PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI,

VARIASI VARIABEL BANTU, DAN KORELASI PADA

PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013

Toni Irawan, Isnandar Slamet, Sutrima

Jurusan Matematika Fakultas Matematika dan Ilmu pengetahuan Alam
Universitas Sebelas Maret Surakarta

Abstrak. Penduga rasio dapat digunakan untuk menduga total populasi. Penduga rasio
baik digunakan ketika variabel bantu dan variabel penelitian berkorelasi positif sehing-
ga dapat meningkatkan ketelitian. Penduga rasio yang digunakan untuk penelitian ini
adalah penduga rasio menggunakan koefisien regresi, variasi variabel bantu, dan korelasi
karena dapat meningkatkan ketelitian. Penelitian ini bertujuan untuk mengkaji ulang
penduga rasio menggunakan koefisien regresi, variasi variabel bantu, dan korelasi serta
menurunkan ulang rata-rata kuadrat sesatan dari peduga rasio tersebut menggunakan
pendekatan deret Taylor. Selanjutnya menerapkan penduga rasio tersebut digunakan
untuk menentukan total produksi kedelai di Pulau Jawa tahun 2013. Pemilihan sam-
pel dilakukan menggunakan metode pengambilan sampel acak sederhana dengan sampel
berukuran 67. Berdasarkan data sampel diperoleh hasil dugaan total produksi kedelai di
Pulau Jawa tahun 2013 sebesar 411.726,001 ton.

Kata Kunci : penduga rasio, koefisien regresi, koefisien variasi, koefisien korelasi, rata-
rata kuadrat sesatan, sampel acak sederhana, produksi kedelai

1. Pendahuluan

Pengumpulan data, menganalisis dan mengambil suatu kesimpulan dipelajari

di dalam statistika. Pengumpulan data merupakan tahap awal sebelum dilakukan
analisis. Cara mengumpulkan data dapat dilakukan dengan sensus atau survei.
Sensus merupakan cara mengumpulkan data yang melibatkan semua observasi di
dalam populasi. Sedangkan survei hanya mengamati sebagian observasi di dalam
populasi. Survei membutuhkan sedikit biaya, waktu, dan tenaga sehingga lebih
efektif dibanding dengan sensus. Terdapat beberapa metode dalam pengambilan
sampel yaitu pengambilan sampel acak sederhana, acak sistematis, acak klaster
sederhana, dan acak stratifikasi. Metode yang digunakan dalam penelitian ini adalah
pengambilan sampel acak sederhana. Pengambilan sampel acak sederhana adalah
metode pengambilan sampel berukuran n dari suatu N populasi yang setiap unsur
di dalam populasi memiliki kesempatan yang sama untuk terambil.
Penduga rasio dapat digunakan untuk menduga total populasi. Penduga rasio
memanfaatkan hubungan antara variabel bantu (X) dan variabel penelitian (Y ).
Rasio adalah perbandingan dari rata-rata atau total dua variabel. Menurut Yamane
[10] penduga rasio dapat meningkatkan ketelitian dugaan. Sehingga pada penelitian
ini digunakan penduga rasio untuk menduga total populasi.
1
 Penduga Rasio . . .

Cochran [2] menjelaskan penduga rasio dengan menggunakan informasi yang

diberikan oleh variabel bantu (X) yang berkorelasi positif dengan variabel penelitian
(Y ) dapat meningkatkan ketelitian. Singh dan Tailor [8] mengusulkan penduga
rasio menggunakan koefisien korelasi. Sedangkan Kadilar dan Cingi [5] mengusulkan
penduga rasio menggunakan koefisien regresi dan variasi variabel bantu. Selanjutnya
Kadilar dan Cingi [6] mengembangkan penduga rasio baru dengan mengadaptasi
penduga rasio dari Singh dan Tailor [8] dan menghasilkan penduga rasio baru yang
lebih teliti. Berdasarkan hal tersebut, pada penelitian ini dikaji ulang penduga rasio
yang diusulkan oleh Kadilar dan Cingi [6] dengan menggunakan koefisien regresi,
variasi variabel bantu, dan korelasi pada pengambilan sampel acak sederhana.
Kedelai merupakan salah satu komoditas pangan di Pulau Jawa. Kebutuhan
kedelai di dalam negeri terus meningkat seiring pesatnya perkembangan industri
pangan dan pakan olahan berbahan baku kedelai. Sebagai bahan pangan, kedelai
mengandung protein nabati yang sangat tinggi nilai gizinya, tidak mengandung zat
radikal bebas sehingga sangat bermanfaat bagi kesehatan, dan harganya yang lebih
murah dibandingkan dengan sumber protein hewani. Menurut Damardjati et al.
[3] kedelai pada umumnya dikonsumsi dalam bentuk olahan pangan seperti tahu,
tempe, kecap, tauco, susu kedelai, dan berbagai bentuk makanan ringan. Menurut
Badan Pusat Statistik [1] bahwa Pulau Jawa merupakan daerah penghasil kedelai
terbesar dibanding dengan Pulau lain. Oleh karena itu dengan mengetahui total
produksi kedelai di Pulau Jawa diharapkan dapat menambah informasi mengenai
ketersediaan kedelai nasional.

