• Bagikan:
• 
• 
• 
• 
• 
• 
• 

 

Estimasi Total Populasi menggunakan Penaksir Generalized Regression (GREG) (Studi Kasus Data HasiI Pendataan Statistik Pertanian HortikuItura (SPH) Untuk Komoditi Mangga dan Survei Sosial Ekonomi Nasional (SUSENAS))

---

• Ketersediaan
• Informasi Detil
• Deskripsi
• Versi lain/terkait
• Komentar

• Code	CallNo	Lokasi	Ketersediaan
  01001120700036	519.53 Mus e	Perpustakaan Pusat (REF.14.117)	Tersedia

• Perpustakaan	Perpustakaan Pusat
  Judul Seri	-
  No. Panggil	519.53 Mus e/R.14.117
  Penerbit	Magister Statistika Terapan : Bandung., 2012
  Deskripsi Fisik	xiii, 111 hlm. ; il. ; 29 cm
  Bahasa	Indonesia
  ISBN/ISSN	-
  Klasifikasi	519.53 Mus e
  Tipe Isi	-
  Tipe Media	-
  Tipe Pembawa	-
  Edisi	-
  Subyek	-
  Info Detil Spesifik	-
  Pernyataan Tanggungjawab	Muslim, Agus

• Kegiatan survei telah menjadi salah satu perhatian utarna para peneliti dan ilmuwan, hal ini berimplikasi pada berkembangnya teknik-teknik penarikan sampel dan inferensinya seperti estimasi total populasi yang merupakan tujuan utama dari kegiatan survei. Dalam perkembangannya, teknik estimasi total populasi dikelompokkan menjadi estimasi berbasis desain (design based) dan estimasi berbasis model (model based). Estimasi total populasi berdasarkan pendekatan desain diantaranya yakni penaksir rasio (Ratio Estimator) sedangkan yang menggunakan pendekatan model diantaranya yakni Generalized Regression (GREG). Dasar utarna dari penaksir GREG adalah regresi linier. Apabila asumsi normalitas dan homokedastisitas dari data tidak terpenuhi, maka GREG bisa menggunakan model dengan Transformasi Box Cox dan menggunakan Weighted Least Square(WLS). Penaksir rasio, menghasilkan nilai taksiran yang relatif stabil pada berbagai ukuran sampel tetapi penaksir GREG dengan menggunakan satu variabel tambahan bisa lebih sesuai dibandingkan dengan penaksir rasio apabila koefisien determinasi antara variabel x (variabel pembantu) dengan variabel y (variabel yang akan di estimasi) termasuk ke dalam kategori tinggi (koefisien determinasi lebih dari 73%) dan pada tingkat keberartian sebesar 6 %, penaksir GREG mampu menghasilkan nilai estimasi yang sangat mendekati dengan nilai yang sesungguhnya. Untuk beberapa ukuran sampel, penaksir GREG memiliki nilai taksiran yang sangat jauh apabila dibandingkan dengan penaksir rasio, hal ini diantaranya disebabkan oleh keberadaan beberapa nilai pencilan dari set data dalam sampel tersebut, keberadaan pencilan akan berpengaruh terhadap kecocokan model regresi yang digunakan dalam penaksir GREG

• Tidak tersedia versi lain

• Silakan login dahulu untuk melihat atau memberi komentar.