oleh: adhi kurniawan sekolah tinggi ilmu statistik · + 2 2 + 3 3 ilustrasi rumus umum (srs) ......
TRANSCRIPT
ESTIMASI REGRESI PADA STRATIFIED SAMPLING
Estimasi regresi
pada stratified sampling
Separate Regression Estimator
Tepat digunakan jika true regression coefficient 𝜷𝒉 nilainya bervariasi antarstrata.
Koefisien regresi diestimasi pada masing-masing strata
Tepat digunakan jika jumlah sampel tiap strata besar
Biasnya cenderung besar, varians cenderung kecil
Informasi nilai 𝑿𝒉 harus diketahui
Combined Regression Estimator
Tepat digunakan jika true regression coefficient 𝜷𝒉 diasumsikan sama untuk semua strata.
Estimasi koefisien regresi untuk semua strata sama --> menggunakan combined regression coefficient
Variansnya cenderung besar, biasnya cenderung kecil
𝑯𝒂𝒏𝒚𝒂 𝒎𝒆𝒎𝒃𝒖𝒕𝒖𝒉𝒌𝒂𝒏 𝒊𝒏𝒇𝒐𝒓𝒎𝒂𝒔𝒊 𝒏𝒊𝒍𝒂𝒊 𝑿
SEPARATE REGRESSION ESTIMATOR
𝑥1𝑖 𝑦1𝑖
𝑥11 𝑦11
𝑥12 𝑦12
… …
𝑥1𝑛1 𝑦1𝑛1
Strata 1 Strata 2 Strata 3
𝑥2𝑖 𝑦2𝑖
𝑥21 𝑦21
𝑥22 𝑦22
… …
𝑥2𝑛2 𝑦2𝑛2
𝑥3𝑖 𝑦3𝑖
𝑥31 𝑦31
𝑥32 𝑦32
… …
𝑥3𝑛3 𝑦3𝑛3
𝒃𝟏, 𝑿 𝟏 𝑥 1, 𝑦 1
𝒃𝟐, 𝑿 𝟐 𝑥 2, 𝑦 2
𝒃𝟑, 𝑿 𝟑 𝑥 3, 𝑦 3
𝑦 𝑙𝑟1 = 𝑦 1 + 𝑏1(𝑋 1 − 𝑥 1)
𝑦 𝑙𝑟2 = 𝑦 2 + 𝑏2(𝑋 2 − 𝑥 2)
𝑦 𝑙𝑟3 = 𝑦 3 + 𝑏3(𝑋 3 − 𝑥 3)
𝑦 𝑙𝑟𝑠 = 𝑊1𝑦 𝑙𝑟1+𝑊2𝑦 𝑙𝑟2+𝑊3𝑦 𝑙𝑟3
Ilustrasi Rumus umum (SRS)
Koefisien regresi
𝑏ℎ =𝑠𝑦𝑥ℎ
𝑠𝑥ℎ2 = 𝜌ℎ
𝑠𝑦ℎ
𝑠𝑥ℎ
Estimasi rata-rata strata 𝑦 𝑙𝑟ℎ = 𝑦 ℎ + 𝑏ℎ 𝑋 ℎ − 𝑥 ℎ
𝑣 𝑦 𝑙𝑟ℎ =1 − 𝑓ℎ𝑛ℎ
𝑠𝑦ℎ2 − 2𝑏ℎ𝑠𝑦𝑥ℎ
+ 𝑏ℎ2𝑠𝑥ℎ
2
=1 − 𝑓ℎ𝑛ℎ
𝑠𝑦ℎ2 1 − 𝜌ℎ
2
Estimasi rata-rata populasi
𝑦 𝑙𝑟𝑠 = 𝑊ℎ𝑦 𝑙𝑟ℎ
𝐿
ℎ=1
𝑣 𝑦 𝑙𝑟𝑠 = 𝑊ℎ2 𝑣 𝑦 𝑙𝑟ℎ
𝐿
ℎ=1
Estimasi total populasi 𝑌 𝑙𝑟𝑠 = 𝑁𝑦 𝑙𝑟𝑠
𝑣 𝑌 𝑙𝑟𝑠 = 𝑁2𝑣 𝑦 𝑙𝑟𝑠
SEPARATE REGRESSION ESTIMATOR
