MAKALAH

TEKNIK PENENTUAN UKURAN CONTOH MELALUI PENDUGA RASIO,

PENDUGA BEDA, DAN PENDUGA REGRESI

Disusun Untuk Memenuhi Tugas Mata Kuliah Teknik Sampling dan Survei
Dosen Pengampu: Prof. Dr. Ir. Ni Wayan Surya Wardhani, M. S.

Disusun Oleh:
Kelompok 7
Ananda Nur Zahra Salsabila (215090507111024)
Natalia Ayubita Prameswari (215090507111025)
Shifa Ainun Azzahra (215090507111030)

PROGRAM STUDI SARJANA STATISTIKA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
KOTA MALANG
2023
A. Definisi dan Konsep
Penentuan ukuran contoh melalui penduga rasio, penduga beda, dan penduga
regresi adalah metode statistik yang digunakan untuk menghitung ukuran sampel yang
diperlukan dalam penelitian. Perbedaan yang signifikan antara tiga metode penentuan
ukuran contoh (penduga rasio, penduga beda, dan penduga regresi) dapat terletak pada
penggunaannya yang sangat bergantung pada jenis penelitian, pertanyaan penelitian,
dan asumsi-asumsi yang digunakan. Berikut adalah beberapa perbedaan signifikan
antara ketiganya:
1. Tujuan Penelitian:
- Penduga Rasio: Digunakan ketika penelitian bertujuan untuk
mengestimasi proporsi atau rasio dalam populasi.
- Penduga Beda: Cocok untuk penelitian yang ingin membandingkan dua
kelompok atau mengukur perbedaan antara kondisi.
- Penduga Regresi: Digunakan ketika penelitian ingin mengevaluasi
hubungan antara beberapa variabel.
2. Jenis Data:
- Penduga Rasio: Cocok untuk data kategorikal yang melibatkan proporsi
atau rasio.
- Penduga Beda: Digunakan untuk data yang melibatkan perbedaan antara
dua kelompok atau kondisi.
- Penduga Regresi: Cocok untuk data kontinu dan analisis hubungan
antara variabel-variabel tersebut.
3. Asumsi Statistik:
- Penduga Rasio: Bergantung pada asumsi bahwa rasio populasi konstan
di seluruh populasi.
- Penduga Beda: Memerlukan asumsi tentang variasi di antara kelompok
yang dibandingkan.
- Penduga Regresi: Bergantung pada asumsi tentang hubungan linier
antara variabel-variabel yang diteliti.
4. Kompleksitas Analisis:
- Penduga Rasio dan Penduga Beda: Lebih sederhana dan kurang
kompleks dalam perhitungannya.
- Penduga Regresi: Lebih kompleks dan memerlukan pemahaman
statistik yang lebih mendalam.
B. Penentuan Ukuran Contoh
1. Penduga Rasio
Pada pendugaan rata-rata dan total populasi yang didasarkan pada sampel respon
pengukuran suatu peubah sebut saja y1, y2, ..., yn yang diperoleh melalui penarikan
sampel acak sederhana atau acak berlapis. Seringkali terdapat peubah lain yang
berkorelasi erat dengan peubah respon y, melalui pengukuran peubah y dan satu
atau lebih peubah tambahan akan diperoleh tambahan informasi untuk pendugaan
nilai rata-rata. Metode pendugaan yang didasarkan pada penggunaan peubah
tambahan sebut saja X disebut sebagai pendugaan rasio. Metode ini membutuhkan
pengukuran dari dua peubah Y dan X pada setiap unit (satuan) dari sampel dan
dapat digunakan dengan berbagai jenis penarikan sampel. Dalam kasus ini
digunakan pendugaan rasio untuk sampel acak sederhana.

a. Penduga Rasio pada Penarikan Contoh Acak Sederhana (PCAS)

Salah satu metode untuk membentuk penduga rasio dalam contoh acak
sederhana berukuran n akan diambil dari populasi berhingga yang
mengandung N elemen. Kemudian, populasi 𝜇𝑦 , total 𝜏𝑦 , atau rasio R
diperkirakan menggunakan informasi sampel pada Y dan variable
tambahan. Berikut merupakan pendugaan-pendugaan pada PCAS :
Penduga rasio R
𝑦
∑𝑛𝑖=1 𝑖
𝑅̂ = 𝑛 = 𝑦̅
𝑥 𝑥̅
∑𝑛𝑖=1 𝑖
𝑛

Penduga ragam dari R

∑𝑛𝑖=1 𝑦𝑖 𝑛 1 𝑠𝑟2
𝑉̂ (𝑅) = 𝑉̂ ( ) = (1 − ) ( 2 )
∑𝑛𝑖=1 𝑥𝑖 𝑁 𝜇𝑋 𝑛

di mana
∑𝑛𝑖=1(𝑦𝑖 − 𝑟𝑥𝑖 )2
𝑠𝑟2 =
𝑛−1
Penduga rasio rata-rata populasi 𝝁
̂𝒚
 ∑𝑛𝑖=1 𝑦𝑖
𝜇̂ 𝑦 = (𝜇 ) = 𝑅𝜇𝑥
∑𝑛𝑖=1 𝑥𝑖 𝑥

