Stratified Sampling

Definisi Pengambilan Sampel Berstratifikasi

Stratified sampling adalah metode pengambilan sampel secara acak untuk membagi populasi menjadi berbagai subkelompok atau strata dan mengambil sampel acak dari masing-masing. Setiap subgrup atau strata terdiri dari item-item yang memiliki kesamaan karakteristik. Metode pengambilan sampel ini banyak digunakan dalam penelitian manusia atau survei politik.

tautan atribusi

Berbeda dengan simple random sampling yang langsung mengambil sebagian dari keseluruhan populasi sebagai sampel. Selain itu, ini adalah teknik yang andal karena item yang menunjukkan fitur berbeda dipilih secara merata untuk membentuk sampel yang mencerminkan seluruh populasi. Dengan demikian, sampel seperti itu merupakan perwakilan yang lebih baik dari keseluruhan populasi.

Takeaway kunci

• Stratified sampling adalah proses dimana populasi heterogen dipisahkan menjadi berbagai subkelompok homogen atau strata, dan sampel diambil dari masing-masing.
• Sebuah “lapisan” tidak lain adalah sebuah kelompok; itu jamak ditulis sebagai strata. Jadi, stratifikasi adalah proses pengelompokan item atau data.
• Stratified sampling dapat proporsional atau tidak proporsional. Ketika sampel diambil dalam persentase atau rasio yang sama dari setiap subkelompok, itu dikenal sebagai sampling acak stratifikasi proporsional.
• Ketika sampel diambil tanpa rasio atau laju yang ditentukan, ini disebut sebagai sampling acak stratifikasi tidak proporsional.
• Sampel bertingkat lebih mencerminkan keseluruhan populasi karena setiap subkelompok terwakili secara memadai dalam sampel.

Bagaimana Metode Pengambilan Sampel Stratifikasi Bekerja?

Istilah stratified muncul dari kata “strata” yang mengacu pada kelompok. Dengan demikian, stratified random sampling menekankan pendistribusian data yang beragam ke dalam beberapa kelompok. Setiap kelompok memiliki variabel atribut yang mirip. Sampel atau kumpulan data dipilih dari masing-masing kelompok ini untuk dianalisis.

Harap dicatat bahwa setiap strata harus saling eksklusif Saling eksklusif Saling eksklusif mengacu pada peristiwa statistik yang tidak dapat terjadi pada waktu yang sama. Dengan demikian, peristiwa-peristiwa ini sepenuhnya independen satu sama lain, yaitu hasil satu peristiwa tidak berdampak pada hasil peristiwa lainnya. Baca selengkapnya dan lengkap. Dengan kata lain, suatu elemen atau item yang termasuk dalam satu strata tidak dapat ditambahkan ke strata lainnya. Duplikasi data dalam beberapa strata dapat menyebabkan hasil yang tidak dapat diandalkan.

Tujuan utama dari teknik ini adalah untuk memastikan bahwa sampel total merupakan campuran dari semua jenis item yang berbeda dalam populasi. Campuran ini menjamin bahwa seluruh populasi direplikasi secara dekat dalam sampel.

Mari kita asumsikan tim peneliti sedang mensurvei perusahaan FMCG tentang selera dan preferensi orang dalam pilihan makanan. Tim memutuskan untuk mengambil tiga kategori penting: pria, wanita, dan anak-anak. Jumlah total orang yang diperlukan untuk kumpulan data mendekati satu juta jumlahnya.

Bagaimana stratified random sampling dapat membantu peneliti mengumpulkan data yang dibutuhkan dengan menggunakan lebih sedikit waktu dan sumber daya? Tidak mudah untuk berbicara dengan satu juta orang dan mengambil pendapat mereka. Namun, jauh lebih mudah dan hemat waktu untuk membuat tiga grup dan memilih beberapa di antaranya, katakanlah 10% orang dari setiap grup.

Individu yang terpilih akan mewakili kelompoknya dalam sampel. Pendapat mereka akan serupa dengan sebagian besar individu dalam kelompok mereka. Dengan demikian, pengambilan sampel melalui pemisahan data akan memastikan setiap kategori atau kelompok cukup terwakili dalam sampel. Oleh karena itu, hasil survei akan berbicara untuk seluruh populasi.