› Contoh:
Suatu populasi N=10 pekerja di suatu industri batik dikelompokkan menjadi 2 strata menurut jenis kelamin lalu dilakukan pengambilan sampel secara SRS WOR
1. laki-laki: 𝑁1 = 6 --> 𝑛1 = 4
2. Perempuan: 𝑁2 = 4 --> 𝑛2 = 3
Diketahui rata-rata masa kerja pegawai laki-laki adalah 3,7 tahun dan perempuan 5,8 tahun. Data yang diperoleh:
Laki-laki Perempuan
No Masa kerja
Batik yang dihasilkan per
bulan No
Masa kerja
Batik yang dihasilkan per
bulan
1 3 3 1 6 9
2 5 6 2 5 6
3 4 4 3 7 9
4 2 3
SEPARATE REGRESSION ESTIMATOR
Strata 𝑵𝒉 𝒏𝒉 𝑾𝒉 =𝑵𝒉
𝑵 𝒇𝒉 =𝒏𝒉
𝑵𝒉 𝑿 𝒉 𝒙 𝒉 𝒔𝒙𝒉 𝒚 𝒉 𝒔𝒚𝒉 𝝆𝒉 𝒃𝒉
1
2
Strata 𝒚 𝒍𝒓𝒉 = 𝒚 𝒉 + 𝒃𝒉 𝑿 𝒉 − 𝒙 𝒉 𝒗 𝒚 𝒍𝒓𝒉 =
𝟏 − 𝒇𝒉
𝒏𝒉𝒔𝒚𝒉𝟐 𝟏 − 𝝆𝒉
𝟐 𝑾𝒉𝒚 𝒍𝒓𝒉 𝑾𝒉
𝟐𝒗 𝒚 𝒍𝒓𝒉
1
2
Jumlah
Estimasi rata-rata batik yang diproduksi satu orang pekerja sebulan:
𝑦 𝑙𝑟𝑠 = 𝑊ℎ𝑦 𝑙𝑟ℎ =
𝐿
ℎ=1
𝑣 𝑦 𝑙𝑟𝑠 = 𝑊ℎ2𝑣 𝑦 𝑙𝑟ℎ =
𝐿
ℎ=1
𝑠𝑒 𝑦 𝑙𝑟𝑠 = 𝑟𝑠𝑒 𝑦 𝑙𝑟𝑠 =
Estimasi total produksi batik perusahaan sebulan: 𝑌 𝑙𝑟𝑠 = 𝑁𝑦 𝑙𝑟𝑠 = 𝑣 𝑌 𝑙𝑟𝑠 = 𝑁2𝑣 𝑦 𝑙𝑟𝑠
= 𝑠𝑒 𝑌 𝑙𝑟𝑠 =
𝑟𝑠𝑒 𝑌 𝑙𝑟𝑠 =
SEPARATE REGRESSION ESTIMATOR
Strata 𝑵𝒉 𝒏𝒉 𝑾𝒉 =𝑵𝒉
𝑵 𝒇𝒉 =𝒏𝒉
𝑵𝒉 𝑿 𝒉 𝒙 𝒉 𝒔𝒙𝒉 𝒚 𝒉 𝒔𝒚𝒉 𝝆𝒉 𝒃𝒉
1 6 4 0,6 4/6 3,7 3,5 1,29 4 1,41 0,91 1
2 4 3 0,4 3/4 5,8 6 1 8 1,73 0,86 1,5
Strata 𝒚 𝒍𝒓𝒉 = 𝒚 𝒉 + 𝒃𝒉 𝑿 𝒉 − 𝒙 𝒉 𝒗 𝒚 𝒍𝒓𝒉 =
𝟏 − 𝒇𝒉
𝒏𝒉𝒔𝒚𝒉𝟐 𝟏 − 𝝆𝒉
𝟐 𝑾𝒉𝒚 𝒍𝒓𝒉 𝑾𝒉
𝟐𝒗 𝒚 𝒍𝒓𝒉
1 4,2 0,0278 2,52 0,01
2 7,7 0,0625 3,08 0,01
Jumlah 5,6 0,02
Estimasi rata-rata batik yang diproduksi satu orang pekerja sebulan:
𝑦 𝑙𝑟𝑠 = 𝑊ℎ𝑦 ℎ = 2,52 + 3,08 = 5,6
𝐿
ℎ=1
𝑣 𝑦 𝑙𝑟𝑠 = 𝑊ℎ2𝑣 𝑦 𝑙𝑟ℎ = 0,01 + 0,01 = 0,02
𝐿
ℎ=1
𝑠𝑒 𝑦 𝑙𝑟𝑠 = 0,1414
𝑟𝑠𝑒 𝑦 𝑙𝑟𝑠 =0,1414
5,6× 100% = 2,52%