Penduga ragam dari rata-rata populasi 𝝁

̂𝒚
2
𝑛 𝑠
𝑉̂ (𝜇̂ 𝑦 ) = 𝜇𝑋2 𝑉̂ (𝑅) = (1 − 𝑁) 𝑛𝑅

Penduga rasio total populasi 𝝉̂𝒚

∑𝑛𝑖=1 𝑦𝑖
𝜏̂𝑦 = 𝑛 (𝜏 ) = 𝑅̂ 𝜏𝑥
∑𝑖=1 𝑥𝑖 𝑥
Penduga ragam total populasi 𝝉̂𝒚
𝑛 1 𝑠𝑅2
𝑉̂ (𝜏̂𝑦 ) = (𝜏𝑥 )2 𝑉̂ (𝑅) = (𝑁𝜇𝑥 )2 (1 − ) ( 2 )
𝑁 𝜇𝑋 𝑛
𝑛 𝑠𝑅2
= 𝑁 2 (1 − )
𝑁 𝑛

Kesalahan Penduga

𝑛 1 𝑠𝑟2
2√𝑉̂ (𝑟) = 2√(1 − ) ( 2 )
𝑁 𝑥̅ 𝑛

Batas Kesalahan Penduga

𝑁 − 𝑛 1 ∑𝑛𝑖=1(𝑦𝑖 − 𝑅𝑥𝑖 )2
𝐵 = 2√𝑉̂ (𝜏̂𝑦 ) = 2√𝜏𝑥2 [ ] [ 2]
𝑛𝑁 𝜇𝑋 𝑛−1

Keterangan:
𝑦𝑖 ∶ 𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦
𝑥𝑖 ∶ 𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥
𝑛 ∶ 𝑢𝑘𝑢𝑟𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙
𝑁 ∶ 𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
𝑟 ∶ 𝑟𝑎𝑠𝑖𝑜 𝑦 𝑏𝑎𝑛𝑑𝑖𝑛𝑔 𝑥
𝑠𝑟2 ∶ 𝑟𝑎𝑔𝑎𝑚 𝑠𝑎𝑚𝑝𝑒𝑙 𝑏𝑎𝑔𝑖 𝑟𝑎𝑠𝑖𝑜
𝜇𝑥 ∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥
𝜇𝑦 ∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦
𝜏𝑥 ∶ 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥
 𝜏𝑦 ∶ 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦

Contoh Soal 1
Survei perumahan penduduk pemerintah AS mengawasi banyak aspek
dari karakteristik perumahan di Amerika termasuk biaya bulanan untuk
kepemilikan rumah dan nilai rumah. Salah satu aspek survei melacak 47
metropolitan statistical area (MSA) dari waktu ke waktu dengan mengambil
sampel setiap empat tahun atau lebih. Survei untuk tahun 2002 mengambil
13 sampel MSA yang tercantum dalam Tabel 6.1 dan juga tercantum biaya
bulanan khas kepemilikan rumah (tidak termasuk pemeliharaan) untuk
tahun 2002 dan 1994 serta nilai-nilai khas rumah di dua tahun itu. Dari data
disamping carilah R, rasio rata-rata biaya bulanan tipikal untuk tahun 2002
dibandingkan dengan tahun 1994 untuk semua 47 MSA dan hitung
kesalahan penduganya!

Pembahasan
Penduga rasio R
𝑦̅ 901,5
𝑅̂ = = = 1,296
𝑥̅ 695,8

Kesalahan Penduga

𝑛 1 𝑠𝑟2
2√𝑉̂ (𝑟) = 2√(1 − ) ( 2 )
𝑁 𝑥̅ 𝑛
 13 1 (67,8)2
= 2√(1 − )( ) = 2(0,023) = 0,046
47 695,82 13

Sehingga didapatkan nilai rasio rata-rata biaya bulanan tahun 2002

dengan 1994 adalah 1,296 yang berarti rata-rata biaya bulanan pada
tahun 2002 lebih tinggi sekitar 1,3 kali dari tahun 1994 dengan
kesalahan penduga sebesar ±0,046
Contoh Soal 2
Jeruk Berat Jeruk (X) Kandungan Gula (Y)
1 0,40 0,021
2 0,48 0,030
3 0,43 0,025
4 0,42 0,022
5 0,50 0,033
6 0,46 0,027
7 0,39 0,019
8 0,41 0,021
9 0,42 0,023
10 0,44 0,025
𝟏𝟎 𝟏𝟎

∑ 𝟒, 𝟑𝟓 ∑ 𝟎, 𝟐𝟒𝟔
𝑿=𝟏 𝒀=𝟏

Sebuah survey dilakukan ubtuk menduga jumlah gula yang terkandung

dalam satu truk jeruk. Sampel acak sebanyak 10 jerus diambil dan diukur
jumlah gula yang terkandung di dalamnya. Berat seluruh jeruk dalam
satu truk besar 1800 pon. Dugalah total gula yang terkandung dalam satu
truk jeruk dan bound of errornya!
Pembahasan
Penduga rasio total populasi 𝜏̂ 𝑦
∑𝑛𝑖=1 𝑦𝑖 0,246
𝜏̂ 𝑦 = 𝑟𝜏𝑥 = 𝑛 (𝜏𝑥 ) = (1800) = 101,79 𝑝𝑜𝑢𝑛𝑑𝑠
∑𝑖=1 𝑥𝑖 4,35
Batas Kesalahan penduga total populasi 𝜏̂ 𝑦

𝑁 − 𝑛 1 ∑𝑛𝑖=1(𝑦𝑖 − 𝑟𝑥𝑖 )2
𝐵 = 2√𝑉̂ (𝜏̂ 𝑦 ) = 2√𝜏𝑥2 [ ] [ 2]
𝑛𝑁 𝜇𝑋 𝑛−1
 1800 − 10 1 0,000052285
= 2√18002 [ ][ ] = 6,3
10(1800) 0,4352 9

