PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA

POPULASI MENGGUNAKAN KARAKTER TAMBAHAN

Astari Rahmadita1*, Harison2, Haposan Sirait2
1

Mahasiswa Program Studi S1 Matematika

2
Dosen Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau
Kampus Binawidya Pekanbaru (28293), Indonesia
*

astari_rahmadita11@yahoo.com
ABSTRACT

Y
Estimators discussed are three regression ratio estimators of population mean
using
information on two auxiliary variables X dan Z under simple random sampling without
replacement. They are proposed by Singh, Upadhyaya and Premchandra [4] which is a
review of article An Improved Version of Regression Ratio Estimator with Two
Auxiliary Variables in Sample Surveys. All estimators are biased. The efficient
estimator is one with the least Mean Square Error (MSE), determined by comparing
each type of estimator.
Keywords: regression ratio estimator, simple random sampling, biased estimator and
mean square error.
ABSTRAK
Y

Penaksir yang dibahas adalah tiga penaksir rasio regresi untuk rata-rata populasi
menggunakan dua karakter tambahan X dan Z pada sampling acak sederhana tanpa
pengembalian. Penaksir tersebut diajukan oleh Singh, Upadhyaya dan Premchandra [4]
yang merupakan review dari artikel An Improved Version of Regression Ratio
Estimator with Two Auxiliary Variables in Sample Surveys. Ketiga penaksir yang
diajukan merupakan penaksir bias. Berdasarkan Mean Square Error (MSE) dapat
ditunjukkan bahwa penaksir
Kata kunci: penaksir rasio regresi, sampling acak sederhana, penaksir bias dan mean
square error.
1. PENDAHULUAN
Y

Populasi berkarakter
berukuran
akan diteliti untuk mendapatkan taksiran nilai
parameternya. Informasi tambahan yang berhubungan dengan Y diperlukan untuk

mendapatkan hasil yang lebih akurat. Informasi tambahan ini harus diketahui besar
populasinya yang dinotasikan dengan X.
Metode yang digunakan untuk menaksir rata-rata populasi pada sampling acak
sederhana diantaranya adalah penaksir regresi linear. Regresi linear merupakan metode
statistik yang digunakan untuk mengetahui hubungan antara populasi berkarakter X
dan populasi berkarakter Y. Misalkan terdapat informasi tambahan lainnya yaitu
populasi berkarakter Z, dengan Z berupa keadaan di waktu sebelumnya saat dilakukan
sensus lengkap. Tujuan metode rasio regresi adalah untuk meningkatkan ketelitian
penelitian dengan mengambil manfaat hubungan antara penaksir regresi linear Y dan X
yang berkorelasi positif terhadap Z.
Artikel ini membahas tiga penaksir rasio regresi menggunakan karakter
tambahan yang diajukan oleh Singh, Upadhyaya dan Premcandra [4] yaitu
Y , Y dan Y
rlr1

rlr 2

rlr3

. Berdasarkan ide dari Singh, Upadhyaya dan Premcandra [4] penulis

mendetailkan bias dan Mean Square Error (MSE) dari masing-masing penaksir.
Selanjutnya penulis membandingkan MSE penaksir. Penaksir yang efisien untuk
penaksir bias adalah penaksir yang memiliki MSE terkecil.
2. SAMPLING ACAK SEDERHANA
Pengambilan sampel acak sederhana merupakan suatu metode untuk mengambil n unit
N N Cn
sampel dari N unit populasi, sehingga setiap elemen
sampel yang berbeda
mempunyai kesempatan yang sama untuk dipilih sebagai unit sampel. Pengambilan
sampel ini adalah pengambilan sampel acak tanpa pengembalian agar karakteristik unitunit lebih akurat. Probabilitas terambilnya n dari N unit populasi sebagai unit sampel
1N
pada pengambilan pertama yaitu
, probabilitas pada pengambilan kedua yaitu
1 N 1
1 N n 1
n
sampai probabilitas pada pengambilan keyaitu
, maka
probabilitas seluruh n unit-unit tertentu yang terpilih dalam n pengambilan

N C n 1
adalah

Bias dan MSE pada sampling acak sederhana ditentukan dengan menggunakan
teorema variansi dan kovariansi.