2. Deret Taylor

Desphande [4] menyatakan bahwa deret taylor berguna dalam banyak masalah
pendekatan numerik dan membantu untuk mendapatkan pendekatan nilai numerik
dengan turunan dari fungsi ketika untuk mendapatkan penyelesaian yang tepat sa-
ngat rumit. Menurut Mendoza [7] metode deret Taylor digunakan untuk menduga
variansi sehingga diperoleh rata-rata kuadrat sesatan dari penduga tersebut. Me-
nurut Wolter [9] untuk memperoleh rata-rata kuadrat sesatan dari penduga rasio
digunakan pendekatan deret Taylor orde pertama sebagai berikut

f (x̄, ȳ) ≈ f (X̄, Ȳ ) + fx̄ (X̄, Ȳ )(x̄ − X̄) + fȳ (X̄, Ȳ )(ȳ − Ȳ ) (2.1)
2
Penduga Rasio . . .

3. Metode Penelitian

Dalam penelitian ini dilakukan kajian ulang penduga rasio menggunakan koe-
fisien regresi, variasi variabel bantu, dan korelasi serta dilakukan penurunan ulang
rata-rata kuadrat sesatan dari penduga rasio tersebut. Penurunan ulang rata-rata
kuadrat sesatan dilakukan menggunakan pendekatan deret Taylor. Selanjutnya pen-
duga rasio tersebut diterapkan untuk menduga total produksi kedelai di Pulau Jawa
tahun 2013. Data yang digunakan pada penelitian ini adalah data sekunder yang
diambil dari BPS [1]. Populasi dari penelitian ini adalah seluruh kecamatan di Pu-
lau jawa. Terdapat 679 kecamatan yang memproduksi kedelai. Pada penelitian ini
luas lahan kedelai sebagai variabel bantu sedangkan produksi kedelai sebagai vari-
abel penelitian. Untuk menduga total produksi kedelai di Pulau Jawa tahun 2013
dapat diduga dengan mengambil sampel dari beberapa kecamatan. Pengambilan
sampel dapat dilakukan dengan metode pengambilan sampel acak sederhana. Cara
untuk memilih sampel bisa dengan undian (lotre) atau menggunakan Tabel bilangan
acak. Ukuran sampel yang diambil pada peneletian ini adalah 47, 56,dan 67. Ber-
dasarkan ukuran sampel tersebut digunakan untuk penghitungan nilai dugaan total
produksi kedelai di Pulau Jawa tahun 2013 serta nilai rata-rata sesatan penduga
rasio tersebut.

4. Hasil dan Pembahasan

4.1. Penurunan Rata-rata Kuadrat Sesatan. Penduga rasio menggunakan koe-

fisien regresi, variasi variabel bantu, dan korelasi yang diusulkan Kadilar dan Chingi
[6] dinyatakan dengan ȳKCB dirumuskan sebagai berikut
ȳ + b(X̄ − x̄)
ȳKCB = (X̄ρ + CX ), (4.1)
x̄ρ + CX
dengan ȳ adalah rata-rata sampel variabel penelitian, b adalah koefisien regresi, ρ
adalah koefisien korelasi variabel bantu dan variabel penelitian, CX adalah koefisien
variasi populasi variabel bantu.
ȳ+b(X̄−x̄)
Dengan menyatakan R̂KCB = x̄ρ+CX
dan X̄KCB = (X̄ρ + CX ), maka persa-
maan (4.1) dapat ditulis menjadi

ȳKCB = R̂KCB X̄KCB , (4.2)

Berdasarkan persamaan (4.1) diperoleh RKS sebagai berikut

1−f 2
RKS(ȳKCB ) ≈ 2
(RKCB SX + SY2 [1 − ρ2 ]), (4.3)
n
3
 Penduga Rasio . . .