Sehingga diperoleh estimasi total kandungan gula pada jeruk adalah 101,79
pound dengan batas kesalahan penduga sebesar ±6,3

Menentukan ukuran sampel

Kita dapat menentukan jumlah pengamatan n yang diperlukan untuk
memperkirakan rata-rata populasi 𝝁𝒚 , dengan terikat pada kesalahan
estimasi besarnya B. Ukuran sampel yang diperlukan dapat ditemukan
dengan memecahkan persamaan berikut :

𝟐√𝑽̂ (𝝁
̂𝒚) = 𝑩

Solusinya, untuk ukuran sampel yang diperlukan untuk mengestimasi

𝝁𝒚 dengan batas kesalahan perkiraan B :
𝑵𝝈𝟐
𝒏=
𝑵𝑫 + 𝝈𝟐
Di mana :
𝑩𝟐
𝑫=
𝟒
Tidak perlu mengetahui nilai 𝝁𝒙 untuk menentukan n, namun
dibutuhkan perkiraan 𝝈𝟐
Contoh soal
 Seorang penyelidik ingin memperkirakan rata-rata jumlah pohon (𝜇𝑦 )
per hektar pada N=1000. Penyelidik itu berencana untuk mengambil
sampel n 1 hektar plot dan menghitung jumlah pohon (y) pada setiap
plot. Tentukan ukuran sampel yang diperlukan untuk menduga 𝜇𝑦
dengan batas kesalahan B=1,0
∑10
𝑖=1 𝑦𝑖 221
𝑟 = 10 = = 1,06
∑𝑖=1 𝑥𝑖 208

2
∑𝑛𝑖=1(𝑦𝑖 − 𝑟𝑥𝑖 )2 ∑10
𝑖=1(𝑦𝑖 − 𝑟𝑥𝑖 )
2
𝜎 = = = 4,20
𝑛−1 10 − 1
Menentukan n
𝑁𝜎2 1000(4,20)
𝑛= = 1000(0,25)+4,20 = 16,53 ≈ 17
𝑁𝐷+ 𝜎2

Jadi ukuran sampel yang diperlukan untuk menduga 𝜇𝑦 dengan B=1

adalah 17

b. Penduga Rasio pada Penarikan Contoh Berlapis

Salah satu metode untuk membentuk penduga rasio dalam contoh acak
berlapis yaitu dengan memperkirakan rasio 𝜇𝑦 terhadap 𝜇𝑥 pada setiap
strata kemudian membentuk rata-rata secara terpisah.
Penduga rasio pada PCAB Terpisah

Penduga Rasio ke i
𝑦̅𝑖
𝑅̂𝑖 =
𝑥̅𝑖
Penduga ragam rasio ke-i
𝑛 𝑅 𝑠2
𝑉̂ (𝑅̂𝑖 ) = (1 − 𝑁𝑖 ) 𝜇2 𝑖𝑛
𝑖 𝑥,𝑖 𝑖

Di mana
∑𝑛𝑗=1
𝑖
(𝑦𝑖 − 𝑅̂𝑖 𝑥𝑖𝑗 )2
𝑠𝑅2𝑖 = =
𝑛−1
Rasio terpisah
𝐿
𝑁𝑖
𝑅̂ ̂
𝑆𝑅 = ∑ ( ) (𝑅𝑖 )
𝑁
𝑖=1

Ragam rasio terpisah

 𝐿 2
1 𝑁𝑖 2 𝑛𝑖 𝑠𝑅𝑆𝑅,𝑖
̂ ̂
𝑉 (𝑅𝑆𝑅 ) = 2 ∑ ( ) (1 − )
𝜇𝑥 𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

Di mana
∑𝑛𝑗=1
𝑖
(𝑦𝑖𝑗 − 𝑅̂
𝑆𝑅 𝑥𝑖𝑗 )
2
𝑠𝑅2𝑆𝑅,𝑖 =
𝑛−1
Penduga rata-rata populasi
𝐿
𝑁𝑖 𝑦̅𝑖
𝜇̂ 𝑦,𝑆𝑅 = ∑ 𝜇𝑥,𝑖
𝑁 𝑥̅ 𝑖
𝑖=1

Penduga ragam rata-rata populasi

𝐿
𝑁𝑖 2 𝑛𝑖 𝑠𝑅2𝑖
𝑣𝑎𝑟(𝜇̂ 𝑦,𝑆𝑅 ) = ∑ ( ) (1 − )
𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

Penduga rasio total populasi terpisah

𝜏̂ 𝑦 = 𝑁𝜇̂ 𝑦,𝑆𝑅
Penduga ragam total populasi terpisah
𝑉̂ (𝜏̂ 𝑦 ) = (𝜏𝑋 )2 𝑉̂ (𝑅̂
𝑆𝑅 )

Penduga rasio pada PCAB Kombinasi

Penduga rasio kombinasi
𝑦̅𝑠𝑡
𝑅̂𝑖 =
𝑥̅𝑠𝑡
Penduga ragam rasio
𝐿 2
1 𝑁𝑖 2 𝑛𝑖 𝑠𝑅𝐶𝑅,𝑖
𝑉̂ (𝑅̂
𝐶𝑅 ) = ∑ ( ) (1 − )
𝜇𝑥2 𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

Di mana
∑𝑛𝑗=1
𝑖
(𝑦𝑖𝑗 − 𝑅̂
𝐶𝑅 𝑥𝑖𝑗 )
2
𝑠𝑅2𝐶𝑅,𝑖 =
𝑛−1
Penduga rata-rata populasi
𝑦̅𝑠𝑡
𝜇̂ 𝑦,𝐶𝑅 = 𝜇
𝑥̅ 𝑠𝑡 𝑥
Penduga ragam rata-rata populasi
𝐿
𝑁𝑖 2 𝑛𝑖 𝑠𝑅2𝐶𝑅
𝑣𝑎𝑟(𝜇̂ 𝑦,𝐶𝑅 ) = ∑ ( ) (1 − )
𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

