Perbandingan Metode Penarikan Contoh Acak Berlapis dan Penarikan Contoh Sistematik dengan Bootstrap pada Populasi Terhingga

Abstract

Survei lalu lintas merupakan aktivitas penting dalam mengukur kepadatan lalu lintas di tempat dan saat tertentu. Data yang dihasilkan bermanfaat sebagai dasar dalam pengaturan lalu lintas dan juga digunakan untuk menghitung emisi gas buang yang dihasilkan oleh kendaraan bermotor. Selama ini survei lalu lintas terutama pencacahan kendaraan masih dilakukan secara manual dan membutuhkan waktu yang lama. Tidak hanya itu saja, sumberdaya yang dibutuhkan juga tidak sedikit dan berdampak pada biaya yang besar. Penerapan metode penarikan contoh yang tepat akan dapat membuat survei lalu lintas menjadi lebih efisien dari segi waktu, tenaga, maupun biaya. Penelitian ini bertujuan untuk mendapatkan metode penarikan contoh terbaik di antara penarikan contoh acak berlapis dan penarikan contoh sistematik. Data populasi yang digunakan adalah hasil survei lalu lintas di Jalan R.E. Martadinata, Kota Sukabumi, Jawa Barat yang berada di kawasan Central Business District (CBD) pada Hari Sabtu mewakili hari libur dan Hari Senin mewakili hari kerja. Data tersebut bersifat terhingga dan dianalisis dengan teknik bootstrap. Bootstrap merupakan teknik pengambilan contoh secara berulang untuk mengetahui sebaran populasi dan menduga parameter populasi, namun pada umumnya populasi yang menjadi perhatian bersifat tidak terhingga. Apabila pendugaan dilakukan terhadap populasi yang terhingga maka dibutuhkan penyesuaian khusus pada tahap analisis data yaitu dengan mempertimbangkan faktor koreksi. Berdasarkan metode terbaik diperoleh dugaan total kendaraan berupa dugaan titik dan selang serta dialokasikan menurut jenisnya menggunakan proporsi masing-masing jenis terhadap total kendaraan. Perbandingan hasil kedua metode dilakukan berdasarkan kriteria validitas, reliabilitas, dan akurasi. Untuk Hari Sabtu maupun Senin, penarikan contoh sistematik lebih baik dari penarikan contoh acak berlapis karena memiliki nilai bias, simpangan baku adjusted dan mean square error (MSE) yang lebih kecil terutama ketika ukuran contoh bootstrap sebesar 32. Penarikan contoh sistematik menghasilkan dugaan berupa selang dan titik yang mendekati nilai parameter sebenarnya.