Estimasi total produksi batik perusahaan sebulan: 𝑌 𝑙𝑟𝑠 = 𝑁𝑦 𝑙𝑟𝑠 = 10 × 5,6 = 56
𝑣 𝑌 𝑙𝑟𝑠 = 𝑁2𝑣 𝑦 𝑙𝑟𝑠 = 102 × 0,02 = 2
𝑠𝑒 𝑌 𝑙𝑟𝑠 = 1,414
𝑟𝑠𝑒 𝑌 𝑙𝑟𝑠 =1,414
56× 100% = 2,52%
COMBINED REGRESSION ESTIMATOR
𝑥1𝑖 𝑦1𝑖
𝑥11 𝑦11
𝑥12 𝑦12
… …
𝑥1𝑛1 𝑦1𝑛1
Strata 1 Strata 2 Strata 3
𝑥2𝑖 𝑦2𝑖
𝑥21 𝑦21
𝑥22 𝑦22
… …
𝑥2𝑛2 𝑦2𝑛2
𝑥3𝑖 𝑦3𝑖
𝑥31 𝑦31
𝑥32 𝑦32
… …
𝑥3𝑛3 𝑦3𝑛3
𝑥 1, 𝑦 1 𝑥 2, 𝑦 2 𝑥 3, 𝑦 3
𝑦 𝑠𝑡 , 𝑣 𝑦 𝑠𝑡 𝑥 𝑠𝑡 , 𝑣 𝑥 𝑠𝑡 𝑐𝑜𝑣(𝑦 𝑠𝑡, 𝑥 𝑠𝑡)
𝒃𝒄 =𝑐𝑜𝑣(𝑦 𝑠𝑡, 𝑥 𝑠𝑡)
𝑣 𝑥 𝑠𝑡 𝑦 𝑙𝑟𝑐 = 𝑦 𝑠𝑡+𝑏𝑐 𝑿 − 𝑥 𝑠𝑡
Ilustrasi
Estimasi rata-rata untuk stratified sampling
𝑦 𝑠𝑡 = 𝑊ℎ𝑦 ℎ
𝐿
ℎ=1
, 𝑥 𝑠𝑡 = 𝑊ℎ𝑥 ℎ
𝐿
ℎ=1
Sampling variance dan sampling covariance:
𝑣 𝑦 𝑠𝑡 = 𝑊ℎ2 1 − 𝑓ℎ
𝑛ℎ
𝐿
ℎ=1
𝑠𝑦ℎ2
𝑣 𝑥 𝑠𝑡 = 𝑊ℎ2 1 − 𝑓ℎ
𝑛ℎ
𝐿
ℎ=1
𝑠𝑥ℎ2
𝑐𝑜𝑣 𝑦 𝑠𝑡, 𝑥 𝑠𝑡 = 𝑊ℎ2
𝐿
ℎ=1
1 − 𝑓ℎ𝑛ℎ
𝑠𝑦ℎ𝑥ℎ
Koefisien regresi gabungan
𝑏𝑐 =𝑐𝑜𝑣 𝑦 𝑠𝑡, 𝑥 𝑠𝑡
𝑣 𝑥 𝑠𝑡
Rumus umum (SRS)
COMBINED REGRESSION ESTIMATOR
𝑥1𝑖 𝑦1𝑖
𝑥11 𝑦11
𝑥12 𝑦12
… …
𝑥1𝑛1 𝑦1𝑛1
Strata 1 Strata 2 Strata 3
𝑥2𝑖 𝑦2𝑖
𝑥21 𝑦21
𝑥22 𝑦22
… …
𝑥2𝑛2 𝑦2𝑛2
𝑥3𝑖 𝑦3𝑖
𝑥31 𝑦31
𝑥32 𝑦32
… …
𝑥3𝑛3 𝑦3𝑛3
𝑥 1, 𝑦 1 𝑥 2, 𝑦 2 𝑥 3, 𝑦 3
𝑦 𝑠𝑡 , 𝑣 𝑦 𝑠𝑡 𝑥 𝑠𝑡 , 𝑣 𝑥 𝑠𝑡 𝑐𝑜𝑣(𝑦 𝑠𝑡, 𝑥 𝑠𝑡)
𝒃𝒄 =𝑐𝑜𝑣(𝑦 𝑠𝑡, 𝑥 𝑠𝑡)
𝑣 𝑥 𝑠𝑡 𝑦 𝑙𝑟𝑐 = 𝑦 𝑠𝑡+𝑏𝑐 𝑿 − 𝑥 𝑠𝑡
Ilustrasi
Estimasi rata-rata karakteristik:
𝑦 𝑙𝑟𝑐 = 𝑦 𝑠𝑡 + 𝑏𝑐 𝑋 − 𝑥 𝑠𝑡
𝑣 𝑦 𝑙𝑟𝑐 = 𝑊ℎ
2(1 − 𝑓ℎ)
𝑛ℎ𝑠𝑦ℎ2 − 2𝑏𝑐𝑠𝑦ℎ𝑥ℎ
+ 𝑏𝑐2𝑠𝑥ℎ
2
𝐿
ℎ=1
Estimasi total karakteristik:
𝑌 𝑙𝑟𝑐 = 𝑁𝑦 𝑙𝑟𝑐
Unbiased sampling variance:
𝑣 𝑌 𝑙𝑟𝑐 = 𝑁2 𝑣 𝑦 𝑙𝑟𝑐
Keterangan:
𝑠𝑦ℎ𝑥ℎ = 𝜌ℎ𝑠𝑦ℎ𝑠𝑥ℎ
Rumus umum (SRS)
COMBINED REGRESSION ESTIMATOR
› Contoh:
Suatu populasi N=10 pekerja di suatu industri batik dikelompokkan menjadi 2 strata menurut jenis kelamin lalu dilakukan pengambilan sampel secara SRS WOR
