BAB III DASAR-DASAR METODE SAMPLING Penggunaan Metode Sampling Data dapat diperoleh dari berbagai sumber seperti

catatan administrasi, sensus, maupun survei sampel. Survei sampel adalah salah satu cara untuk mengumpulkan data melalui sebagian unit baik dengan probability (peluang) maupun non probability tergantung dari tujuan survei. Bila informasi dari survei sampel ingin disajikan data untuk menarik kesimpulan dari sebuah populasi, maka perlu digunakan sampling berpeluang seperti yang telah dijelaskan dalam buku Seri 2. Pada uraian selanjutnya akan lebih difokuskan pada metode sampling dengan menggunakan probability sampling, walaupun tetap akan dijelaskan juga mengenai non probability sampling. Suatu survei sampel dapat dilakukan juga dengan kombinasi antara probability sampling dan non probability sampling yang biasanya saling melengkapi satu sama lain. Sebagai contoh pada pengumpulan data konsumsi/pengeluaran rumahtangga, pada saat ini konsumsi makanan jadi cenderung makin meningkat. Makanan jadi terdiri dari berbagai komposisi mulai dari beras, sayur-sayuran, daging, sampai ke minuman, dan sebagainya. Yang menjadi pertanyaan, misalnya data total konsumsi beras rumahtangga, berapa sebenarnya konsumsi beras per kapita. Untuk keperluan ini perlu diadakan studi mendalam dengan meneliti dari makanan jadi kira-kira berapa komposisi berasnya. Survei sampel dapat dilakukan secara purposive dengan mengambil sub-sampel dengan kriteria tertentu serta dilakukan penelitian secara mendalam. Sebagai dasar untuk mengkaji alternatif metode sampling yang akan digunakan, minimal disepakati terlebih dahulu: a. Obyek dan tujuan survei b. Populasi survei/populasi c. Variabel yang akan dikumpulkan d. Tingkat ketelitian yang dikehendaki e. Kerangka sampel yang tersedia f. Target populasi g. Inferensial berupa kajian dan analisis

Metode Survei MDGs Tingkat Kecamatan

29

Konsep Definisi Sebelum mendalami metode sampling perlu memahami berbagai konsep definisi (istilah) yang digunakan terutama yang berkaitan dengan penyediaan kerangka sampel dan estimasi, antara lain: a. Populasi Populasi merupakan agregasi dari seluruh elemen yang perlu ditentukan berikut isi, unit, cakupan, dan waktu. Sebagai contoh populasi adalah semua penduduk yang bertempat tinggal dalam rumahtangga biasa di Kecamatan Polobangkang Selatan, Kabupaten Takalar, pada bulan Agustus tahun 2007. Contoh lain populasi adalah semua sekolah SD Negeri yang ada di Kecamatan Polobangkang Selatan, Kabupaten Takalar. b. Target populasi Target populasi merupakan sub populasi dari elemen yang ada pada populasi yang berbagai indikatornya akan dicari, seperti penduduk usia 7-12 tahun. c. Elemen Elemen adalah unit yang digunakan untuk mendapatkan informasi, misalnya rumahtangga. Elemen biasanya merupakan unit sampling terkecil (ultimate sampling unit). d. Unit observasi Unit observasi adalah unit dimana informasinya diperoleh baik secara langsung maupun melalui responden tertentu. Elemen sangat erat kaitannya dengan unit observasi. Elemen bisa sama dengan unit observasi, sebagai contoh rumahtangga adalah selain sebagai elemen juga dapat sebagai unit observasi, misal pengumpulan data keadaan tempat tinggal. Unit observasi bisa individu dari elemen, misalnya anggota rumahtangga. e. Unit sampling Unit sampling adalah unit yang dijadikan dasar penarikan sampel baik berupa elemen maupun kumpulan elemen (klaster). Sebagai contoh, rumahtangga dapat dijadikan sebagai unit sampling dan atau kumpulan rumahtangga pada wilayah tertentu dapat dijadikan unit sampling seperti blok sensus, RT/RW, bahkan desa. Di luar rumahtangga cukup banyak unit yang dapat dijadikan unit sampling sesuai dengan tujuan survei seperti sekolah, kelas, Puskesmas, perusahaan/usaha dan sebagainya.