dengan
Ȳ ρ
RKCB = .
X̄ρ + CX
dengan f = Nn , n adalah ukuran sampel, N adalah ukuran populasi, SX
2
adalah
variansi populasi variabel bantu, SY2 adalah variansi populasi variabel penelitian.
RKS pada persamaan (4.3) diperoleh dengan menurunkan persamaan (4.1)
menggunakan pendekatan deret Taylor pada persamaan (2.1) dengan f (X̄, Ȳ ) =
RKCB dan f (x̄, ȳ) = R̂KCB sehingga diperoleh
∂ ȳ + b(X̄ − x̄) ∂ ȳ + b(X̄ − x̄)
R̂KCB ≈ RKCB + ( [ ] |X̄ Ȳ )(x̄ − X̄) + ( [ ] |X̄ Ȳ )
∂ x̄ x̄ρ + CX ∂ ȳ x̄ρ + CX
(ȳ − Ȳ )
Ȳ ρ + b(X̄ρ + CX ) ȳ − Ȳ
R̂KCB − RKCB = −( 2
)(x̄ − X̄) +
(X̄ρ + CX ) X̄ρ + CX
dengan R̂KCB − RKCB adalah sesatan. Untuk menghilangkan pengaruh tanda
positif dan negatif maka sesatan tersebut dikuadratkan sehingga diperoleh
Ȳ ρ + b(X̄ρ + CX ) ȳ − Ȳ 2
(R̂KCB − RKCB )2 ≈ (−( 2
)(x̄ − X̄) + )
(X̄ρ + CX ) X̄ρ + CX
Ȳ ρ + b(X̄ρ + CX ) 2 ȳ − Ȳ 2
= ( 2
) (x̄ − X̄)2 + ( )
(X̄ρ + CX ) X̄ρ + CX
Ȳ ρ + b(X̄ρ + CX )
−2( )(x̄ − X̄)(ȳ − Ȳ ).
(X̄ρ + CX )3
Berdasarkan sifat harga harapan matematis diperoleh rata-rata kuadrat sesatan
sebagai berikut
Ȳ ρ + b(X̄ρ + CX ) 2 ȳ − Ȳ 2
E[(R̂KCB − RKCB )2 ] ≈ E[( 2
) (x̄ − X̄)2 + ( )
(X̄ρ + CX ) X̄ρ + CX
Ȳ ρ + b(X̄ρ + CX
−2( )(x̄ − X̄)(ȳ − Ȳ )]
(X̄ρ + CX )3
Ȳ ρ + β(X̄ρ + CX ) 2 2 Sȳ2
RKS(R̂KCB ) = ( ) S x̄ +
(X̄ρ + CX )2 (X̄ρ + CX )2
Ȳ ρ + β(X̄ρ + CX )
−2( )Sx̄ȳ
(X̄ρ + CX )3

4
Penduga Rasio . . .

Berdasarkan persamaan (4.2) ȳKCB = R̂KCB X̄KCB = R̂KCB (X̄ρ + CX ) se-

hingga rata-rata kuadrat sesatan dari penduga rasio menggunakan koefisien regresi,
variasi variabel bantu, dan korelasi sebagai berikut
2
RKS(ȳKCB ) = X̄KCB RKS(R̂KCB )
Ȳ + β(X̄ρ + CX ) 2 2 Sȳ2
≈ (X̄ρ + CX )2 [( ) S x̄ +
(X̄ρ + CX )2 (X̄ρ + CX )2
Ȳ + β(X̄ρ + CX )
−2( )Sx̄ȳ ]
(X̄ρ + CX )3
1−f Ȳ ρ Ȳ ρ
= (( )2 + 2β + β 2 )SX
2
+ SY2
n X̄ρ + CX X̄ρ + CX
Ȳ ρ
−2( + β)SXY )
X̄ρ + CX
1−f
= 2
((RKCB + 2βRKCB + β 2 )SX 2
+ SY2 − 2(RKCB + β)SXY )
n
1−f 2
= 2
(RKCB SX + SY2 [1 − ρ2 ]).
n
Sehingga terbukti bahwa RKS dari penduga rasio menggunakan koefisien re-
gresi, variasi variabel bantu, dan korelasi dirumuskan
1−f 2
RKS(ȳKCB ) ≈ 2
(RKCB SX + SY2 [1 − ρ2 ]).
n
4.2. Penerapan Kasus. Penduga rasio menggunakan koefisien regresi, variasi va-
riabel bantu, dan korelasi diterapkan untuk menduga total produksi kedelai di Pulau
Jawa tahun 2013. Menurut Yamane [10] untuk menentukan ukuran sampel pada
pengambilan sampel acak sederhana untuk penduga rasio dirumuskan
n0
n= , (4.4)
1 + nN0
dengan
∑n′
z 2 ŝ2d i=1 (yi −rxi )
2
n0 = d2 ȳ
dan Ŝd2 = n′ −1
,
dengan N adalah ukuran populasi, n adalah ukuran sampel tanpa pengembalian,
n0 adalah ukuran sampel dengan pengembalian, n′ adalah ukuran sampel awal, z
adalah reliabilitas, d adalah ketelitian, ŝ2d variansi dari d, r adalah rasio sampel.
Untuk menentukan ukuran sampel yang digunakan, diambil sampel awal n′ = 100,
dengan reliabilitas z = 1, 96 dengan ketelitian yang berbeda beda yaitu 0,1; 0,11
; dan 0,12. Dari informasi variabel bantu diketahui bahwa nilai X̄ = 392, 299,
CX = 2, 01, dan ρ = 0, 969.