Penduga rasio total populasi kombinasi

 𝜏̂𝑦 = 𝑁𝜇̂ 𝑦,𝐶𝑅
Penduga ragam total populasi kombinasi
𝑉̂ (𝜏̂𝑦 ) = (𝜏𝑋 )2 𝑉̂ (𝑅̂
𝐶𝑅 )

Keterangan
𝑦̅𝑠𝑡 ∶ 𝑝𝑒𝑛𝑑𝑢𝑔𝑎 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦 𝑢𝑛𝑡𝑢𝑘 𝑃𝐶𝐴𝐵
𝑥̅𝑠𝑡 ∶ 𝑝𝑒𝑛𝑑𝑢𝑔𝑎 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥 𝑢𝑛𝑡𝑢𝑘 𝑃𝐶𝐴𝐵
𝑛 ∶ 𝑢𝑘𝑢𝑟𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙
𝑁 ∶ 𝑢𝑘𝑢𝑟𝑎𝑛 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
𝑟 ∶ 𝑟𝑎𝑠𝑖𝑜 𝑦 𝑏𝑎𝑛𝑑𝑖𝑛𝑔 𝑥
𝑠𝑟2 ∶ 𝑟𝑎𝑔𝑎𝑚 𝑠𝑎𝑚𝑝𝑒𝑙 𝑏𝑎𝑔𝑖 𝑟𝑎𝑠𝑖𝑜
𝜇𝑥 ∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥
𝜇𝑦 ∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦
𝜏𝑥 ∶ 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑥
𝜏𝑦 ∶ 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑎𝑔𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑦

Berdasarkan contoh 6.4, terdapat 10 observasi mengenai jam kerja karyawan

yang berkurang akibat sakit sebagai sampel acak dari perusahaan A. Diperoleh
nilai 𝑛𝐴 = 10 , 𝑁𝐴 = 1000, dan 𝜏𝑋𝐴 = 16.300. Sementara itu sampel acak pada
perusahaan B memiliki 𝑛𝐵 = 10, 𝑁𝐵 = 1500, dan 𝜏𝑋𝐵 = 12.800. Temukan penduga
rasio terpisah dan kombinasi serta nilai variansnya!
𝑛𝐴 = 10 𝑁𝐴 = 1000 𝜏𝑋𝐴 = 16.300 𝑦̅𝐴=18,7 𝑥̅𝐴=17,8
𝑛𝐵 = 10 𝑁𝐵 = 1500 𝜏𝑋𝐵 = 12.800 𝑦̅𝐵=4,63 𝑥̅𝐵=7,8
Pembahasan
PCAB terpisah
𝐿
𝑁𝑖 𝑦̅𝑖 𝑁𝐴 𝑦̅𝐴 𝑁𝐵 𝑦̅𝐵
𝜇̂ 𝑦,𝑆𝑅 = ∑ 𝜇𝑥,𝑖 = ( ) ( ) 𝜇𝑥,𝐴 + ( ) ( ) 𝜇𝑥,𝐵
𝑁 𝑥̅𝑖 𝑁 𝑥̅𝐴 𝑁 𝑥̅𝐵
𝑖=1

1000 18,7 1500 4,6

= ( )( ) 16,3 + ( ) ( ) 9,87
2500 17,8 2500 7,8
𝐿
𝑁𝑖 2 𝑛𝑖 𝑠𝑅2𝑖
𝑣𝑎𝑟(𝜇̂ 𝑦,𝑆𝑅 ) = ∑ ( ) (1 − )
𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

𝑁𝐴 2 𝑛𝐴 𝑠𝑅2 𝑁𝐵 2 𝑛𝐵 𝑠𝑅2
=( ) (1 − ) 𝐴 + ( ) (1 − ) 𝐵
𝑁 𝑁𝐴 𝑛𝐴 𝑁 𝑁𝐵 𝑛𝐵
 1000 2 10 (1,86)2 1500 2 10 (3,12)2
= (2500) (1 − 1000) + (2500) (1 − 1500) = 0,403
10 10

PCAB kombinasi
Penduga rata-rata populasi
𝑦̅𝑠𝑡 = (0,4)(18,7) + (0,6)(4,6) = 10,24
𝑥̅𝑠𝑡 = (0,4)(17,8) + (0,6)(7,8) = 11,80
16300 + 12800
𝜇𝑥 = = 11,64
2500
𝑦̅𝑠𝑡 10,24
𝜇̂ 𝑦,𝐶𝑅 = 𝜇𝑥 = (11,64) = 10,10
𝑥̅𝑠𝑡 11,8
Penduga ragam rata-rata populasi

