LANDASAN TEORI
dikatakan akurat, jika merupakan taksiran yang tak bias dan variansi
Pada bab ini, akan dibahas dua teknik pengambilan sampel dari
yang akan dibahas dalam tugas akhir ini. Dalam bab ini, akan dijelaskan
yang merupakan bentuk dasar dari probability sampling yang lain dan
single systematic sampling. Selain itu, akan dibahas juga tentang taksiran
mean populasi beserta variansi dan taksiran variansinya pada kedua teknik
8
Modifikasi Dari..., Dewi Putrie Lestari, FMIPA UI, 2008
9
2.1.1 Pendahuluan
pengambilan berikutnya.
sama untuk terpilih menjadi anggota sampel. Hal tersebut dapat dibuktikan
Teorema 2.1.1
n
menjadi anggota sampel adalah (sama).
N
Bukti:
Didefinisikan:
Untuk m =1 , maka
1
p1 =
N
Untuk m = 2 , maka
pengambilan ke- 2 )
diperoleh:
pengambilan ke-2)
1 1
p2 = 1- .
N N -1
N -1 1
p2 = .
N N -1
1
p2 =
N
Untuk m = n , maka
1 1 1 1 1
pn = 1- . 1- . 1- ..... 1- .
N N -1 N - 2 N - (n - 2) N - (n -1)
N -1 N - 2 N - 3 N - (n -1) 1
pn = . . ..... .
N N -1 N - 2 N - (n - 2) N - (n -1)
1
pn =
N
1
pm = ; untuk m =1,2,...,n (2.1.1.1)
N
Selanjutnya, misalkan:
n
Akan dibuktikan i = :
N
Misalkan:
Sehingga:
i = Pr ( A1 A 2 A 3 ... A n )
i = Pr ( A1 ) +Pr ( A 2 ) +.....+Pr ( A n )
1 1 1
i = + +.....+
N N N
n
i = (terbukti) (2.1.1.2)
N
n
Sehingga i = berlaku untuk setiap i ; i =1,2,...,N
N
n
probabilitas suatu unit terpilih menjadi anggota sampel adalah (sama).
N
1 N
= ui
N i=1
Misalkan S = {y1,y 2 ,.....,y n } adalah Simple Random Sample yang diambil dari
1 n
y= yi
n i=1
1 n
i) y = yi adalah taksiran yang tak bias untuk mean populasi ( ) .
n i=1
( u - )
2
2 i
N-n 2
ii) V(y) = , dimana =
i=1
.
n N -1 N
(y - y)
2
2 i
= s N - n dengan s2 =
iii) V(y) i=1
merupakan taksiran yang tak
n N n -1
bias untuk V [ y ] .
Pembuktian:
1 n
i) Untuk membuktikan bahwa y = yi adalah taksiran yang tak bias
n i=1
Bukti:
zi = 1 ; ui S ; i =1,2,....,N
zi = 0 ; ui S ; i =1,2,....,N (2.1.2.1)
Sehingga didapat:
1 n 1 N
y=
n i=1
yi = ui .zi
n i=1
1 n
E ( y ) = E yi
n i=1
1 N
E ( y ) = E ui .zi
n i=1
1 N
E ( y ) = E ui .zi
n i=1
1 N
E ( y ) = ui .E ( zi ) (2.1.2.2)
n i=1
1
E ( zi ) = zi Pr ( zi )
zi =0
E( zi ) = 1.Pr( zi =1)
E( zi ) = 1.Pr( ui S )
n
Berdasarkan teorema (2.1.1) diketahui bahwa Pr ( ui S ) adalah ,
N
sehingga diperoleh:
n
E( zi ) = 1.
N
n
E( zi ) = ; untuk i =1,2,....,N (2.1.2.3)
N
1 N
E ( y ) = ui .E ( zi )
n i=1
1 N n
E ( y ) = ui .
n i=1 N
1 N 1
E ( y ) = n ui .
n i=1 N
N
1
E ( y ) = ui .
i=1 N
E(y) = (terbukti)
1 n
Karena telah diperoleh E ( y ) = , maka terbukti bahwa y = yi adalah
n i=1
2 N - n
ii) Selanjutnya akan dibuktikan bahwa V(y) = , dimana
n N -1
( u - )
2
i
2 = i=1
.