Metode pengambilan sampel ini telah menjadi teknik pengambilan sampel probabilitas standar yang digunakan oleh manajer portofolioManajer PortofolioManajer portofolio adalah pakar pasar keuangan yang merancang portofolio investasi secara strategis.baca lebih lanjut untuk merancang portofolio untuk klien mereka. Ini memberikan pengembalian yang diinginkan dengan mereplikasi indeks yang berbeda seperti indeks saham atau indeks obligasi.

Juga, ini adalah praktik terkemuka dalam audit dan vouching. Bahkan auditorAuditorAuditor adalah seorang profesional yang ditunjuk oleh suatu perusahaan untuk analisis independen atas catatan akuntansi dan laporan keuangan mereka. Seorang auditor mengeluarkan laporan tentang keakuratan dan keandalan laporan keuangan berdasarkan undang-undang operasi lokal negara tersebut. Baca lebih lanjut, umumnya Akuntan Publik Bersertifikat (CPA), menggunakan rumus ini pada umumnya untuk tujuan vouching dan verifikasi dalam mengaudit rekening perusahaan. Formula ini cocok dengan kriteria mereka karena auditor dapat membuat berbagai grup atau subgrup berdasarkan jumlah yang terlibat. Praktik ini membantu mengurangi ukuran sampel tanpa mengurangi keandalan sampel yang dikumpulkan.

Jenis Pengambilan Sampel Berstratifikasi

Ada dua cara mendasar untuk melaksanakan teknik pengambilan sampel ini. Ini adalah sebagai berikut:

#1 – Proporsional:

Di sini, persentase item yang sama dipilih dari setiap strata. Ukuran sampel setiap strata sebanding dengan populasinya. Jumlah sampel dari semua kelompok membentuk ukuran sampel total dari seluruh populasi.

Sebagai contoh, misalkan populasi suatu kota harus dibagi menjadi tiga kategori berdasarkan usia mereka.

Jika ukuran sampel adalah 2000, kita dapat menentukan jumlah sampel yang diambil dari masing-masing kelompok dengan menggunakan sampling proporsional.

Proporsi ukuran sampel terhadap populasi = 2000/10000*1000 = 20%

Ukuran sampel = 820 + 700 + 480 = 2000

Dalam ilustrasi di atas, kami mengamati bahwa 20% item sampel dipilih dari setiap kategori. Juga, jumlah kumulatif sampel yang diambil dari semua subkelompok digabungkan menjadi 20% dari total ukuran sampel.

#2 – Tidak proporsional:

Di sini, ukuran setiap strata tidak sebanding dengan ukuran populasinya. Peneliti tidak mengambil sampel dengan rasio yang sama dari setiap kelompok dengan teknik random sampling ini. Teknik Random Sampling Simple random sampling adalah proses dimana setiap artikel atau objek dalam populasi memiliki kesempatan yang sama untuk dipilih, dan dengan menggunakan model ini mengurangi kemungkinan bias terhadap objek tertentu.baca lebih lanjut. Dengan demikian, pemilihan sampel mungkin tidak adil dalam kasus ini. Misalnya, peneliti dapat memilih jumlah item yang sama dari setiap strata terlepas dari ukuran kelompok.

Mengikuti contoh di atas, misalkan ukuran sampel tetap 2000 orang. Kemudian dengan menggunakan metode disproportionate, peneliti memilih 600 orang dari kategori A dan C serta 800 orang dari kategori B.

Jadi di sini, peneliti telah mengambil sampel terlepas dari ukuran populasi masing-masing strata. Jadi, meskipun kategori A memiliki ukuran populasi maksimum dan kategori C memiliki ukuran populasi terendah, ukuran sampelnya tetap sama.

Rumus Pengambilan Sampel Berstratifikasi

Tidak ada rumus khusus untuk pengambilan sampel ini karena keputusan seperti pembagian sub-kelompok atau strata dan ukuran sampel total untuk mencerminkan seluruh populasi berada pada kebijaksanaan peneliti.