𝐿
𝑁𝑖 2 𝑛𝑖 𝑠𝑅2
𝑣𝑎𝑟(𝜇̂ 𝑦,𝐶𝑅 ) = ∑ ( ) (1 − ) 𝐶𝑅
𝑁 𝑁𝑖 𝑛𝑖
𝑖=1

1000 2 10 17,456 1500 2 10 21,259

=( ) (1 − ) +( ) (1 − )
2500 1000 10 2500 1000 10
= 1,0367

Kelebihan dan Kekurangan Penduga Rasio

Kelebihan:
1. Efisien: Metode ini dapat menghasilkan ukuran contoh yang lebih kecil jika
perbandingan yang tepat antara dua variabel ditemukan.
2. Berguna untuk data kategorikal: Cocok untuk data yang melibatkan proporsi
atau rasio, seperti data biner (ya/tidak) atau data kategori.
Kekurangan:
1. Bergantung pada asumsi: Bergantung pada asumsi bahwa rasio populasi
konstan di seluruh populasi.
2. Tidak cocok untuk data kontinu: Tidak cocok jika data Anda bersifat kontinu.
2. Penduga Beda
Penduga beda merupakan metode pendugaan yang dirancang dengan
menggunakan variabel tambahan (auxiliary variable) x yang berkorelasi dengan
variabel y. Ada hal yang membedakan antara penduga rasio dengan penduga beda
. Dalam penduga rasio, garis liniernya melalui titik origin (0,0), sedangkan
penduga beda tidak melalui titik origin (0,0). Metode penduga beda mirip dengan
metode penduga regresi karena menyesuaikan nilai 𝑦 naik atau turun tergantung

pada (𝜇𝑥 − 𝑥) namun tidak dihitung, akibatnya b akan bernilai sama. Penduga
beda digunakan ketika ingin menentukan ukuran contoh untuk mengukur
perbedaan atau perubahan antara dua kelompok atau kondisi.

Kelebihan:
1. Cocok untuk perbandingan: Digunakan ketika Anda ingin membandingkan
dua kelompok atau kondisi, seperti eksperimen kontrol vs. eksperimen
perlakuan.
2. Memberikan estimasi perbedaan yang akurat.
Kekurangan:
1. Tidak cocok untuk estimasi proporsi atau rasio.
2. Memerlukan informasi awal tentang variasi di antara kelompok yang
dibandingkan.

Rumus-Rumus
Penduga beda bagi rata-rata populasi :
𝜇̂
𝑦𝐷 = 𝑦 + (𝜇𝑥 − 𝑥) = 𝜇𝑥 + 𝑑

Penduga Ragam :
𝑛 2
𝑁−𝑛 ∑𝑖=1 (𝑑𝑖 −𝑑)
𝑉̂ (𝜇̂
𝑦𝐷 ) = [ 𝑛𝑁 ] 𝑛−1
dimana 𝑑𝑖 = 𝑦𝑖 - 𝑥𝑖

Selang Kepercayaan bagi μ :

̂ 𝑦𝐷 )
𝑦𝐷 土 𝑡 √𝑉 (𝜇̂
𝜇̂ ∝
2

Batas kesalahan penduga :

B = 2√𝑉̂ (𝜇̂
𝑦𝐷 )
Keterangan :
N = Banyak populasi
n = Banyak sampel
𝑦 = Rata-rata sampel y

𝑥 = Rata-rata sampel x
𝜇𝑥 = Rata-rata populasi x
𝜇̂
𝑦𝐷 = Penduga beda bagi rata-rata populasi y

𝑉̂ (𝜇̂
𝑦𝐷 ) = Penduga ragam bagi 𝜇𝑦𝐷
̂

Contoh Soal :
Seorang peneliti memiliki koloni tikus yang telah dikenai obat standar. Rata-
rata lama waktu untuk melewati labirin dengan benar di bawah pengaruh obat
standar ditemukan dalam hitungan detik. Peneliti mengambil sampel dari 763
populasi tikus secara acak sebanyak 11 tikus untuk obat baru dengan nilai 𝜇𝑥 =
17,2. Perkirakan waktu (detik) rata-rata yang diperlukan tikus untuk melewati
labirin di bawah pengaruh obat yang baru.

Waktu tikus melewati labirin Waktu tikus melewati labirin

No dengan pengaruh obat standar dengan pengaruh obat yang baru

1 14,3 15,2

2 15,7 16,1

3 17,8 18,1

4 17,5 17,6

5 13,2 14,5

6 18,8 19,4

7 17,6 17,5

8 14,3 14,1

9 14,9 15,2

10 17,9 18,1

11 19,2 19,5
Jawab :

No Waktu tikus Waktu tikus 𝒅𝒊 𝒅𝒊 − 𝒅 (𝒅𝒅

melewati labirin melewati labirin
dengan pengaruh dengan pengaruh − 𝒅𝒃𝒂𝒓)𝟐
obat standar obat baru

1 14,3 15,2 0,9 0,527273 0,278016529

2 15,7 16,1 0,4 0,027273 0,000743802

3 17,8 18,1 0,3 -0,07273 0,005289256

4 17,5 17,6 0,1 -0,27273 0,074380165

5 13,2 14,5 1,3 0,927273 0,859834711

6 18,8 19,4 0,6 0,227273 0,051652893

7 17,6 17,5 -0,1 -0,47273 0,223471074

8 14,3 14,1 -0,2 -0,57273 0,328016529

9 14,9 15,2 0,3 -0,07273 0,005289256

10 17,9 18,1 0,2 -0,017273 0,029834711

11 19,2 19,5 0,3 -0,07273 0,005289256

Jumlah 181,2 185,3 4,1 - 1,861818182
Rata-rata 16,47272727 16,84545455 0,373
Diketahui : N = 763 𝑑 = 0,372727
n = 11 ∑11
𝑖=1 (𝑑𝑖 − 𝑑 )2 = 1,86181818
𝜇𝑥 = 17,2

Penduga beda bagi rata-rata populasi :