N
Bukti:
1 n
V ( y ) = V yi
n i=1
1 N
V ( y ) = V ui .zi
n i=1
1 N
V (y) = 2
V ui .zi
n i=1
1 N 2
N
2
N
2
1 N
N
V (y) = 2 E ( ui .zi ) + uiuh .zi zh - E ( ui .zi )
2
n i=1 ih i=1
1 N 2 N N N
V (y) = ( i i ) i h i h ( i i ) E ( ui .zi ) .E ( uh .zh )
2
E u .z +E u u .z z - E u .z +
n2 i=1 ih i=1 i h
1 N 2
N
N N
V (y) = E ( ui .zi ) - E ( ui .zi ) + E ( uiuh .zi zh ) - E ( ui .zi ) .E ( uh .zh )
2
n2 i=1 i=1 i h ih
1N + E ( u z .u z ) - E ( u .z ) .E ( u .z )
N
V (y) = i i i i
( ) ( )
2 2
E u .z - E u .z h h
n2 i=1
i i h h i i
i h
1N 2 + u u E ( z z ) - u u E ( z ) .E ( z )
N
V (y) = ( ) ( )
2 2
u E z - u 2
i E z i
n2 i=1
i i
ih i h i h i h i h
1 N 2 + u u E ( z z ) - E ( z ) .E ( z )
N
V (y) = i ( ) ( )
2 2
u E z -
E z i i h h
n2 i=1
i i h i
i h
1N 2 N
2 i [ ]
V (y) = u V z i + uiuhCov [ zi ,zh ] (2.1.2.4)
n i=1 ih
V ( zi ) = E ( zi ) - E ( zi )
2 2
(2.1.2.5)
1
E ( zi ) = zi2 Pr ( zi )
2
zi =0
E ( zi ) = 02.Pr ( zi = 0 ) +12.Pr ( zi = 1)
2
E ( zi ) = 0.Pr ( zi = 0 ) +1.Pr ( zi = 1)
2
E ( zi ) = 1.Pr ( zi = 1)
2
E ( zi ) = E ( z i )
2
(2.1.2.6)
diperoleh:
V ( zi ) = E ( zi ) - E ( zi )
2 2
V ( zi ) = E ( zi ) - E ( zi )
2
2
n n
V ( zi ) = -
N N
n n
V ( zi ) = 1- ; untuk i = 1,2,....,N (2.1.2.7)
N N
1
E ( zi zh ) =
zi ,zh =0
zi .zh Pr ( zi ,zh )
E ( zi zh ) = Pr ( zi = 1,zh =1)
E ( zi zh ) = Pr ( ui S,uh S )
Karena ada (N - 2 ) unit lainnya yang tersedia untuk sisa sampel dan disisi lain
E ( zi zh ) = Pr ( ui S,uh S )
N - 2
n-2
E ( zi z h ) =
N
n
(N - 2 ) !
E ( zi zh ) =
(N - n ) ! ( n - 2 )!
N!
(N - n )!n!
E ( zi zh ) =
(N - 2 )! . (N - n )!n!
(N - n )! ( n - 2 )! N!
E ( zi z h ) =
(N - 2 )! . n!
( n - 2 )! N!
E ( zi z h ) =
(N - 2 )! . n(n -1)(n - 2)!
( n - 2 )! N(N -1)(N - 2)!
n(n -1)
E ( zi zh ) = (2.1.2.9)
N(N -1)
Cov [ zi ,zh ] = E ( zi zh ) - E ( zi ) .E ( zh )
n(n -1)
Cov [ zi ,zh ] = - E ( zi ) .E ( zh )
N(N -1)
n(n -1) n n
Cov [ zi ,zh ] = - .