N
n
Teorema 1 [1: h. 27] Apabila sampel berukuran diambil dari populasi berukuran
Y
yang berkarakter , dengan sampling acak sederhana tanpa pengembalian maka
y

variansi rata rata sampel

dirumuskan sebagai berikut

2
Sy N n
V y

.
n N

Bukti dari Teorema ini dapat dilihat pada [1: h.27].

y i , xi

Teorema 2 [1:h.29] Jika

adalah sebuah pasangan yang bervariasi ditetapkan pada

y, x

unit dalam populasi berukuran N dan

berukuran

adalah rata-rata dari sampel acak sederhana

, maka kovariansinya adalah

N n 1 N
cov y , x
y i Y xi X .
N N 1 i 1

Bukti dari Teorema ini dapat dilihat pada [1:h.29].

3. PENAKSIR REGRESI LINEAR
Bentuk umum model regresi linear sederhana Y atas X sebagai berikut
Y A BX e,

dengan Y adalah variabel tak bebas,

parameter (koefisien regresi), dan

X adalah variabel bebas,

dan

adalah

adalah kesalahan penarikan sampel [2: h. 20].

A
B
Metode yang digunakan untuk menentukan taksiran dari parameter
dan
adalah metode kuadrat terkecil (least square method), yaitu suatu metode penaksir
dengan prinsip meminimumkan jumlah kuadrat kesalahan penarikan sampel. Misalkan
xi , y i
x1 , y1 , x 2 , y 2 , , x n , y n
adalah n pasangan data pengamatan

yi A Bx i ei

i 1,2,3, , n .

, untuk
Jumlah kuadrat kesalahan dapat ditulis
n

e
i 1

2
i

y i A B xi ,
2

i 1

(1)

dengan meminimumkan jumlah kuadrat kesalahan pada persamaan (1) maka didapat
taksiran untuk A dan B berturut-turut yaitu
a y bxi ,
n

x
i 1

x y i y

x
i 1

.
2

Garis regresi linear yang melalui titik pangkal artinya jika

a0

, maka

y bx ,
(2)

jika koefisien regresi b berlaku untuk rata-rata sampel, maka b juga berlaku untuk ratarata populasi, sehingga
Y bX .

(3)

Selisih persamaan (3) dengan persamaan (2) secara aljabar, diperoleh

Y y b X x ,

disebut penaksir regresi linear untuk rata-rata populasi yang dinotasikan dengan
dan dirumuskan sebagai berikut
Y y b X x

YLR

lr

.
4. BIAS DAN MSE PENAKSIR RASIO REGRESI UNTUK RATA-RATA
POPULASI
Selanjutnya akan dibahas bias dan MSE penaksir rasio regresi linear pada sampling acak
sederhana yang diajukan oleh Singh, Upadhyaya dan Premchandra [4].
Pertama, penaksir rasio regresi Singh dan Ruis Espejo [4]
Z
z
Yrlr1 y b yx X x 1
z
Z

Kedua, penaksir rasio regresi Naik dan Gupta (1991 a) [4]

.
(4)

Yrlr 2 y b yx X x

Z 1 1 z 1

Ketiga, penaksir rasio regresi Naik dan Gupta (1991 b) [4]

Z pz pZ
Yrlr3 y b yx X x
Z qz qZ

(5)

(6)

0 1 , 0 p 1 dan 0 q 1 .

dengan
Bias dan MSE penaksir rasio regresi linear pada sampling acak sederhana yang
diajukan oleh Singh, Upadhyaya dan Premcandra [4].
Bias dan MSE dari persamaan (4) adalah
Y
2 1
B Yrlr1 2 S z2
S yz B yx S xz .
Z
Z

1 f 2 2
MSE Yrlr1
Y C y 2 yx C 2 y (1 2 ) 2 C 2 z 21 2 yx xz C y C z
n
21 2 yz C y C z .

(7)
Bias dan MSE dari persamaan (5) adalah
Y
2 1
B Yrlr1 2 S z2
S yz B yx S xz .
Z
Z

1 f 2 2
MSE Yrlr2
Y C y 2 yx C 2 y 2C 2 z 2 yx xz C y C z
n
2 yz C y C z .