𝜇̂
𝑦𝐷 = 𝑦 + (𝜇𝑥 − 𝑥) = 𝜇𝑥 + 𝑑

= 17,2 + 0,372727 = 17,572727

Penduga ragam :
𝑛 2
𝑁−𝑛 ∑𝑖=1 (𝑑𝑖 −𝑑)
𝑉̂ (𝜇̂
𝑦𝐷 ) = [ 𝑛𝑁 ] 𝑛−1
763 − 11 1,86181818 753 1,86181818
= [ 11(763) ] 11−1
= [8393] 10
= 0,016682
 Batas kesalahan penduga :

B = 2√𝑉̂ (𝜇̂
𝑦𝐷 ) = 2√0,016682 = 0,258315

Selang kepercayaan :

̂ 𝑦𝐷 ) = 17,57273 土 2,228 √0,016682

𝑦𝐷 土 𝑡 √𝑉 (𝜇̂
𝜇̂ ∝
2

= 17,28496 < 𝜇̂
𝑦𝐷 < 17,8605

Kesimpulan :
Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa rata-rata waktu
tikus sebanyak 725 tikus melewati labirin pada pengaruh obat baru di antara
17,28 detik sampai 17,86 detik. 2,5% sebanyak 19 tikus melewati labirin pada
pengaruh obat ≤ 17,28 detik sedangkan 2,5% lainnya melewati labirin pada
pengaruh obat ≥ 17,86 detik.

3. Penduga Regresi
Penduga regresi adalah metode estimasi yang dirancang dengan
menggunakan variabel tambahan yaitu variabel x yang berkorelasi dengan variabel
y. Apabila diketahui hubungan linier antara x dan y yang diamati, tetapi garis linier
tidak harus melewati titik asal (0,0), maka informasi tambahan yang diberikan oleh
variabel x dapat diperhitungkan melalui penduga regresi dari 𝜇𝑦 . Pada pendugaan

regresi bagi 𝜇𝑦 , harus diketahui informasi tentang 𝜇𝑥 .

Garis yang menujukkan hubungan dasar antara nilai y dan x disebut sebagai
garis regresi. Pembentukan garis regresi dilakukan ketika sekumpulan pasangan
data (x,y) menggunakan metode kuadrat terkecil (MKT) menghasilkan bentuk
persamaan regresi sebagai berikut.
𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖
dimana a adalah intersep dan b adalah slope. Untuk menentukan nilai a dapat
dihitung menggunakan rumus:
𝑎 = 𝑦 − 𝑏𝑥

Dengan mensubstitusikan a ke dalam persamaan regresi, maka diperoleh

𝑦̂𝑖 = 𝑦 + 𝑏(𝑥𝑖 − 𝑥)
Sehingga, persamaan tersebut dapat digunakan untuk memperkirakan atau
mengestimasi nilai rata-rata y untuk setiap nilai x.
 Pada pendugaan regresi mengasumsikan nilai x sudah ditetapkan terlebih
dahulu dan nilai y merupakan variabel acak. Suatu nilai x dinyatakan sebagai
sesuatu yang sudah ada ataupun sudah dapat diperkirakan berdasarkan hasil tahun
sebelumnya.

Kelebihan:
1. Cocok untuk analisis hubungan kompleks sehingga bermanfaat untuk
mengevaluasi hubungan antara beberapa variabel.
2. Dapat memberikan estimasi lebih akurat jika hubungan yang kompleks terjadi
di antara variabel.
Kekurangan:
1. Memerlukan pemahaman statistik yang kuat dan mungkin perangkat lunak
statistik.
2. Memerlukan data tambahan tentang variabel yang berhubungan.

Rumus-rumus
● Penduga regresi bagi rata-rata populasi 𝜇𝑦

𝜇̂ 𝑦 = 𝑦 + 𝑏(𝜇𝑥 − 𝑥)

∑𝑛
𝑖=1 (𝑦𝑖 −𝑦)(𝑥𝑖 −𝑥)
dimana, 𝑏 = 2
∑𝑛
𝑖=1 (𝑥𝑖 −𝑥)

● Penduga ragam bagi 𝜇̂ 𝑦

𝑛 𝑀𝑆𝐸
𝑉̂ (𝜇̂ 𝑦𝐿 ) = (1 − ) ( )
𝑁 𝑛
2 2
∑𝑛
𝑖=1 (𝑦𝑖 −𝑦) −𝑏2 ∑𝑛
𝑖=1 (𝑥𝑖 −𝑥)
MSE = 𝑛−2

● Batas kesalahan penduga (Bound of error)

𝐵 = 2√𝑉̂ (𝜇̂ 𝑦𝐿 )

● Selang kepercayaan (1 − 𝛼) bagi nilai tengah populasi 𝜇𝑦

̂ (𝜇̂ 𝑦𝐿 )
𝜇̂ 𝑦𝐿 ± 𝑡(𝛼,𝑛−2) √𝑉
2
Keterangan:
N : Banyaknya populasi
n : Banyaknya sampel
𝑦 : Rata-rata sampel y

𝑥 : Rata-rata sampel x
𝜇𝑥 : Rata-rata populasi x
𝜇̂ 𝑦𝐿 : Penduga regresi bagi rata-rata populasi y

𝑉̂ (𝜇̂ 𝑦𝐿 ) : Penduga ragam bagi 𝜇̂ 𝑦𝐿

MSE : Mean Square Error

Contoh Soal
Pada suatu pengamatan dilakukan pada 486 siswa untuk mengetahui nilai akhir
pada semester 5. Dari pengamatan tahun-tahun sebelumnya, lama belajar
mahasiswa yaitu (𝜇𝑥 ) = 19. Untuk menduga nilai akhir mahasiswa tahun ini,
diambil contoh acak sebanyak n=10 siswa yang terpilih dan dilihat perkembangan
mahasiswa melalui nilai akhir. Dengan hasil pengamatan adalah sebagai berikut.