N(N -1) N N
n n (n -1)
Cov [ zi ,zh ] = - -
N N (N -1)
n nN - n - Nn +N
Cov [ zi ,zh ] = -
N N(N -1)
n N-n
Cov [ zi ,zh ] = -
N N(N -1)
n 1 N-n
Cov [ zi ,zh ] = -
N (N -1) N
n 1 n
Cov [ zi ,zh ] = - 1- (2.1.2.10)
N (N -1) N
1N 2 N
V (y) = 2
n i=1
ui V [ z i ] +
ih
uiuhCov [ zi ,zh ]
1 N 2 n n N 1 n n
2 i 1- + uiuh -
V (y) = u 1-
n i=1 N N ih N -1N N
1 N 2 n n 1 n n N
2 i 1- uiuh
V (y) = u 1- + -
n i=1 N N N -1N N ih
N 2 n n 1 n n N N 2
2
1
V (y) = i u 1- +
- 1- i - ui
u
n2 N N N -1N N i=1 i=1
i=1
1 n n N 2 1 N N 2
2
V ( y ) = 2 1- ui + - ui - ui
n N N i=1
N -1 i=1 i=1
1 n N 2 1 N 2 1 N
2
V (y) = 1- i u + i N -1
u - ui
nN N i=1 N -1 i=1 i=1
1 n 1 N 2 1 N
2
V (y) = 1- 1+ ui - ui
nN N N -1 i=1 N -1 i=1
1 n N N 2 1 N
2
V (y) = 1- ui - ui
nN N N -1 i=1 N -1 i=1
1 n N N 2 1 N
2
V (y) = 1- i u - i
u
nN N N -1 i=1 N i=1
1 N-n N N 2 2
V (y) = ui - N
nN N N -1 i=1
1 N-n N 2 2
V (y) = ui - 2N +N
2
nN N -1 i=1
1 N-n 1 N 2 N N
2
V (y) = ui - 2 ui +
n N -1 N i=1 i=1 i=1
1 N-n 1 N 2 2
V (y) = ( ui - 2ui + )
n N -1 N i=1
1 N-n 1 N 2
V (y) = ( ui - )
n N -1 N i=1
1 N-n 2
V (y) =
n N -1
2 N - n
V (y) = (terbukti)
n N -1
( ui - )
2
2 N - n
Dengan demikian terbukti bahwa V ( y ) =
2
, dimana =
i=1
n N -1 N
2
iii) = s N - n dengan
Selanjutnya akan dibuktikan bahwa V(y)
n N
(y - y)
2
i
s2 = i=1
adalah taksiran yang tak bias untuk V ( y ) .
n -1
2
= s N - n adalah taksiran tak bias untuk
Untuk membuktikan V(y)
n N
2 N - n
V (y) = , yaitu dengan membuktikan bahwa E V ( y ) = V [ y ]
n N -1
Bukti:
(y - y)
2
s N - n
2 i
E V ( y ) = E ; dengan s2 = i=1
n -1
n N
N-n 1
E V ( y ) = E s2 (2.1.2.11)
N n
1 n 2
E s2 = E
n - 1 i=1
( yi - y )
1 n 2
E ( y i - ) - n ( y - )
2
E s2 =
n - 1 i=1
1 n 2
E ( yi - ) - nE ( y - )
2
E s2 =
n - 1 i=1
1 n
E s2 =
n -1 i=1
V(y) - nV(y)
1
E s2 = [nV(y) - nV(y)]
n -1
1
E s2 = n 2 - nV(y)
n -1
2 N - n
Karena V ( y ) = , maka diperoleh:
n N -1
1 2 2 N - n
E s2 = n - n
n -1 n n -1
2 N - n
2
E s = n-
n -1 N -1
2 n (N -1) - (N - n )
E s2 =
n -1 N -1
2 nN - n - N+ n
E s =
2
n -1 N -1
2 nN - N
E s2 =
n -1 N -1
2 N(n -1)
E s2 =
n -1 N -1
N 2
E s2 = (2.1.2.12)
N -1
N-n 1
E V ( y ) = E s2
N n
N-n 1 N 2
E V ( y ) =
N n N -1
2
N-n
E V ( y ) =
N -1 n
E V ( y ) = V [ y ]
(y - y)
2
2 i
= s N - n dengan s2 =
V(y) i=1
adalah taksiran tak bias untuk
n N n -1
( u - )
2
2 i
N-n
V (y) =
2
dengan =
i=1
.
n N -1 N
Selanjutnya diperoleh Standard Error (SE) dari taksiran mean populasi pada
SE ( y ) = V ( y )
2.2.1 Pendahuluan
random satu elemen dari k -elemen pertama pada frame, dan setiap elemen
ke- k berikutnya.