5
 Penduga Rasio . . .

Ukuran sampel ditentukan menggunakan persamaan (4.4) sehingga diperoleh

ukuran sampel seperti pada Tabel 1
Tabel 1. Ukuran Sampel
Ketelitian Ukuran Sampel
0, 1 67
0, 11 56
0, 12 47

Berdasarkan ukuran sampel pada Tabel 1 kemudian dilakukan pemilihan sam-

pel dengan metode pengembalian sampel acak sederhana tanpa pengembalian untuk
masing-masing ukuran sampel. Setelah dilakukan pemilihan sampel, selanjutnya di-
hitung nilai x̄, ȳ, dan b sehingga diperoleh ringkasan data sampel seperti pada Tabel
2 berikut
Tabel 2. Ringkasan Data Sampel
Ukuran Sampel x̄ ȳ b
47 421, 502 672, 278 1, 51
56 386, 216 600, 993 1, 52
67 404, 121 644, 374 1, 55

Berdasarkan ringkasan data pada Tabel 2 digunakan untuk menghitung hasil

dugaan rata-rata dan total produksi kedelai di Pulau Jawa tahun 2013 dengan pen-
duga rasio menggunakan koefisien regresi, variasi variabel bantu, dan korelasi serta
RKS nya. Hasil dugaan ditunjukkan pada Tabel 3 berikut
Tabel 3. Hasil Dugaan
Ukuran Sampel Rata-rata Total RKS
(n) produksi produksi
47 582, 386 395.440, 072 33.097, 926
56 618, 458 419.933, 96 27.383, 035
67 606, 371 411.726, 001 22.483, 203

Berdasarkan Tabel 3 dengan sampel berukuran 67 mempunyai nilai RKS ter-

kecil sehingga hasil dugaan total produksi kedelai di Pulau Jawa tahun 2013 adalah
411.726,001 ton.

6
Penduga Rasio . . .

5. Kesimpulan

Berdasarkan hasil dan pembahasan dapat disimpulkan sebagai berikut.

(1) Penduga rasio menggunakan koefisien regresi, variasi variabel bantu, dan
korelasi dirumuskan
ȳ + b(X̄ − x̄)
ȳKCB = (X̄ρ + CX ),
x̄ρ + CX
dengan rata-rata kuadrat sesatan
1−f 2
RKS(ȳKCB ) ≈ 2
(RKCB SX + SY2 [1 − ρ2 ]).
n
(2) Hasil dugaan total populasi kedelai di Pulau Jawa tahun 2013 dengan pendu-
ga rasio menggunakan koefisien regresi, variasi variabel bantu, dan korelasi
dengan sampel berukuran 67 adalah 411.726,001 ton.

DAFTAR PUSTAKA
[1] Badan Pusat Statistika. Kabupaten Dalam Angka 2014. www.bps.go.id, diakses pada 12
Februari 2015.
[2] Cochran, W. G. Sampling Techniques. John Wiley and Sons, New York, 1977.
[3] Damardjati, Dj.S. Marwoto, D. K. S. Swastika, D. M. Arsyad, Y. Hilman . Prospek dan Arah
Pengembangan Agribisnis Kedelai. Badan Litbang Pertanian, Departemen Pertanian, Jakarta,
2005.
[4] Desphande, J.V. Mathematical Analysis and Applications An Introduction. Alpha Science
International Ltd, Harrow, U.K, 2004.
[5] Kadilar, C. and H. Cingi. Ratio Estimators in Simple Random Sampling. Applied Mathematics
and Computation, 151:893–902, 2004.
[6] Kadilar, C. and H. Cingi. New Ratio Estimators using Correlation Coefficient. Inter Stat,
pages 1–11, 2006.
[7] Mendoza, O.M. Taylor Series Variance Estimation For Selected Indirect Demographic Esti-
mation. Institute of Statistics Mimeo Series, Chapel Hill, 1982.
[8] Singh, H.P. and R. Tailor. Use of Known Correlation Coefficient in Estimating the Finite
Population Mean. Statistics in Transition, 6:555–560, 2003.
[9] Wolter, K.M. Introduction to Variance Estimation. Springer-Verlag, New York, 1985.
[10] Yamane, T. Elementary Sampling Theory. Pretince Hall, USA, 1967.