1. laki-laki: 𝑁1 = 6 --> 𝑛1 = 4
2. Perempuan: 𝑁2 = 4 --> 𝑛2 = 3
Diketahui rata-rata masa kerja pegawai laki-laki adalah 3,7 tahun dan perempuan 5,8 tahun. Data yang diperoleh:
Laki-laki Perempuan
No Masa kerja
Batik yang dihasilkan per
bulan No
Masa kerja
Batik yang dihasilkan per
bulan
1 3 3 1 6 9
2 5 6 2 5 6
3 4 4 3 7 9
4 2 3
COMBINED REGRESSION ESTIMATOR
Strata 𝑵𝒉 𝒏𝒉 𝑾𝒉 =𝑵𝒉
𝑵 𝒇𝒉 =𝒏𝒉
𝑵𝒉 𝑿 𝒉 𝒙 𝒉 𝒚 𝒉 𝑾𝒉𝒙 𝒉 𝑾𝒉𝒚 𝒉
1
2
Jumlah
Strata 𝒔𝒙𝒉 𝒔𝒚𝒉 𝝆𝒉 𝒔𝒚𝒉𝒙𝒉 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒙𝒉𝟐 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒚𝒉𝟐 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒚𝒉𝒙𝒉
1
2
Jumlah
𝑦 𝑠𝑡 = 𝑊ℎ𝑦 ℎ =
𝐿
ℎ=1
, 𝑥 𝑠𝑡 = 𝑊ℎ𝑥 ℎ
𝐿
ℎ=1
=
𝑣 𝑦 𝑠𝑡 = 𝑊ℎ2 1 − 𝑓ℎ
𝑛ℎ
𝐿
ℎ=1
𝑠𝑦ℎ2 = ; 𝑣 𝑥 𝑠𝑡 = 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝐿
ℎ=1
𝑠𝑥ℎ2 =
𝑐𝑜𝑣 𝑦 𝑠𝑡 , 𝑥 𝑠𝑡 = 𝑊ℎ2
𝐿
ℎ=1
1 − 𝑓ℎ𝑛ℎ
𝑠𝑦𝑥ℎ = ; 𝑏𝑐=𝑐𝑜𝑣 𝑦 𝑠𝑡, 𝑥 𝑠𝑡
𝑣 𝑥 𝑠𝑡=
COMBINED REGRESSION ESTIMATOR
Strata 𝑵𝒉 𝒏𝒉 𝑾𝒉 =𝑵𝒉
𝑵 𝒇𝒉 =𝒏𝒉
𝑵𝒉 𝑿 𝒉 𝒙 𝒉 𝒚 𝒉 𝑾𝒉𝒙 𝒉 𝑾𝒉𝒚 𝒉
1 6 4 0,6 4/6 3,7 3,5 4 2,1 2,4
2 4 3 0,4 3/4 5,8 6 8 2,4 3,2
Jumlah 4,5 5,6
Strata 𝒔𝒙𝒉 𝒔𝒚𝒉 𝝆𝒉 𝒔𝒚𝒉𝒙𝒉 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒙𝒉𝟐 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒚𝒉𝟐 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝒔𝒚𝒉𝒙𝒉
1 1,29 1,41 0,91 1,67 0,0500 0,06 0,05
2 1 1,73 0,86 1,50 0,0133 0,04 0,02
Jumlah 0,0633 0,10 0,07
𝑦 𝑠𝑡 = 𝑊ℎ𝑦 ℎ = 5,6
𝐿
ℎ=1
, 𝑥 𝑠𝑡 = 𝑊ℎ𝑥 ℎ
𝐿
ℎ=1
= 4,5
𝑣 𝑦 𝑠𝑡 = 𝑊ℎ2 1 − 𝑓ℎ
𝑛ℎ
𝐿
ℎ=1
𝑠𝑦ℎ2 = 0,1 ; 𝑣 𝑥 𝑠𝑡 = 𝑊ℎ
2 1 − 𝑓ℎ𝑛ℎ
𝐿
ℎ=1
𝑠𝑥ℎ2 = 0,0633