Mahasiswa Jam Belajar Nilai Akhir

1 21 85

2 25 91

3 18 78

4 18 80

5 20 82

6 19 82

7 26 94

8 15 77

9 19 86

10 22 88
1. Menentukan penduga regresi bagi rata-rata populasi 𝜇𝑦

𝜇̂ 𝑦𝐿 = 𝑦 + 𝑏(𝜇𝑥 − 𝑥)

● Menghitung nilai b:
∑𝑛
𝑖=1 (𝑦𝑖 −𝑦)(𝑥𝑖 −𝑥) 158,1
𝑏= 2 = = 1,58
∑𝑛 (𝑥𝑖 −𝑥) 100,1
𝑖=1

● Penduga Regresi bagi rata-rata populasi

maka, 𝜇̂ 𝑦𝐿 = 𝑦 + 𝑏(𝜇𝑥 − 𝑥)

𝜇̂ 𝑦𝐿 = 84,3 + 1,58(19 − 20,3)

𝜇̂ 𝑦𝐿 = 82,246

Dapat disimpulkan bahwa pendugaan jumlah sebagian besar nilai akhir

mahasiswa sebesar 82,246
2. Menentukan penduga ragam bagi 𝜇̂ 𝑦
𝑛 𝑀𝑆𝐸
𝑉̂ (𝜇̂ 𝑦𝐿 ) = (1 − ) ( )
𝑁 𝑛
● Menghitung nilai MSE
2 2
∑𝑛
𝑖=1 (𝑦𝑖 −𝑦) −𝑏2 ∑𝑛
𝑖=1 (𝑥𝑖 −𝑥)
MSE =
𝑛−2
278,1−(1,58)2 (100,1)
=
10−2
= 3,526
● Penduga ragam
𝑛 𝑀𝑆𝐸
𝑉̂ (𝜇̂ 𝑦𝐿 ) = (1 − ) ( )
𝑁 𝑛
10 3,526
= (1 − )( )
468 10

= 0,345
Disimpulkan bahwa nilai penduga ragam sebesar 0,345 sehingga dalam
populasi cenderung memiliki tingkat keseragaman yang tinggi dan estimasi yang
digunakan menggambarkan karakteristik populasi.
3. Menentukan batas kesalahan penduga

𝐵 = 2√𝑉̂ (𝜇̂ 𝑦𝐿 )

= 2√0,345
= 1,175
4. Selang kepercayaan (1 − 𝛼) bagi nilai tengah populasi 𝜇𝑦

̂ (𝜇̂ 𝑦𝐿 )
𝜇̂ 𝑦𝐿 ± 𝑡(𝛼,𝑛−2) √𝑉
2

82,246 ± 𝑡(0.025,8) √0,345

82,246 ± 2,306√0,345
82,246 ± 1,354
Maka, dengan tingkat kepercayaan 95% dapat disimpulkan bahwa sebagian
besar nilai akhir mahasiswa berada pada selang 80,89 sampai 83,60
 RESUME
TEKNIK PENENTUAN UKURAN CONTOH MELALUI PENDUGA RASIO,
PENDUGA BEDA, DAN PENDUGA REGRESI
PENDUGA RASIO
Penduga rasio (ratio estimator) adalah suatu metode estimasi yang memanfaatkan hubungan yang kuat
antara variabel pendukung (Xi ) dengan variabel yang diteliti (Yi ) dengan tujuan untuk meningkatkan
efisiensi perkiraan
PCAS PCAB
Penduga rasio R
𝑦 Penduga Rasio ke i
∑𝑛𝑖=1 𝑖 𝑦̅𝑖
̂
𝑅= 𝑛 = 𝑦̅ 𝑅̂𝑖 =
𝑛 𝑥𝑖 𝑥̅ 𝑥̅𝑖
∑𝑖=1
𝑛

Penduga ragam dari R Penduga ragam rasio ke-i

∑𝑛𝑖=1 𝑦𝑖 𝑛 1 𝑠𝑟2 𝑛
2
𝑠𝑅
𝑉̂ (𝑅) = 𝑉̂ ( 𝑛 ) = (1 − ) ( 2 ) 𝑉̂ (𝑅̂𝑖 ) = (1 − 𝑖 ) 2 𝑛
𝑖
∑𝑖=1 𝑥𝑖 𝑁 𝜇𝑋 𝑛 𝑁𝑖 𝜇𝑥,𝑖 𝑖

di mana Di mana
𝑛𝑖
∑𝑛𝑖=1(𝑦𝑖 − 𝑟𝑥𝑖 )2 ∑𝑗=1 (𝑦𝑖 − 𝑅̂𝑖 𝑥𝑖𝑗 )2
𝑠𝑟2 = 𝑠𝑅2𝑖 = =
𝑛−1 𝑛−1

Penduga rasio rata-rata populasi 𝜇̂ 𝑦 Rasio terpisah

𝐿
𝑁𝑖
∑𝑛𝑖=1 𝑦𝑖 𝑅̂ ̂
𝑆𝑅 = ∑ ( ) (𝑅𝑖 )
𝜇̂ 𝑦 = (𝜇𝑥 ) = 𝑅𝜇𝑥 𝑁
∑𝑛𝑖=1 𝑥𝑖 𝑖=1

Ragam rasio terpisah

𝐿
Penduga ragam dari rata-rata populasi 𝜇̂ 𝑦 1 𝑁𝑖 2 𝑛𝑖 𝑠𝑅𝑆𝑅,𝑖
2
𝑛 2
𝑠𝑅 𝑉̂ (𝑅̂
𝑆𝑅 ) = ∑ ( ) (1 − )
𝑉̂ (𝜇̂ 𝑦 ) = 𝜇𝑋2 𝑉̂ (𝑅) = (1 − ) 2
𝜇𝑥 𝑁 𝑁𝑖 𝑛𝑖
𝑁 𝑛 𝑖=1
Di mana
𝑛𝑖
∑𝑗=1 (𝑦𝑖𝑗 − 𝑅̂
𝑆𝑅 𝑥𝑖𝑗 )
2
𝑠𝑅2𝑆𝑅,𝑖 =
𝑛−1

