Pengambilan Sampel Bertingkat vs Pengambilan Sampel Cluster
Dalam statistik, terutama dalam melakukan survei, penting untuk mendapatkan sampel yang tidak bias, sehingga hasil dan prediksi yang dibuat mengenai populasi lebih akurat. Tetapi, dalam pengambilan sampel acak sederhana, ada kemungkinan untuk memilih anggota sampel yang bias; dengan kata lain, itu tidak mewakili populasi secara adil. Oleh karena itu, stratified sampling dan cluster sampling digunakan untuk mengatasi bias dan masalah efisiensi dari simple random sampling.
Pengambilan Sampel Bertingkat
Stratified random sampling adalah metode pengambilan sampel di mana populasi pertama-tama dibagi menjadi strata (stratum adalah subset populasi yang homogen). Kemudian sampel acak sederhana diambil dari setiap strata. Hasil dari setiap strata yang digabungkan merupakan sampel. Berikut adalah contoh kemungkinan strata dalam populasi
• Untuk populasi suatu negara, strata pria dan wanita
• Untuk orang yang bekerja di kota, strata penduduk dan bukan penduduk
• Untuk mahasiswa di perguruan tinggi, kulit putih, hitam, Hispanik, dan strata Asia
• Untuk audiens debat tentang strata teologi, Protestan, Katolik, Yahudi, Muslim
Dalam proses ini, daripada mengambil sampel secara acak langsung dari populasi, populasi dipisahkan menjadi beberapa kelompok menggunakan karakteristik yang melekat pada elemen (kelompok homogen). Kemudian diambil sampel acak dari kelompok tersebut. Jumlah sampel acak yang diambil dari setiap kelompok tergantung pada jumlah elemen dalam kelompok tersebut.
Ini memungkinkan pengambilan sampel dilakukan tanpa sampel dari satu kelompok lebih besar dari jumlah sampel yang diperlukan dari kelompok tertentu. Jika jumlah elemen dari kelompok tertentu lebih besar dari jumlah yang diperlukan, distribusi yang miring dapat menyebabkan interpretasi yang salah.
Sampling bertingkat memungkinkan penggunaan metode statistik yang berbeda untuk setiap strata, yang membantu meningkatkan efisiensi dan akurasi estimasi.
Cluster Sampling
Cluster random sampling adalah metode pengambilan sampel di mana populasi pertama-tama dibagi menjadi beberapa cluster (Cluster adalah subset populasi yang heterogen). Kemudian sampel acak sederhana dari cluster diambil. Semua anggota cluster yang dipilih bersama-sama merupakan sampel. Metode ini sering digunakan ketika pengelompokan alami sudah jelas dan tersedia.
Sebagai contoh, pertimbangkan survei untuk mengevaluasi keterlibatan siswa sekolah menengah atas dalam kegiatan ekstrakurikuler. Daripada memilih siswa secara acak dari populasi siswa, memilih kelas sebagai sampel untuk survei adalah sampling cluster. Kemudian setiap anggota kelas diwawancarai. Dalam hal ini, kelas adalah kumpulan dari populasi siswa.
Dalam cluster sampling, cluster yang dipilih secara acak, bukan individunya. Diasumsikan bahwa setiap cluster dengan sendirinya merupakan representasi populasi yang tidak bias, yang menyiratkan bahwa setiap cluster adalah heterogen.
Apa perbedaan antara Stratified Sampling dan Cluster Sampling?
• Dalam pengambilan sampel bertingkat, populasi dibagi menjadi kelompok-kelompok homogen yang disebut strata, dengan menggunakan atribut sampel. Kemudian dipilih anggota dari setiap strata, dan jumlah sampel yang diambil dari strata tersebut sebanding dengan keberadaan strata dalam populasi.
• Dalam cluster sampling, populasi dikelompokkan ke dalam cluster, terutama berdasarkan lokasi, dan kemudian cluster dipilih secara acak.
• Dalam cluster sampling, sebuah cluster dipilih secara acak, sedangkan dalam stratified sampling anggota dipilih secara acak.
• Dalam pengambilan sampel berstrata, setiap kelompok yang digunakan (strata) mencakup anggota yang homogen sedangkan, dalam pengambilan sampel klaster, suatu klaster adalah heterogen.
• Stratified sampling lebih lambat sedangkan cluster sampling relatif lebih cepat.
• Sampel berlapis memiliki lebih sedikit kesalahan karena memfaktorkan kehadiran setiap kelompok dalam populasi dan mengadaptasi metode untuk mendapatkan estimasi yang lebih baik.
• Pengambilan sampel cluster memiliki persentase kesalahan yang lebih tinggi.