𝑐𝑜𝑣 𝑦 𝑠𝑡 , 𝑥 𝑠𝑡 = 𝑊ℎ2
𝐿
ℎ=1
1 − 𝑓ℎ𝑛ℎ
𝑠𝑦𝑥ℎ = 0,07 ; 𝑏𝑐=𝑐𝑜𝑣 𝑦 𝑠𝑡, 𝑥 𝑠𝑡
𝑣 𝑥 𝑠𝑡=
0,070,0633
= 1,106
COMBINED REGRESSION ESTIMATOR Rata-rata jam kerja populasi
𝑋 = 𝑊ℎ𝑋 ℎ
𝐿
ℎ=1
= 0,6 × 3,7 + 0,4 × 5,8 = 4,54
Estimasi rata-rata produksi batik untuk tiap pekerja selama sebulan:
𝑦 𝑙𝑟𝑐 = 𝑦 𝑠𝑡 + 𝑏𝑐 𝑋 − 𝑥 𝑠𝑡 = 5,6 + 1,106 4,54 − 4,5 = 5,64
𝑣 𝑦 𝑙𝑟𝑐 = 𝑊ℎ
2(1 − 𝑓ℎ)
𝑛ℎ𝑠𝑦ℎ2 − 2𝑏𝑐𝑠𝑦ℎ𝑥ℎ
+ 𝑏𝑐2𝑠𝑥ℎ
2
𝐿
ℎ=1
= 0,0226
𝑠𝑒 𝑦 𝑙𝑟𝑠 = 0,0226 = 0,1503
𝑟𝑠𝑒 𝑦 𝑙𝑟𝑠 =0,1503
5,64× 100% = 2,66%
Estimasi total produksi batik perusahaan selama sebulan:
𝑌 𝑙𝑟𝑐 = 𝑁𝑦 𝑙𝑟𝑐 = 10 × 5,64 = 56,4
𝑣 𝑌 𝑙𝑟𝑐 = 𝑁2 𝑣 𝑦 𝑙𝑟𝑐 = 100 × 0,0226 = 2,26
𝑠𝑒 𝑌 𝑙𝑟𝑐 = 2,26 = 1,503
𝑟𝑠𝑒 𝑦 𝑙𝑟𝑠 =1,503
56,4× 100% = 2,66%
LATIHAN 1
Suatu survei stratified random sampling dilakukan di suatu desa untuk mengetahui pengeluaran untuk bidang pendidikan di desa tersebut. RW dianggap sebagai strata dan setiap RW diambil sampel sebanyak 8 rumah tangga. Data yang diperoleh:
Strata
Populasi Sampel
Ruta Penduduk Variabel Ruta
1
Ruta
2
Ruta
3
Ruta
4
Ruta
5
Ruta
6
Ruta
7
Ruta
8
RW 1 62 210
Pengeluaran
(000 rupiah) 1000 1250 1900 1325 1174 1100 1450 1849
ART usia sekolah 2 2 3 2 1 3 4 2
RW 2 90 288
Pengeluaran
(000 rupiah) 2250 1546 2094 2400 2350 1975 2000 2125
ART usia sekolah 3 1 2 2 3 1 2 4
LATIHAN 1
Jika diketahui proporsi penduduk usia sekolah di desa tersebut sebesar 30%, maka:
a. Jika penduduk usia sekolah ingin digunakan sebagai auxiliarry variable, metode estimasi regresi manakah yang anda digunakan, separate atau combined ?. Berikan alasan !