Penduga rasio total populasi 𝜏̂𝑦 Penduga rata-rata populasi

𝐿
∑𝑛𝑖=1 𝑦𝑖 𝑁𝑖 𝑦̅𝑖
𝜏̂𝑦 = 𝑛 (𝜏 ) = 𝑅̂𝜏𝑥 𝜇̂ 𝑦,𝑆𝑅 = ∑ 𝜇𝑥,𝑖
∑𝑖=1 𝑥𝑖 𝑥 𝑁 𝑥̅𝑖
𝑖=1

Penduga ragam total populasi 𝜏̂𝑦 Penduga ragam rata-rata populasi

𝐿
𝑛 1 𝑠𝑅2 𝑁𝑖 2 𝑛𝑖 𝑠𝑅2
𝑉̂ (𝜏̂𝑦 ) = (𝜏𝑥 )2 𝑉̂ (𝑅) = (𝑁𝜇𝑥 )2 (1 − ) ( 2 ) 𝑣𝑎𝑟(𝜇̂ 𝑦,𝑆𝑅 ) = ∑ ( ) (1 − ) 𝑖
𝑁 𝜇𝑋 𝑛 𝑁 𝑁𝑖 𝑛𝑖
2 𝑖=1
𝑛 𝑠𝑅
= 𝑁 2 (1 − )
𝑁 𝑛

Kesalahan Penduga Penduga rasio total populasi terpisah

𝜏̂𝑦 = 𝑁𝜇̂ 𝑦,𝑆𝑅
𝑛 1 𝑠𝑟2
2√𝑉̂ (𝑟) = 2√(1 − ) ( 2 )
𝑁 𝑥̅ 𝑛

Batas Kesalahan Penduga Penduga ragam total populasi terpisah

𝑁−𝑛 1 ∑𝑛𝑖=1(𝑦𝑖
− 𝑅𝑥𝑖 )2 𝑉̂ (𝜏̂𝑦 ) = (𝜏𝑋 )2 𝑉̂ (𝑅̂
𝑆𝑅 )
𝐵 = 2√𝑉̂ (𝜏̂𝑦 ) = 2√𝜏𝑥2 [ ] [ 2]
𝑛𝑁 𝜇𝑋 𝑛−1
PENDUGA BEDA
Penduga beda merupakan metode pendugaan yang dirancang dengan menggunakan
variabel tambahan (auxiliary variable) x yang berkorelasi dengan variabel y.

Penduga beda bagi rata-rata populasi

𝜇̂
𝑦𝐷 = 𝑦 + (𝜇𝑥 − 𝑥) = 𝜇𝑥 + 𝑑

Penduga ragam
𝑛 2
𝑁−𝑛 ∑𝑖=1 (𝑑𝑖 −𝑑)
𝑉̂ (𝜇̂
𝑦𝐷 ) = [ 𝑛𝑁 ] 𝑛−1
dimana 𝑑𝑖 = 𝑦𝑖 - 𝑥𝑖

Selang kepercayaan bagi μ

̂ 𝑦𝐷 )
𝑦𝐷 土 𝑡 √𝑉 (𝜇̂
𝜇̂ ∝
2

Batas kesalahan penduga

B = 2√𝑉̂ (𝜇̂
𝑦𝐷 )

PENDUGA REGRESI
Penduga regresi adalah metode estimasi yang dirancang dengan menggunakan variabel
tambahan yaitu variabel x yang berkorelasi dengan variabel y. Pembentukan garis regresi
dilakukan ketika sekumpulan pasangan data (x,y) menggunakan metode kuadrat terkecil
(MKT) menghasilkan bentuk persamaan regresi 𝑦̂𝑖 = 𝑎 + 𝑏𝑥𝑖 .

Penduga regresi bagi rata-rata populasi 𝜇𝑦 Penduga ragam bagi 𝜇̂ 𝑦

𝜇̂ 𝑦 = 𝑦 + 𝑏(𝜇𝑥 − 𝑥) 𝑛 𝑀𝑆𝐸
𝑉̂ (𝜇̂ 𝑦𝐿 ) = (1 − ) ( )
𝑁 𝑛
∑𝑛
𝑖=1 (𝑦𝑖 −𝑦)(𝑥𝑖 −𝑥)
dimana, 𝑏 = 2
MSE =
∑𝑛
𝑖=1 (𝑥𝑖 −𝑥)
2 2
∑𝑛
𝑖=1 (𝑦𝑖 −𝑦) −𝑏2 ∑𝑛
𝑖=1 (𝑥𝑖 −𝑥)
𝑛−2

Batas kesalahan penduga (Bound of error) Selang kepercayaan (1 − 𝛼) bagi nilai tengah
populasi 𝜇𝑦
𝐵 = 2√𝑉̂ (𝜇̂ 𝑦𝐿 )

̂ (𝜇̂ 𝑦𝐿 )
𝜇̂ 𝑦𝐿 ± 𝑡(𝛼,𝑛−2) √𝑉
2