Tetapi rumus berikut dapat digunakan untuk mengetahui ukuran sampel untuk setiap subkelompok di bawah pengambilan sampel proporsional:

Contoh Pengambilan Sampel Stratifikasi

Sebuah tim riset bisnis harus mensurvei 120.000 karyawan yang bekerja di berbagai lokasi perusahaan di AS. Jumlah karyawan yang dipekerjakan di berbagai cabang perusahaan adalah sebagai berikut:

Jika total ukuran sampelUkuran SampelRumus ukuran sampel menggambarkan rentang populasi yang relevan tempat eksperimen atau survei dilakukan. Diukur dengan menggunakan ukuran populasi, nilai kritis distribusi normal pada tingkat kepercayaan yang dibutuhkan, proporsi sampel dan margin of error.read more adalah 12.000, tim dapat menentukan sampel dari setiap strata atau subkelompok dengan menggunakan rumus berikut.

Stratified Sampling = Total Ukuran Sampel / Seluruh Populasi * Populasi Subkelompok

Perhitungan ukuran sampel untuk kantor Washington:

Jumlah Sampel = (12.000/120.000) *20.000

Ukuran Sampel Kantor Washington = 2.000

Demikian pula, kita dapat menemukan ukuran sampel untuk semua kantor cabang menggunakan rumus di atas.

Contoh kehidupan nyata

Sebuah makalah penelitian yang diterbitkan di medRxiv membahas kesesuaian penggunaan teknik pengambilan sampel acak bertingkat untuk memperkirakan prevalensi COVID-19 di negara bagian Maryland, AS. Dalam survei ini, populasi Maryland distratifikasi atau dibagi berdasarkan kabupaten. Kemudian, individu dipilih dari masing-masing kabupaten yang mewakili strata mereka.

Sesuai penelitian, teknik pengambilan sampel bertingkat untuk menguji prevalensi COVID-19 dapat diterima. Tetapi sampel yang tiba melalui stratifikasi harus disesuaikan dengan kesalahan klasifikasi untuk menghindari perkiraan kasus COVID yang terlalu rendah atau terlalu tinggi.

Keuntungan

Teknik pengambilan sampel ini adalah teknik yang sangat efektif karena alasan berikut:

• Replikasi Populasi Heterogen : Adalah efisien untuk memilih sampel dari berbagai karakteristik dengan membuat subkelompok. Dengan demikian, sampel dari setiap subkelompok atau strata secara efektif mewakili seluruh populasi.
• Analisis Adil : Ini termasuk sampel dengan data berbeda yang memberikan bobot yang masuk akal untuk setiap kategori untuk interpretasi yang tidak bias.
• Hasil Akurat dan Andal : Ketika sampel diambil secara merata dari semua kategori atau kelompok dengan atribut yang berbeda, cenderung memberikan hasil yang efisien dan bermakna.
• Menghemat Waktu dan Uang : Mempelajari seluruh populasi itu membosankan dan menyebabkan pemborosan sumber daya. Pada saat yang sama, teknik ini membantu memilih sampel yang sangat dekat dengan ukuran yang jauh lebih kecil, yang menghemat waktu dan uang peneliti.
• Memfasilitasi Studi Komparatif : Ini dengan jelas membedakan seluruh populasi ke dalam strata yang berbeda berdasarkan fitur-fiturnya. Oleh karena itu, data dari masing-masing kelompok tersebut juga dapat dibandingkan dan dianalisis secara terpisah.

Kekurangan

Tidak diragukan lagi, teknik pengambilan sampel acak ini menyederhanakan proses penelitian atau analisis. Namun, itu tunduk pada kesalahan dan ketidakakuratan. Mari kita bahas beberapa batasan yang membatasi penerapannya:

• Lingkup Terbatas : Metode ini menjadi tidak valid karena tidak adanya informasi yang terkonsolidasi mengenai berbagai atribut dan campuran populasi. Jadi, tidak bisa diterapkan pada semua jenis penelitian.
• Kesulitan Memutuskan Strata : Masalah signifikan lainnya adalah pembentukan kategori atau kelompok. Mengidentifikasi apa yang harus dimasukkan atau dikecualikan dan karakteristik apa yang harus dipertimbangkan adalah tantangan lain.
• Tidak Berlaku untuk Ukuran Populasi Kecil : Ketika ukuran populasi terbatas, katakanlah 100 orang atau lebih, tidak perlu pengambilan sampel. Sebaliknya, seluruh populasi dapat dipertimbangkan untuk analisis.
• Rawan Bias : Selanjutnya, metode ini sangat dipengaruhi oleh pemilihan kelompok peneliti, yang kadang-kadang mungkin tidak cukup adil. Selain itu, pola pikir dan kemampuan berbeda dari orang ke orang, yang dapat memengaruhi pengambilan sampel.

Pengambilan Sampel Stratifikasi vs. Pengambilan Sampel Cluster

Sampling Stratified dan Cluster SamplingCluster SamplingCluster adalah metode hemat biaya dibandingkan dengan metode statistik lainnya di mana peneliti mendistribusikan populasi ke dalam kelompok individu yang dikenal sebagai cluster dan memilih sampel acak dari populasi untuk menganalisis dan menginterpretasikan hasil daripada melihat keseluruhan rangkaian dari data yang tersedia.Baca selengkapnya adalah teknik pengambilan sampel acak. Dalam stratified random sampling, subkelompok yang berbeda dibentuk, dan masing-masing memiliki item dengan atribut yang sama. Setelah pemisahan ini, sampel dipilih dari masing-masing strata untuk mencerminkan campuran populasi yang sebenarnya.

Sebaliknya, pengambilan sampel klaster juga merupakan proses membagi seluruh populasi menjadi subkelompok. Akan tetapi, kelompok heterogen terbentuk dimana setiap cluster merupakan campuran item dengan atribut yang berbeda. Dalam metode ini, cluster acak dipilih dan elemennya membentuk sampel akhir. Di sini, cluster diambil sebagai sampel karena mereplikasi total populasi heterogen.

Yang pertama, kelompok-kelompok itu disebut strata, sedangkan yang kedua, ini disebut kelompok. Juga, sampel dalam stratified sampling adalah elemen-elemen dalam strata, sedangkan dalam cluster sampling, sebuah cluster atau kelompok dianggap sebagai sampel. Pada tahap pertama, peneliti membentuk strata yang heterogen, masing-masing dengan item yang homogen. Namun, pada tahap terakhir, peneliti membuat cluster yang homogen dengan item yang heterogen.

Pertanyaan yang Sering Diajukan (FAQ)

Apa itu stratified sampling?

Pengambilan sampel bertingkat mengacu pada teknik pengambilan sampel acak yang mengelompokkan item dari seluruh populasi ke dalam kelompok yang berbeda berdasarkan karakteristik serupa. Kemudian diambil sampel dari setiap strata, baik secara proporsional maupun tidak proporsional, untuk dilakukan penelitian atau analisis.

Mengapa sampling bertingkat digunakan?

Metode stratified random sampling memberikan data sampel yang hampir identik dengan seluruh data populasi. Dengan demikian, analisis menjadi lebih akurat ketika variabel dipilih dari semua subkelompok kepentingan.

Apakah stratified sampling non-probability sampling?

Tidak, sebaliknya, itu adalah teknik pengambilan sampel probabilitas. Disebut juga stratified random sampling, bentuk pengambilan sampel ini digunakan dalam penelitian untuk menentukan kemungkinan perilaku seluruh populasi secara efisien.

Apa saja empat jenis sampling probabilitas?

Diberikan di bawah ini adalah empat jenis sampling probabilitas:
#1 – Simple random sampling#2 – Stratified sampling#3 – Systematic sampling#4 – Cluster sampling

Artikel yang Direkomendasikan

Ini telah menjadi panduan untuk stratified sampling. Disini kita bahas pengertian & cara kerja metode stratified sampling beserta contoh, rumus, kelebihan, dll. Anda bisa mempelajarinya lebih lanjut pada artikel berikut –

• Definisi Distribusi Sampling
• Pengambilan Sampel Sistematis
• Menghitung Sampling Error
• Kesalahan Standar
• Contoh Berarti