b. Perkirakan pengeluaran rata-rata untuk bidang pendidikan per rumah tangga di desa tsb beserta standar error, RSE, dan 95%CI-nya dengan estimasi regresi yang anda sebutkan pada point (a). Interpretasikan hasil yang diperoleh !
c. Hitung relative efficiency metode estimasi regresi tersebut terhadap penduga SRS !. Kesimpulan apa yang bisa diperoleh ?
d. Jika rumah tangga yang rata-rata pengeluaran pendidikannya lebih rendah dari rata-rata pengeluaran pendidikan pada point (b) akan mendapatkan bantuan beasiswa sebanyak Rp. 500.000,00 untuk tiap rumah tangga, berapa dana yang harus disiapkan oleh pemerintah ?. Gunakan rumus estimasi pada stratified sampling.
Catatan:
Untuk point (c) Ingat MPC 1:
𝑣(𝑦 𝑠𝑡)𝑠𝑟𝑠 =1
𝑛−
1
𝑁 𝑊ℎ ∙ 𝑠𝑦ℎ
2 + 𝑊ℎ ∙ 𝑦 ℎ − 𝑦 𝑠𝑡2
𝑛ℎ
ℎ=1
𝑛ℎ
ℎ=1
LATIHAN 2
Untuk mengetahui dampak krisis Eropa 2012 terhadap industri tekstil, diadakan Survei Deteksi Dini Dampak Krisis terhadap Industri Tekstil dan Pengolahan Tekstil (TPT) di salah satu provinsi di Indonesia. Populasi industri TPT di provinsi tersebut dikelompokkan menjadi 2 strata:
› Strata 1: Industri TPT yang berorientasi pasar ekspor
› Strata 2: Industri TPT yang berorientasi pasar domestik.
Untuk strata 1 dilakukan pendataan secara sensus karena populasi industri TPT yang berorientasi pasar ekspor jumlahnya kecil, tetapi diperkirakan industri ini berpotensi terkena dampak yang lebih besar dari adanya krisis. Untuk strata 2 dilakukan survei dengan pengambilan sampel secara SRS WOR.
LATIHAN 2
Data yang diperoleh sebagai berikut:
a. Dengan menggunakan metode separate regression estimator, perkirakan nilai rata-rata dan total output tahun 2012 beserta standar error, RSE dan 95% Confidence Interval-nya.
b. Dengan menggunakan metode combined regression estimator, perkirakan nilai rata-rata dan total output tahun 2012 beserta standar error, RSE dan 95% Confidence Interval-nya.
c. Hitung relative efficiency metode separate regression estimator terhadap combined regression estimator !
Strata
Populasi Sampel
Jumlah
Industri
Nilai
Output
2011
Tahun
Nilai Output (juta Rp)
Sampel
1
Sampel
2
Sampel
3
Sampel
4
Sampel
5
Sampel
6
Sampel
7
Sampel
8
Sampel
9
1 4 352 2011 96 64 120 72
2012 84 72 114 60
2 20 348 2011 16 24 8 12 4 32 28 12 26
2012 15 20 10 9 4 36 30 8 18
BIVARIATE REGRESSION ESTIMATOR
› Bivariate Regression Estimator adalah penduga regresi yang
memanfaatkan dua variabel pendukung untuk memaksimalkan
ketelitian dari estimasi nilai karakteristik yang diteliti.