30

Metode Survei MDGs Tingkat Kecamatan

f. Daftar unit (unit list) Daftar unit adalah daftar unit yang digunakan sebagai dasar penarikan sampel seperti daftar blok sensus, daftar rumahtangga, daftar perusahaan/usaha, daftar sekolah, daftar kelas, daftar murid, dan sebagainya. g. Kerangka sampel (sampling frame) Kerangka sampel merupakan seluruh unit dalam populasi yang akan dijadikan dasar penarikan sampel. Kerangka sampel perlu diteliti apakah memenuhi persyaratan kerangka sampel. Oleh karena kerangka sampel merupakan hal yang penting dan menjadi dasar untuk penerapan metode sampling, maka akan dibahas secara khusus pada Bab V. h. Metode sampling Metode sampling khususnya pada probability sampling digunakan sebagai alat untuk penentuan sampel agar dapat menyajikan data yang mewakili populasi ditinjau dari efisiensi desain dan biayanya. Informasi yang dihasilkan dapat disajikan dan dianalisis secara deskriptif dan statistik dan mempunyai tingkat ketelitian tertentu (presisi) yang dapat diukur ditinjau dari metode samplingnya (sampling error). i. Peluang terpilihnya setiap unit Unit sampel harus dipilih sedemikian rupa sehingga dapat mewakili populasi dan ditentukan metode sampling yang efisien baik ditinjau dari metode sampling maupun biaya. Dengan ketentuan harus mewakili populasi, berarti setiap unit dalam populasi harus mempunyai peluang untuk terpilih dalam sampel (besarnya peluang tidak boleh sama dengan nol). Besarnya peluang dapat sama (equal probability) atau tidak sama (unequal probability) tergantung dari metode sampling yang digunakan. j. Kebenaran yang diukur Estimasi yang berasal dari sampel harus dapat diukur kebenarannya/ ketelitiannya ditinjau dari metode sampling yang digunakan. Pengukuran ketelitiannya berupa nilai total, rata-rata, proporsi, dan sebagainya, dengan menyajikan besarnya kesalahan sampling serta selang kepercayaannya (level of confidence). Pengukuran kesalahan di luar metode sampling (non sampling error) tidak dapat diukur secara langsung dari hasil survei tetapi harus melalui cara lain, seperti melalui pasca evaluasi survei (PES). Dengan diadakannya PES, minimal dapat diperkirakan adanya kesalahan cakupan (coverage error) dan kesalahan isian (content error). PES merupakan pencacahan ulang dan dilakukan setelah survei tetapi dengan selang waktu yang tidak telalu lama. Dengan

Metode Survei MDGs Tingkat Kecamatan

31

melisting ulang dapat diperkirakan ketelitian pada saat listing dan dengan interview ulang dapat diperkirakan kesalahan isian (tidak semua variabel). PES tidak untuk memperbaiki estimasi tetapi untuk masukan analisis dan penyempurnaan yang akan datang. Pengukuran tingkat ketelitian disesuaikan dengan metode sampling yang digunakan dan dilakukan sebagai berikuit: 1) Pada saat perencanaan berdasarkan data yang ada seperti hasil sensus atau survei-survei yang lalu digunakan untuk memperkirakan banyaknya sampel yang harus dipilih pada tingkat penyajian tertentu, dalam hal ini kecamatan, dan dengan tingkat ketelitian yang diinginkan/ditentukan. Tidak semua variabel diteliti tetapi dipilih beberapa variabel yang mewakili variabel dengan tingkat heterogenitas/homogenitas tinggi, sedang dan rendah, atau variabel dengan kejadian yang sering terjadi, sedang, atau langka (rare cases). Besarnya sampel tergantung dari sifat variabel yaitu didasarkan tingkat heterogenitas/homogenitas karakteristik atau banyaknya kejadian. Makin heterogen karakteristik unit-unit dalam populasi makin besar sampel yang diperlukan. Untuk kajian penentuan besarnya sampel dengan penyajian tingkat kecamatan telah digunakan hasil Susenas 2001-2005. 2) Dengan telah ditentukan besarnya sampel tersebut selanjutnya dilakukan penarikan sampel dan penyusunan daftar sampel untuk pelaksanaan survei. Berdasarkan hasil pengolahan survei dihitung kembali perkiraan tingkat ketelitian sesuai metode sampling yang digunakan. Diharapkan hasil penghitungan sampling error antara perencanaan dan realisasi hasil survei tidak jauh berbeda. k. Prasyarat Desain sampling dengan peluang baru dapat diaplikasikan bila tersedia kerangka sampel sesuai metode sampling yang ditetapkan. Disamping itu metode sampling yang dipilih harus dapat diaplikasikan di lapangan ditinjau dari segi unit sampling dan biaya yang tersedia. Metode yang telah ditentukan harus benarbenar diikuti dan tidak boleh diubah. l. Efisiensi Efisiensi dalam hal ini adalah membandingkan suatu metode sampling dengan metode sampling lainnya dengan mengukur variansnya. Metode sampling dengan varians yang lebih kecil akan menunjukkan bahwa metode sampling yang digunakan lebih efisien dari metode sampling dengan varians yang lebih besar.

