Uno de los indicadores más útiles de la dispersión relativa es el coeficiente de variación. Las características del coeficiente de variación han contribuido a su amplio uso en la mayoría de las disciplinas científicas y académicas, con aplicaciones en la vida real. Los estimadores tradicionales del coeficiente de variación se basan en momentos convencionales; por lo tanto, estos se ven muy afectados por la presencia de valores extremos. En este artículo, desarrollamos algunos estimadores novedosos del coeficiente de variación basados en calibración para la variable de estudio bajo muestreo aleatorio doble estratificado (DSRS) utilizando las características robustas de los momentos lineales (L y TL), que ofrecen estimaciones apropiadas del coeficiente de variación. Para evaluar la utilidad de los estimadores propuestos, se realiza un estudio de simulación utilizando tres poblaciones, de las cuales una se basa en el conjunto de datos de la pandemia de COVID-19 y las otras dos se basan en conjuntos de datos de frutas de manzana. Se ha calculado la eficiencia relativa de los estimadores propuestos con respecto a los estimadores existentes. La superioridad de los estimadores sugeridos sobre los estimadores existentes se valida claramente utilizando los conjuntos de datos reales.