› Misalkan 𝑦 adalah estimasi rata-rata dari variabel 𝑦 yang diteliti, 𝑥 𝑘
adalah penduga yang tidak bias dari rata-rata populasi 𝑋 𝑘 , dan 𝑏𝑘
adalah koefisien regresi dari y pada 𝑥𝑘 , di mana k=1,2.
BIVARIATE REGRESSION ESTIMATOR
› Formulasi untuk estimasi adalah
𝑦 𝐵𝑅 = 𝑤1𝑦 𝑙𝑟1 + 𝑤2𝑦 𝑙𝑟2
= 𝑦 + 𝑤1𝑏1 𝑋 1 − 𝑥 1 + 𝑤2𝑏2 𝑋 2 − 𝑥 2
Unbiased sampling varians:
𝑣 𝑦 𝐵𝑅 = 𝑤12𝑣 𝑦 𝑙𝑟1 + 𝑤2
2𝑣 𝑦 𝑙𝑟2 + 2𝑤1𝑤2𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2
= 𝑣 𝑦 + 𝑤12𝑏1
2𝑣 𝑥 1 + 𝑤22𝑏2
2𝑣 𝑥 2 − 2𝑤1𝑏1𝑐𝑜𝑣 𝑦 , 𝑥 1 − 2𝑤2𝑏2𝑐𝑜𝑣 𝑦 , 𝑥 2
+ 2𝑤1𝑤2𝑏1𝑏2𝑐𝑜𝑣 𝑥 1, 𝑥 2
BIVARIATE REGRESSION ESTIMATOR
› Dengan substitusi 𝑤2 = 1 − 𝑤1 dalam rumus varians di atas, kemudian melakukan
diferensiasi terhadap 𝑤1 dan mempersamakan hasilnya dengan nol, didapatkan
penimbang yang akan meminimumkan varians, yaitu:
𝑤1 =𝑣 𝑦 𝑙𝑟2 − 𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2
𝑣 𝑦 𝑙𝑟1 + 𝑣 𝑦 𝑙𝑟2 − 2𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2
𝑤2 =𝑣 𝑦 𝑙𝑟1 − 𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2
𝑣 𝑦 𝑙𝑟1 + 𝑣 𝑦 𝑙𝑟2 − 2𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2
› Keterangan:
𝑣 𝑦 𝑙𝑟1 = 𝑣 𝑦 − 2𝑏1𝑐𝑜𝑣 𝑦 , 𝑥 1 + 𝑏12𝑣 𝑥 1
𝑣 𝑦 𝑙𝑟2 = 𝑣 𝑦 − 2𝑏2𝑐𝑜𝑣 𝑦 , 𝑥 2 + 𝑏22𝑣 𝑥 2
𝑐𝑜𝑣 𝑦 𝑙𝑟1, 𝑦 𝑙𝑟2 = 𝑣 𝑦 − 𝑏1𝑐𝑜𝑣 𝑦 , 𝑥 1 − 𝑏2𝑐𝑜𝑣 𝑦 , 𝑥 2 + 𝑏1𝑏2𝑐𝑜𝑣 𝑥 1, 𝑥 2
BIVARIATE REGRESSION ESTIMATOR
Berikut ini adalah data yang diperoleh dari penarikan sampel industri kerajinan rumah tangga di suatu
kecamatan. Jika sampel di atas diambil secara SRS WOR dari populasi N=64 industri dan diketahui jumlah
tenaga kerja industri kerajinan rumah tangga di kecamatan tersebut sebanyak 264 orang, serta jumlah input
industri kerajinan rumah tangga sebanyak 1200, maka:
a. Perkirakan rata-rata output dengan metode regression estimator
berdasarkan variabel pendukung jumlah tenaga kerja, beserta rse-nya !
b. Perkirakan rata-rata output dengan metode regression estimator
berdasarkan variabel pendukung jumlah input, beserta rse-nya !
c. Perkirakan rata-rata output dengan metode bivariate regression
estimator berdasarkan variabel pendukung jumlah tenaga kerja dan
jumlah input, beserta rse-nya !
d. Bandingkan efisiensi dari ketiga metode di atas.
No Tenaga
kerja Input Output
1 2 12 14
2 3 14 14
3 5 15 24
4 4 15 16
5 2 10 10
6 3 12 15
7 4 10 11
8 1 12 16