32

Metode Survei MDGs Tingkat Kecamatan

Dalam hal ini perlu keseimbangan antara varians dan biaya. Hasil sensus atau survei yang lalu dapat digunakan untuk penghitungan efisiensi. m. Efek dari desain (design effect atau deff) Sebenarnya efek dari desain ini sama dengan efisiensi, hanya pada design effect adalah membandingkan suatu metode sampling dengan metode sampling dengan acak sederhana dengan elemen sampling. Dengan selalu membandingkan terhadap acak sederhana, maka dapat langsung dilihat metode sampling mana yang paling efisien yaitu dengan melihat deff yang paling kecil. n. Statistik, Estimasi, dan Distribusi Sampling 1) Statistik Statistik/inferensial adalah nilai yang dihitung dari hasil survei sampel dari berbagai karakteristik dari variabel yang dikumpulkan melalui survei dengan tujuan untuk membuat estimasi populasi. Karakteristik dapat berasal dari variabel yang berhubungan dengan keadaan elemen dalam populasi seperti variabel MDGs (umur, pendidikan, kesehatan, keadaan tempat tinggal, dan sebagainya). Nilai yang dihitung dapat berupa angka mutlak, rasio, rata-rata, persentase, dan sebagainya atau kajian yang lebih mendalam seperti APM, kemiskinan, dan berbagai indikator MDGs lainnya. 2) Estimasi Estimasi merupakan perkiraan nilai karakteristik variabel yang dikumpulkan pada survei dari sampel-sampel yang telah dipilih. Pada metode sampling telah disepakati adanya notasi dengan huruf besar menyatakan data populasi dan huruf kecil menyatakan nilai sampel. Beberapa notasi yang biasa digunakan antara lain: Rincian 1. Nilai karakteristik 2. Rata-rata nilai karakteristik 3. Banyaknya unit sampling 4. Varians Populasi Y Y N S2 Sampel y $ y=Y n s2

Notasi rinci akan disesuaikan dengan metode sampling yang digunakan.

Metode Survei MDGs Tingkat Kecamatan

33

3) Distribusi sampling Penarikan sampel khususnya sampel berpeluang dilakukan dengan menggunakan angka random. Dengan demikian sampel yang terpilih tergantung dari angka randomnya. Secara keseluruhan akan terbentuk sejumlah kemungkinan gugus sampel (all possible samples), yang banyaknya tergantung dari metode sampling yang digunakan dan besarnya sampel yang ditentukan. Sebaran dari nilai statistik, misalnya rata-rata ( y ) dari setiap gugus sampel yang mungkin terbentuk disebut distribusi sampling dan dapat digambarkan sebagai berikut:
Gambar 3.1: All Possible Samples

Nilai y dari sampel tertentu Peluang dari yc ( Pc )

-2se(

y)

-1se( y )

E(

y)

+1se( y ) +2se(

y)

Ytrue

E( y) Y Bias non sampling Y Ytrue

Bias sampling Kesalahan total dari sampel tertentu

y ' Ytrue Setiap possible sample merupakan satu gugus sampel dengan sebanyak n sampling unit dan masing-masing mempunyai nilai y (rata-rata). Pada survei berskala besar seperti Susenas, distribusi sampling merupakan distribusi normal.

34

Metode Survei MDGs Tingkat Kecamatan

Nilai dari karakteristik pada distribusi sampling dinyatakan sebagai berikut: Y : nilai rata-rata parameter dari populasi (rata-rata populasi) : nilai rata-rata sesungguhnya dari populasi, yang tidak bisa diketahui : nilai rata-rata sampel

Ytrue y

E( y)

nilai rata-rata yang diperoleh dari rata-rata setiap possible sample bias sampling, bila E ( y ) = Y berarti rata-rata dari all possible samples sama dengan rata-rata populasi bias karena non sampling, bila berbedanya besar berarti kesalahan disebabkan non sampling seperti kesalahan isian, jawaban, pengolahan besar

