Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTElusive Population adalah populasi yang anggotanya sulit untuk dideteksi dan tidak mempunyai kerangka sampling yang lengkap dan jelas. Metode sampling yang khusus diperlukan untuk melakukan pengambilan sampel pada Elusive Population. Centre Sampling adalah salah satu metode pengambilan sampel yang dapat digunakan pada Elusive Population. Ide dari Centre Sampling ini adalah mengamati individu yang menjadi objek penelitian pada pusat berkumpulnya individu-individu tersebut atau yang disebut dengan pusat agregasi. Secara umum ada dua tahap pengambilan sampel pada Centre Sampling, yang pertama adalah memilih sebanyak m pusat agregasi dari M pusat yang sudah ditentukan. Kemudian yang kedua peneliti harus mengamati setiap individu yang ada di pusat yang terpilih. Centre Sampling mempunyai kondisi Inclusion Probability, dimana peluang setiap individu untuk dapat terplih menjadi anggota sampel berbeda-beda . Pada penulisan skripsi ini parameter populasi yang akan ditaksir menggunakan Centre Sampling adalah total populasi. Estimator yang akan digunakan untuk mencari taksiran total populasi adalah Horvitz ndash; Thompson Estimator yang diperkenalkan oleh Horvitz ndash; Thompson pada tahun 1952. Horvitz ndash; Thompson Estimator adalah penaksir yang tak bias untuk total populasi. Pada skripsi ini juga akan dicari taksiran variansi dari taksiran total populasi.

---

ABSTRACTExlusive Population is population which members are difficult to detect and does not have any complete and clear sampling frame. A particular sampling method is required to take samples from Elusive Population. Centre Sampling is one of the sampling method that can be used on Elusive Population. The idea of Centre Sampling is to observe individual who becomes an object of research in a centre where all individual gather, or called as a centre of aggregation. In general, there are two steps to take samples in Centre Sampling. First of all, choose as many as m of M centre of aggregation that have been listed. Then, researchers must observe every individual in the selected centre. Centre Sampling has an Inclusion Probability condition, which probability of every individual of being selected as a member of samples are different. In this undergraduate thesis, population parameter which will be estimated using Centre Sampling is total population. The estimator which will be used to find the estimated total population is Horvitz Thompson Estimator, introduced by Horvitz Thompson in 1952. Horvitz Thompson Estimator is an unbiased estimator for total population. This undergraduate thesis will also look for unbiased estimator of the variance for estimated total population. "

"Elusive Population merupakan populasi yang bersifat tersembunyi tanpa adanya kerangka sampel yang jelas dan lengkap. Diperlukan metode pengambilan sampel secara khusus untuk dapat melakukan penaksiran parameter pada populasi dengan sifat seperti ini. Salah satu metode yang dapat digunakan adalah Network Sampling. Metode ini merupakan sebuah probability sampling yang dilakukan dengan dua tahap yakni pemilihan selected selection unit kemudian pemilihan network dari selected selection unit tersebut. Network Sampling mengembangkan Horvitz-Thompson Estimator untuk dapat melakukan pendugaan parameter populasi. Pada tugas akhir ini, akan ditunjukkan bahwa penaksir parameter total populasi dengan menggunakan Horvitz-Thompson Estimator pada metode Network Sampling merupakan sebuah penaksir yang tak bias.

---

Elusive population constitutes population that is hidden without a clear and complete frame sampling. A particular sampling method is needed in order to do parameter estimation on population with this characteristic. One of the methods that can be used is Network Sampling. This method is probability sampling which is done in two steps, choosing selected selection unit and then choosing network from selected selection unit. Network Sampling develops Horvitz-Thompson Estimator to estimate parameter population. In this undergraduate thesis, it will be proved that the estimator of total population using Horvitz-Thompson Estimator is an unbiased estimator."

"Remainder systematic sampling adalah suatu metode pengambilan sampel yang merupakan perluasan dari metode systematic sampling untuk kasus dimana ukuran populasi bukan merupakan kelipatan dari ukuran sampel. Taksiran mean yang didapat dengan remainder systematic sampling adalah taksiran yang takbias. Contoh penerapan akan diberikan untuk menunjukkan hal tersebut.