Selain itu, single systematic sampling juga baik digunakan jika frame
N
kecil atau sama dengan , akan tetapi dalam tugas akhir ini pembahasan
n
dibatasi untuk N = nk .
1 N
= ui
N i=1
1 n
pada Simple Random Sampling, yaitu: y sy = yi serta taksiran variansinya
n i=1
(y - y)
2
2 i
s N-n 2
adalah V(y sy ) = dengan s =
i=1
.
n N n -1
1 n
i) y sy = yi adalah taksiran yang tak bias untuk mean populasi ( ).
n i=1
2
ii) Dapat ditunjukkan bahwa V(y sy ) = 1+ ( n -1) , dimana
n
2
1 N
= ( yi - ) merupakan variansi dari populasi, dan adalah
2
N i=1
( yi - y )
2
s2 N - n 2
iii) V(y sy ) = dengan s =
i=1
merupakan taksiran yang
n N n -1
bias untuk V y sy .
Pembuktian:
1 n
i) Untuk membuktikan bahwa y sy = yi adalah taksiran yang tak bias
n i=1
Bukti:
zi = 1 ; ui S ; i = 1,2,....,N
zi = 0 ; ui S ; i = 1,2,....,N (2.2.2.1)
Sehingga didapat:
1 n 1 N
y sy = i n
n i=1
y =
i=1
ui .zi
1 n
E ( y sy ) = E yi
n i=1
1 N
E ( y sy ) = E ui .zi
n i=1
1 N
E ( y sy ) = E ui .zi
n i=1
1 N
E ( y sy ) = ui .E ( zi ) (2.2.2.2)
n i=1
1
E ( zi ) = zi Pr ( zi )
zi =0
E( zi ) = 1.Pr( zi =1)
E( zi ) = 1.Pr( ui S )
1
menjadi anggota sampel adalah , maka diperoleh:
k
1
E( zi ) = 1.
k
1
E( zi ) = ; untuk i = 1,2,....,N (2.2.2.3)
k
1 N
E ( y sy ) = ui .E ( zi )
n i=1
1 N 1
E ( y sy ) = ui .
n i=1 k
1 1 N
E ( y sy ) = ui
n k i=1
1 N
E ( y sy ) = ui
nk i=1
1 N
E ( y sy ) = ui
N i=1
E ( y sy ) = (terbukti)
1 n
Karena telah diperoleh E ( y sy ) = , maka terbukti bahwa y sy = yi adalah
n i=1
2
ii) Selanjutnya akan dibuktikan bahwa V(y sy ) =
n
(1+ [n -1] ) , dimana
N
( u - )
2
i
2 = i=1
.
N
Bukti:
dengan N=nk
Sampel ke 1 2 n Mean
2 y 21 y 22 y 2n y2
k yk1 yk2 y kn yk
E ( ypj - ) ( ypu - )
=
E ( y pj - ) E ( ypu - )
2 2
E ( ypj - ) ( ypu - )
=
.
E ( ypj - ) ( ypu - )
= (2.2.2.4)
2
k n
E(y pj - )(ypu - ) = (y pj - )(y pu - )P ( ypj , ypu ) (2.2.2.5)
p=1 j<u
ke- p ; p =1,2,...,k .
1 1
P ( y pj ,ypu ) = .
k n ( n -1)
2
1 2
P ( y pj ,ypu ) = .