E( y) Y : Y Ytrue :

y 'Ytrue :

kesalahan total, sampling dan non sampling dari suatu estimasi (gugus sampel tertentu) standard error dari nilai rata-rata

se ( y )

Masalah pokok pada metode sampling adalah membuat sebaran/distribusi possible samples tidak terlalu melebar, sehingga menghasilkan standard error sesuai yang diharapkan. Dalam buku ini diberikan berbagai metode sampling khusus probability sampling dengan tetap memberikan rumus-rumus dasar dengan memberikan: a. Contoh sederhana untuk memudahkan pengertian b. Contoh aplikasi sederhana dengan jumlah unit yang kecil termasuk persyaratan kerangka sampelnya Untuk lebih jelasnya diberikan beberapa contoh penerapan probability sampling yang mungkin dilakukan.

Metode Survei MDGs Tingkat Kecamatan

35

Probability Sampling dan Non Probability Sampling

Dengan probability sampling diharapkan dapat menarik kesimpulan tentang sebuah populasi, sehingga data yang dihasilkan dapat mewakili keadaan populasi. Setiap unit dalam populasi harus mempunyai peluang untuk terpilih dalam sampel. Untuk keperluan penarikan sampel diperlukan kerangka sampel. Oleh karena setiap unit dalam populasi mempunyai peluang untuk terpilih dalam sampel dan besarnya juga telah diperhitungkan, maka dimungkinkan untuk menghasilkan estimasi parameter dari populasi seperti total, rata-rata, proporsi, dan sebagainya. Non probability sampling tidak dapat menghasilkan estimasi parameter karena tidak semua unit dalam populasi mempunyai peluang untuk terpilih dalam sampel. Meskipun demikian non probability sampling sering digunakan untuk suatu keperluan tertentu seperti pemasaran, opini publik, kepuasan konsumen, atau dikombinasikan dengan probability sampling seperti dijelaskan sebelumnya, yaitu untuk melengkapi data yang dikumpulkan melalui probability sampling. Secara lebih rinci akan dijelaskan kemudian.
Metode Sampling

Metode sampling yang akan diuraikan adalah probability sampling sebagai alat penentuan sampel yang dapat digunakan untuk memperkirakan nilai populasi beserta cara penarikan sampel dan estimasinya. Metode sampling yang akan diuraikan meliputi:
Sampling Elemen Pada sampling elemen, penarikan sampel langsung ke elemen yang ada dalam populasi dan terdiri dari: Sampling acak sederhana (simple random sampling/SRS) Sampling sistematik (systematic sampling) Sampling berstrata (stratified sampling) Sampling berpeluang sebanding dengan ukuran unit (probability proportional to size/pps)

Pada metode sampling di atas, penarikan elemen sampel dapat dilakukan melalui 3 cara, yaitu: 1) acak sederhana 2) sistematik 3) dengan peluang sebanding ukuran unit
36
Metode Survei MDGs Tingkat Kecamatan

Sampling Klaster Pada sampling klaster, penarikan sampel tidak langsung ke elemen yang ada dalam populasi tetapi melalui kelompok elemen dan dibedakan sebagai berikut: Sampling klaster satu tahap, berarti dipilih langsung klaster dan kemudian semua unit dalam klaster dikumpulkan informasinya Sampling bertahap, pada tahap pertama dipilih terlebih dahulu klaster dan pada tahap berikutnya pada klaster terpilih dipilih elemennya

Cara penarikan sampel pada sampling klaster seperti halnya sampling elemen dapat dilakukan melalui 3 cara, yaitu: 1) acak sederhana 2) sistematik, dan 3) berpeluang. Dalam sampling bertahap dapat digunakan lebih dari satu cara penarikan sampel. Pada sampling klaster dapat pula diaplikasikan sampling berstrata seperti halnya sampling elemen. Sampling bertahap dapat dilakukan melalui penarikan sampel 2 tahap atau lebih.
A. Sampling Elemen Acak Sederhana

Acak sederhana pada sampling elemen digunakan bila pada populasi hanya tersedia daftar unit tanpa variabel pendukung dan unit tersedia berupa elemen. Sampling elemen pada umumnya hanya digunakan pada populasi yang unitnya tidak terlalu banyak dan areanya tidak terlalu luas. Pada level kecamatan tidak mungkin dilakukan sampling elemen, misalnya rumahtangga sebagai elemen dan ingin langsung dilakukan penarikan sampel rumahtangga. Untuk melakukan penarikan sampel rumahtangga secara langsung diperlukan daftar rumahtangga berikut nama kepala rumahtangga dan alamat lengkap. Penyediaan daftar nama kepala rumahtangga dan alamatnya yang mutakhir akan sulit karena memakan waktu, tenaga, dan biaya yang besar. Untuk mengatasinya digunakan sampling klaster yang terlebih dahulu mengelompokkan rumahtangga pada unit-unit yang sudah tersedia seperti blok sensus, RT/RW.