---

Remainder systematic sampling is an extension of the systematic sampling that applied to cases where population size is not a multiple of the sample size. Estimated mean obtained by remainder systematic sampling is unbiased estimator. Examples of the application will be given. "

"ABSTRAKPenaksir merupakan statistik dari sampel yang digunakan untuk menaksir parameter populasi. Salah satu kriteria penaksir yang baik adalah penaksir dengan presisi yang tinggi. Dalam teori sampling, auxiliary information sering digunakan untuk meningkatkan presisi penaksir. Auxiliary information yang tersedia dalam bentuk kualitatif disebut auxiliary attribute. Nursel Koyuncu memperkenalkan keluarga penaksir mean populasi yang dapat memanfaatkan auxiliary attribute beserta parameternya. Mean square error dari keluarga penaksir Nursel Koyuncu akan dirumuskan. Akan ditunjukkan jika penaksir mean populasi yang dibentuk dari keluarga penaksir Nursel Koyuncu lebih efisien dibandingkan mean sampel. Pembuktian teori ini akan didukung dengan contoh numerik dengan menggunakan data asli.

---

ABSTRACTEstimator is a statistic of the samples used to estimate population parameters. One of a good estimator criteria is the estimator has high precision. In sampling theory, auxiliary information often being used to improve the precision of the estimator. Auxiliary information which provided in qualitative form is called auxiliary attribute. Nursel Koyuncu was introducing family of mean population estimator that can utilize the auxiliary attribute and its parameters. The mean square error of the Nursel Koyuncu family estimator will be formulated. Will be indicated that the adjuster is formed from the Nursel Koyuncu rsquo s family of mean population estimator is more efficient than the sample mean. Proof of this theory would be supported by the numerical example using original data. "

" ABSTRAK Analisis cluster merupakan teknik multivariat yang digunakan untuk mengelompokkan objek berdasarkan karakteristik yang dimilikinya. Salah satu teknik dalam analisis cluster adalah metode Fuzzy K-Means lebih dikenal dengan Fuzzy C-Means , yang merupakan versi fuzzy dari metode K-Means clustering. Seperti pada metode K-Means, FCM juga sangat sensitif terhadap penentuan pusat-pusat awal cluster. Untuk mengatasi permasalahan tersebut, diusulkan modifikasi dari metode FCM dengan menggunakan metode sampling dengan probabilitas. Metode sampling digunakan untuk menaksir lokasi pusat-pusat awal cluster untuk digunakan ke dalam proses clustering. Dalam tugas akhir ini, metode sampling yang digunakan adalah simple random sampling dan ranked set sampling. Modifikasi dari metode FCM dengan menggunakan kedua metode sampling tersebut masing-masingnya disebut dengan SRS Fuzzy C-Means dan Ranked Fuzzy C-Means. Kedua metode tersebut kemudian diuji pada himpunan data pasien liver di India. Hasil eksperimen menunjukkan bahwa Ranked Fuzzy C-Means lebih efisien dibandingkan SRS Fuzzy C-Means dan FCM.

---

ABSTRACT Cluster analysis is a multivariate technique that is used to group objects based on characteristics. One technique in cluster analysis is a method Fuzzy C Means or better known as Fuzzy C Means , which is a fuzzy version of K Means clustering method. As the K Means method, FCM is also very sensitive to the determination of the initial cluster centers. To overcome these problems, the proposed modification of the FCM method using probability sampling methods. The sampling method is used to estimate the initial cluster centers to be used in the clustering process. In this thesis, the sampling method used was simple random sampling and ranked set sampling. Modifications of the FCM method using both the sampling method each being with SRS Fuzzy C Means and Ranked Fuzzy C Means. Both methods are then tested on a data set of liver patients in India. The experimental results showed that Ranked Fuzzy C Means is more efficient than SRS Fuzzy C Means and FCM."