k n ( n -1)
2
P ( y pj ,y pu ) = (2.2.2.6)
kn ( n -1)
k n
E(y pj - )(ypu - ) = (y pj - )(y pu - )P ( ypj , ypu )
p=1 j<u
k n
2
E(ypj - )(ypu - ) = (ypj -)(ypu - )
p=1 j<u kn ( n -1)
2 k n
E(ypj - )(ypu - ) = (ypj - )(ypu - )
kn ( n -1) p=1 j<u
(2.2.2.7)
E ( ypj - ) ( ypu - )
=
2
k n
2
kn ( n -1) p=1 j<u
(y pj - )(ypu - )
=
2
2 k n
=
kn ( n -1) 2
(y
p=1 j<u
pj - )(ypu - ) (2.2.2.8)
Selanjutnya, pandang:
k
(y - )
2
p
p=1
n2kV(y sy ) = n2k
k
k
n2kV(y sy ) = n2 ( yp - )
2
p=1
k
n2kV(y sy ) = ( n(yp - ) )
2
p=1
k
n2kV(y sy ) = ( nyp - n)
2
p=1
2
n
k pj
y
n2kV(y sy ) = n - n
j=1
p=1 n
2
k
n
n kV(y sy ) = y pj - n
2
p=1 j=1
( )
k
n2kV(y sy ) = ( y p1 + y p2 +.....+ ypn ) - (++.....+)
2
p=1
k
n kV(y sy ) = ( y p1 - ) + ( y p2 - ) +.....+ ( y pn - )
2
2
p=1
2
k
n
n kV(y sy ) = ( ypj - )
2
p=1 j=1
k n n
n2kV(y sy ) = ( y pj - ) + 2 ( y pj - ) ( y pu - )
2
k n k n
n2kV(y sy ) = ( ypj - ) + 2 ( y pj - ) ( ypu - )
2
k n
n2kV(y sy ) = N 2 + 2 ( ypj - ) ( ypu - ) (2.2.2.9)
p=1 j<u
k n
2
=
kn ( n -1) 2
( y
p=1 j<u
pj - ) ( ypu - ) , maka diperoleh:
k n
2 ( y pj - ) ( y pu - ) = kn(n -1) 2 (2.2.2.10)
p=1 j<u
diperoleh:
k n
n2kV(y sy ) = N 2 + 2 ( ypj - ) ( ypu - )
p=1 j<u
N 2 + kn(n -1) 2
V(y sy ) =
n2k
N 2 + kn(n -1) 2
V(y sy ) =
nnk
N 2 +N(n -1) 2
V(y sy ) =
nN
N 2 N(n -1) 2
V(y sy ) = +
nN nN
2 (n -1) 2
V(y sy ) = +
n n
2
V(y sy ) = [1+ (n -1)] (terbukti)
n
2
Dengan demikian terbukti bahwa V(y sy ) =
n
(1+ [n -1] ) .
s2 N - n
iii) Selanjutnya dapat ditunjukkan bahwa V(y sy ) = merupakan
n N
2
s N-n
Untuk membuktikan V(y sy ) = adalah taksiran yang bias dari
n N
2
V(y sy ) =
n
(1+ [n -1] ) , yaitu dengan menunjukkan bahwa E V(y
sy ) V(y sy )
Bukti:
s2 N - n
Terlebih dahulu akan dicari nilai E V(y ) , dimana V(y ) = :
sy sy
n N
s2 N - n
E V ( y sy ) = E
n N
N - n s2
E V ( y sy ) = E
N n
N-n 1
E V ( y sy ) = E s2 (2.2.2.11)
N n
N 2
Substitusikan E s2 = ke dalam persamaan (2.2.2.11), sehingga
N -1
diperoleh nilai E V(y
sy ) :
N-n 1 N 2
E V ( y sy ) =
N n N -1
N - n 2
E V ( y sy ) =
n N -1
2 N - n
E V ( y sy ) =
n N -1
2
Dengan demikian diperoleh nilai E V(y ) adalah E ( y ) = N - n .
V
n N -1
sy sy
2
V(y sy ) adalah V(y sy ) = 1+ ( n -1) , maka selanjutnya akan ditunjukkan
n
2 N - n 2
bahwa E V(y sy ) = V(y sy ) = 1+ ( n -1) :
n N -1 n
2
V(y sy ) = 1+ ( n -1) 0
n
2
V(y sy ) = [1]
n
2
V(y sy ) =
n
2 N - n 2
Sehingga jika = 0 diperoleh E V(y ) = V(y ) = .
n N -1
sy sy
n
2
V(y sy ) = 1+ ( n -1) 1
n
2
V(y sy ) = [1+ n -1]
n
2
V(y sy ) = [n]
n
V(y sy ) = 2
2 N - n
Sehingga jika =1 diperoleh E V(y sy ) = V(y sy ) = 2 .
n N -1
Karena untuk = 0 dan = 1 diperoleh E[ V(y sy ) ] V(y sy ) , maka terbukti
s2 N - n
bahwa V(y sy ) = adalah taksiran yang bias untuk
n N
2
V(y sy ) =
n
(1+ [n -1] ) .
Selanjutnya diperoleh Standard Error (SE) dari taksiran mean populasi pada
SE ( y sy ) = V ( y sy )