Metode Survei MDGs Tingkat Kecamatan

37

Meskipun demikian karena metode sampling acak sederhana ini merupakan dasar bagi metode selanjutnya, maka pengertian dari metode sampling serta cara estimasinya akan dibahas terlebih dahulu. Metode sampling lainnya dapat dipandang sebagai modifikasi atau pengembangan dari metode sampling acak sederhana. Yang tidak boleh dilupakan dalam penerapan probability sampling adalah tersedianya kerangka sampel yang memenuhi persyaratan yaitu tersedia sampai satuan unit terkecil yang akan digunakan sebagai dasar penarikan sampel, batas jelas, tidak tumpang tindih/terlewat, ada korelasi dengan data yang diteliti dan mutakhir. Untuk masalah kerangka sampel akan dibahas tersendiri. Pada pembahasan metode sampling diasumsikan kerangka sampel tidak ada masalah. Pada metode sampling acak sederhana ini, penarikan sampel biasanya dilakukan dengan menggunakan tabel angka random dan yang akan dibahas disini terbatas pada penarikan sampel acak sederhana tanpa pemulihan (without replacement). Tanpa pemulihan diartikan bila suatu unit yang sudah terpilih tidak ada kemungkinan untuk terpilih lagi, seperti misalnya kocokan pada arisan, lotere, dan sebagainya. Notasi yang digunakan adalah sebagai berikut: N n Y yi
Y y

: ukuran populasi atau banyaknya unit dalam populasi : ukuran sampel atau banyaknya unit/elemen terpilih dalam sampel : nilai karakteristik dari variabel yang diamati dari populasi : nilai karakteristik dari variabel unit ke i dari sampel : rata-rata nilai karakteristik per unit elemen dari populasi : rata-rata nilai karakteristik per unit elemen dari sampel : varians dari populasi : varians dari sampel : proporsi suatu kejadian dalam populasi (proporsi populasi) : proporsi suatu kejadian dari sampel (proporsi sampel)

S2 s2 P p

Oleh karena penarikan sampel dilakukan dengan menggunakan angka random, maka sampel terpilih akan tergantung dari angka randomnya. Secara keseluruhan akan terbentuk sejumlah kemungkinan gugus sampel (all possible samples), yang banyaknya tergantung dari metode penarikan sampel yang digunakan. Distribusi dari nilai statistik setiap gugus sampel yang mungkin terbentuk disebut distribusi sampling seperti dijelaskan sebelumnya.

38

Metode Survei MDGs Tingkat Kecamatan

Sebagai contoh dengan metode yang sederhana, yaitu memilih n dari N unit secara acak sederhana tanpa pemulihan, akan diperoleh kemungkinan sampel terbentuk sebanyak:
N

N N! Cn = = n n! ( N n)!

(1)

Misalnya banyak unit dalam populasi N = 5 dengan karakteristik elemen sebagai berikut: Elemen ke Nilai karakteristik 1 y1 = 8 2 y2 = 6 3 y3 = 12 4 y4 = 10 5 y5 = 4

Diambil sampel sebanyak n = 2, maka jumlah sampel yang mungkin terbentuk sebanyak:
5

5 5! 5x 4 x 3x 2 x1 = = 10 , C2 = = 2 2! (5 2)! 2 x1x 3x 2 x1

dan pasangan elemen dalam sampel yang mungkin terjadi dan nilai karakteristikanya adalah sebagai berikut:
Tabel 3.1: Gugus Sampel dan Nilai Karakteristiknya No. gugus sampel (1) 1 2 3 4 5 6 7 8 9 10 Pasangan elemen dalam sampel (2) 1, 2 1, 3 1, 4 1, 5 2, 3 2, 4 2, 5 3, 4 3, 5 4, 5 Rata-rata (y) (4) 7 10 9 6 9 8 5 11 8 7

Nilai sampel (3) y1,y2 (8, 6) y1,y3 (8, 12) y1,y4 (8, 10) y1,y5 (8, 4) y2,y3 (6, 12) y2,y4 (6, 10) y2,y5 (6, 4) y3,y4 (12, 10) y3,y5 (12, 4) y4,y5 (10, 4)

