MPC I   »   Stratified Random Sampling   ›  Stratified Random Sampling

Sampling

Stratified Random Sampling

Stratified random sampling atau pengambilan sampel acak berstrata adalah teknik pengambilan sampel dengan terlebih dahulu membuat populasi menjadi beberapa subpopulasi (lapisan, strata) dan kemudian mengambil sampel dari setiap subpopulasi tersebut.

---

Salah satu cara untuk memperoleh sampel yang lebih mewakili populasi adalah dengan terlebih dahulu membuat populasi menjadi beberapa subpopulasi (atau lapisan, stratum), kemudian mengambil sampel dari setiap subpopulasi tersebut.

Dengan cara ini, sampel secara keseluruhan (sebesar n) pada umumnya akan lebih dapat mencerminkan populasi daripada langsung mengambil n unit dari populasi tersebut, yang bisa saja menghasilkan sampel yang hanya mewakili sebagian kelompok dalam populasi.

Di samping itu, dengan melakukan pengambilan sampel di setiap strata (subpopulasi), maka analisis dapat pula dilakukan untuk setiap subpopulasi. Bahkan pembandingan antarsubpopulasi pun dapat dilakukan. Prinsip pengelompokan populasi menjadi beberapa subpopulasi atau lapisan ini sebelum sampel diambil disebut prinsip pelapisan (stratification).

Definisi Pengambilan Sampel Acak Berstrata

Secara definisi yang dimaksud dengan pengambilan sampel acak dengan prinsip pelapisan (stratified random sampling) adalah suatu metode pengambilan sampel secara acak dari setiap subpopulasi yang dibentuk dari sebuah populasi (yang berukuran N) menjadi sebanyak L subpopulasi yang tidak tumpang-tindih ( biasa disebut juga L lapisan) yang masing-masing terdiri atas \(N_1, N_2, N_3,…,N_h,…,N_L\) unit pengamatan.

Jika pengambilan sampel dengan pelapisan ini dilakukan secara SRS, maka pengambilan sampel disebut dengan stratified simple random sampling (Stratified SRS), dan bila dilakukan dengan cara sistematik akan disebut dengan stratified systematic random sampling, serta bila dilakukan bersama dengan cluster sampling, maka disebut stratified cluster sampling, dan dengan probability proportional to size sampling (PPS) menjadi stratified PPS, atau bahkan ada yang disebut dengan stratified multi-stage sampling.

Sebagai contoh, kita mau mempelajari atau mendapatkan gambaran tentang karakteristik rumah tangga-rumah tangga di Kabupaten Tanah Datar. Katakan kita mengambil sampel sebanyak 5.000 rumah tangga (n = 5000).

Kalau kita ambil sampel tersebut secara langsung baik dengan pengambilan sampel acak sederhana tanpa pengembalian (without replacement) (SRS-WOR) atau dengan pengembalian (with replacement) (SRS-WR), maka bisa saja terambil 5000 rumah tangga di daerah perdesaan saja, sehingga gambaran tentang karaketeristik rumah tangga (seperti konsumsi, pendapatan, dan jumlah anak) dari sampel itu sebenarnya tidak baik untuk digunakan sebagai dasar penggambaran untuk Kabupaten Tanah Datar secara keseluruhan.

Kenapa demikian? Ketidakterwakilan tersebut di atas adalah karena di Kabupaten tersebut terdapat juga rumah tangga perkotaan yang karaketeristiknya belum tentu atau hampir pasti tidak sama dengan karakteristik rumah tangga perdesaan.

Dengan demikian, tentunya akan lebih baik kalau kita ambil sampel dari lapisan rumah tangga perdesaan dan juga dari lapisan rumah tangga perkotaan sehingga besarnya total sampel tetap sebesar n = 5000 rumah tangga, lalu sampel perdesaan dan perkotaan tersebut digabungkan untuk penggambaran keseluruhan.

Dapat dibuktikan secara matematik bahwa kesalahan baku (standard error) atau deviasi standar (standard deviation) dari penduga, dengan ukuran sampel yang sama, dalam pengambilan sampel acak sederhana dengan menggunakan prinsip pelapisan adalah lebih kecil daripada pengambilan sampel acak sederhana tanpa mengunakan prinsip pelapisan.

Prinsip pelapisan

Prinsip utama dalam prosedur ini adalah pengelompokan unit-unit yang cirinya heterogen ke dalam beberapa lapisan sehingga unit-unit dalam satu lapisan mempunyai ciri yang kurang lebih homogen dan antar lapisan mempunyai ciri yang seheterogen mungkin.

Peubah yang dipakai untuk pengelompokan atau pembuatan lapisan (stratifying variabel) hendaknya berkorelasi kuat dengan ciri yang akan diamati. Secara prinsip peubah tersebut bisa saja lebih dari satu, misalnya pegawai di suatu kantor dikelompokkan menurut agama (stratifying variable 1) dan pendidikan tertinggi yang diselesaikan (stratifying variabel 2).

Keuntungan Penggunaan Prinsip Pelapisan?

Sebagaimana telah disinggung di awal, terdapat sekurang-kurangnya tiga keuntungan dalam menggunakan prinsip pelapisan dalam suatu penelitian survei, yaitu:

1. Dengan prinsip pelapisan, maka desain survei akan lebih baik karena sampel akan terjamin lebih mewakili populasi akibat diambilnya sampel dari setiap lapisan dalam populasi.
2. Perkiraan berdasarkan desain dengan prinsip pelapisan akan lebih efisien, dengan pengertian mempunyai kesalahan baku yang lebih kecil dibandingkan desain tanpa prinsip pelapisan.
3. Dapat dilakukan perkiraan untuk setiap lapisan sehingga dapat dipelajari kondisi setiap lapisan dan dapat pula dibandingkan kondisi antarlapisan. Dengan kata lain, analisis bisa dilakukan secara lebih lengkap.

Kendala Metode Sampling Dengan Pelapisan

Kendala dalam melakukan metode sampling dengan pelapisan adalah:

1. Sering tidak adanya informasi awal yang tepat sebagai dasar pengelompokan, akibatnya strata yang dibuat tidak sesuai dengan tujuan; dan
2. Karena setiap lapisan dapat dianggap sebagai populasi sendiri, maka harus dibuat kerangka sampel terpisah dan berbeda untuk setiap lapisan, dan ini memerlukan biaya dan tenaga tambahan.

Sumber:

Asra, Abuzar & Achmad Prasetyo. 2015. Pengambilan Sampel dalam Penelitian Survei. PT RajaGrafindo Persada: Jakarta.