(8)
Bias dan MSE dari persamaan (6) adalah

p q
Y
S yz B yx S xz .
B Yrlr3 2 p q 1 p q 2q S z2
Z
Z

1 f 2 2
2
MSE Yrlr3
Y C y 2 yx C 2 y 2 p q C 2 z 2 p q yx xz C y C z
n
2 p q yz C y C z .
(9)
5. PENAKSIR RASIO REGRESI YANG EFISIEN
Penaksir yang efisien dari penaksir bias dapat ditentukan dengan cara membandingkan
MSE masing-masing penaksir tersebut.
Y
rlr1

1. Perbandingan antara persamaan (7) dan persamaan (8) diperoleh penaksir

Y

lebih

rlr 2

efisien dari penaksir

jika
2
3 C z 4C z C z 2 yx xz C y 2 yx xz C y
yz
.
2C y 1
Yrlr1

(10)

2. Perbandingan antara persamaan (7) dan persamaan (9) diperoleh penaksir

lebih

Yrlr3
2 1 - 2 p q 0
efisien dari penaksir
ketika
maka
2
2
2
1 2 C z p q C z 21 2 yx xz C y 2 p q yx xz C y
yz
,
2C y 1 - 2 p q
(11)
0 1 - 2 p q 2
dan ketika
maka

1 2 C

yz

2 p q C z 21 2 yx xz C y 2 p q yx xz C y
2

2C y 1 - 2 p q

Yrlr3

3. Perbandingan antara persamaan (8) dan persamaan (9) diperoleh penaksir

Y

lebih

rlr 2

efisien dari penaksir

jika
2
2
C z 2 p q C z 2 yx xz C y 2 p q yx xz C y
yz
2C y 1 p q

(12)
6. CONTOH

Sebagai contoh dari pembahasan, diberikan data pada Lampiran mengenai permintaan
Y
n 35
tanaman hias
di Kecamatan Marpoyan [3] dengan sampel
menggunakan
X
Z
variabel tambahan yaitu harga tanaman hias
dan pendapatan responden
. MSE
dari masing-masing penaksir dihitung dengan menentukan terlebih dahulu nilai yang
dibutuhkan dengan bantuan Microsoft Excel diperoleh nilai-nilai sebagai berikut dengan
0,5
, p = 0,4 dan q = 0,2.

N 100

S x 1397122

Y 21,84

S y 10,5665

S yz 24835549

xz 0,14087 S xz 1,97257.1012
X 1793100 S z 10022132 C y 0,483814 yx 0,86347
Z 29229600 S yx 12747127 C z 0,342876 yz 0,23542

Untuk menentukan penaksir yang efisien dapat dilihat dari MSE masing-masing
penaksir yang diberikan pada tabel berikut ini
Tabel 1 : Nilai Mean Square Error dari Masing-masing Penaksir.
Penaksir Rasio

MSE

Yrlr1

0,527547

Yrlr 2

0,622024

Yrlr3

0.532468

Nilai-nilai yang diperoleh dari permintaan tanaman hias, harga dan pendapatan
responden disubstitusikan ke persamaan (10), (11) dan (12), maka diperoleh
yz 0.955901.
MSE Yrlr1 MSE Yrlr2
1.
jika
yz 0.125069
MSE Yrlr1 MSE Yrlr3
2.
jika
.

MSE Yrlr3 MSE Yrlr 2

3.

yz 0.263379
jika

yz
Berdasarkan Tabel 1 dan syarat efisiensi

Y
rlr 2

penaksir

Y
rlr1

, maka penaksir

lebih efisien dari

rlr3

dan penaksir

.
7. KESIMPULAN

Nilai MSE dari penaksir rasio regresi linear yang diperoleh dengan menggunakan dua
karakter tambahan untuk rata-rata populasi yang diajukan pada sampling acak
sederhana, kemudian membandingkan MSE dari masing-masing penaksir, sehingga
dapat disimpulkan bahwa untuk data perminaan tanaman hias di Kecamatan Marpoyan,

Y
rlr1

Pekanbaru penaksir rasio regresi

Y
rlr 2

lebih efisien dibandingkan dengan penaksir

yz

rlr3

dan penaksir

jika syarat efisiensi

terpenuhi.

DAFTAR PUSTAKA
[1] Cochran, W.G. 1977. Sampling Techniques, Third Edition. John Wiley & Sons,
New York.
[2] Draper, R.N & Smith, H. 1998. Applied Regression Analysis, Third Edition. John
Wiley & Sons, New York.
[3] Sinaga, Ruth. 2011. Analisis Permintaan Masyarakat Terhadap Tanaman Hias di
Kecamatan Marpoyan Damai Kota Pekanbaru. Skripsi Fakultas Ekonomi
Universitas Riau, Pekanbaru.
[4] Singh, H.P, L.N. Upadhyaya, & Premchandra. 2009. An Improved Version of
Regression Ratio Estimator With Two Auxiliary Variables in Sample Surveys,
Statistics In Transition, 10: 85-100.