Penduga Rasio Menggunakan Koefisien Regresi, Variasi Variabel Bantu, Dan Korelasi
Penduga Rasio Menggunakan Koefisien Regresi, Variasi Variabel Bantu, Dan Korelasi
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
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.
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 . . .
5
Penduga Rasio . . .
6
Penduga Rasio . . .
5. Kesimpulan
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.