
2
nX
N
(y
i 1
Y )( xi X )
( N 1) S x S y
N
N 1
N 1
n i 1
nX 2 i 1
(1 f ) N ( y i Rxi ) 2 (1 f ) N ( y i Rxi ) 2
V (Y ) V ( R X ) X 2
N 1 n
N 1
nX 2 i 1
i 1
Estimator Variance of Bias:
In SRS WOR for large n (large sample), an aproximation of Estimator Variance of
Bias :
(1 f ) n ( y i R xi ) 2 (1 f ) n ( y i rxi ) 2
v( R )
atau
n 1 nX 2
n 1
nX 2 i 1
i 1
(1 f ) 2
2
v( R )
s y r 2 s x 2 rs x s y dimana
2
nX
n
(y
i 1
y )( xi x )
(n 1) s x s y
(1 f ) n ( yi rxi ) 2
(1 f ) 2
2
v(Y ) v(rX ) N 2
N 2
s y r 2 s x 2 rs x s y
n i 1
n 1
n
(1 f ) n ( y i rxi ) 2 (1 f ) 2
2
v(Y ) v(rX )
s y r 2 s x 2 rs x s y
n i 1
n 1
n
11
v(Y )rasio
v(Y ) srs
(1 f ) 2
2
2
2
s y r 2 s x 2 rs x s y
s y r 2 s x 2 rs x s y
n
2
(1 f ) 2
sy
sy
n
Bias estimator akan lebih efisien (variance lebih kecil) dibandingkan SRS, jika
s y r 2 s x 2 rs x s y < s y
2
2
r 2 s x 2 rs x s y 0 , maka
rs x
2s y
L
L
y
2 (1 f h )
2
2
2
v(Yrs ) v(rh X h ) N h
s yh rh s xh 2 h rh s xh s yh dimana rh h
xh
nh
h 1
h 1
L
L
(1 f h )
2
2
2
v(Yrs ) v(rh X h )
s yh rh s xh 2 h rh s xh s yh
nh
h 1
h 1
ingat h
s xhyh
Cov ( x h , y h )
L
2 (1 f h )
2
2
2
v(Yrs ) N h
s yh rh s xh 2rh s xhyh
nh
h 1
L
(1 f h )
2
2
2
v(Yrs )
s yh rh s xh 2rh s xhyh
nh
h 1
Combine estimator :
Perbedaan dengan separate, penghitungan r (rasio) dihitung gabungan seluruh
strata, bukan setiap strata.
12
Y
y
rh rc str str
X str x str
w y
h 1
L
w x
h 1
h 1
h 1
v(Yrs ) v( rh X h ) N h
, maka
h h
(1 f h )
2
2
2
s yh rh s xh 2 h rc s xh s yh
nh
L
L
(1 f h )
2
2
2
v (Yrs ) v(rh X h )
s yh rh s xh 2 h rc s xh s yh
nh
h 1
h 1
Jika rasio setiap strata sama, maka separate dan combine menghasilkan rasio yang
sama, bukti:
rh
yh
y
xh
x
L
rc
N h yh
h 1
L
N x
h 1
h h
y N h xh
h 1
L
x N h xh
y
rh
x
terbukti
h 1
13