Metode Survei MDGs Tingkat Kecamatan

39

Dari setiap set-sampel di kolom (2) tidak ada unit terulang, dan kolom (3) adalah nilai karakteristik dari masing-masing elemen terpilih, sedangkan kolom (4) merupakan rata-rata yang diperoleh dari masing-masing gugus sampel, yang merupakan perkiraan nilai rata-rata karakteristik per elemen dari populasi. Dengan melihat gambaran tersebut perkiraan nilai populasi akan sangat tergantung pada variasi nilai karakteristik dari masing-masing elemen. Makin heterogen nilai karakteristik elemen dari populasi, makin bervariasi perkiraan yang diperoleh dari setiap possible sample (lihat Gambar 3.1). Jadi kunci penentu besarnya sampel adalah bagaimana varians dari nilai karakteristik.
Nilai rata-rata dan varians digambarkan sebagai berikut: Penghitungan Total Rata-rata Proporsi Populasi Statistik dari sampel

Y=

i =1

yi

y=
i

y
i =1

(2) (3) (4)

1 Y = N Y P= N
S2 =

y
i =1

1 n $ y = Y = yi n i =1 y p= n
Y )2 s2 =

(y
i =1

(y
i =1

y)2
(5)

Varians

N1

n1

Simpangan baku (standard deviation)

S=

(y
i =1

Y)

N1

s=
s2 =

(y
i =1

y)2
(6)

n 1
n p(1 p ) p (1 p) n 1

Varians proporsi

= P(1 P)
2

(7)

40

Metode Survei MDGs Tingkat Kecamatan

Berdasarkan contoh dan cara penghitungan yang telah diuraikan diperoleh gambaran sebagai berikut: Populasi
Y=
N

y
i =1

= 8 + 6 + 12 + 10 + 4 = 40

1 Y = N

y
i =1

1 (40) = 8 5

1 n 1 y = yi , salah satu contoh pasangan 1 dan 2, y = (8 + 6) = 7 2 n i =1

selanjutnya lihat kolom (4) tabel 3.1.
N

S =
2

(y
i =1

Y )2

N1
10 = 3,1 6

(8 8) 2 + ...............+ (4 8) 2 40 = = = 10 4 4

S=

Coefficient of variation (CV) = Sampel

S 3,16 x100% = x100% = 39,5% Y 8

s2 =
2

(y
i =1

y)2
, salah satu contoh pasangan 1 dan 2,

n1

(8 7) 2 + (6 7) 2 s = =2 2 1 s= 2 = 1,41

Coefficient of variation (CV) =

1,41 x100% = 20,14% 7

Persoalan adalah bagaimana membuat distribusi sampling yang dapat menghasilkan coefficient of variation dari S2 dan s2 tidak terlalu jauh berbeda sehingga menghasilkan y yang kurang lebih homogen.

Metode Survei MDGs Tingkat Kecamatan

41

Pada data di atas ternyata distribusi sampling menghasilkan perkiraan/estimasi yang cukup bervariasi dari nilai rata-rata 5 sampai dengan nilai rata-rata yang mencapai 11, padahal rata-rata populasi sebesar 8. Dalam metode sampling yang penting dikaji adalah penentuan besarnya sampel yang diperlukan agar distribusi sampling tidak terlalu jauh berbeda dengan tingkat presisi yang dikehendaki atau dengan menetapkan besaran sampling error yang diharapkan. Sebelum menetapkan berapa besarnya sampel yang diperlukan, maka kita melihat terlebih dahulu bagaimana penghitungan varians yang dapat menggambarkan kesalahan sampling (sampling error) atau biasanya disebut standard error. Varians:
N n s2 s2 v( y ) = N n n

(8)
s2 s = n n

Standard error:

se( y ) =

N n s2 N n

(9) (10)

Relative standard error:

se ( y ) y

Penghitungan di atas didasarkan pada nilai sampel, dan bila dari nilai populasi, adalah: Varians:
V ( y) = N n S2 N n
2 $) = N 2 N n S V (Y N n

(11) (12)

Standard error: se ( y ) =

N n S2 N n

$) = N se (Y

N n S2 N n

Relative standard error dari nilai rata-rata :

) = se(Y ) rse(Y Y

rse ( y ) =

se ( y ) Y

(13)

Nilai-nilai di atas dapat dipelajari dari hasil suatu sensus atau survei-survei yang pernah dilakukan. Dari Survei Sosial Ekonomi Nasional yang telah cukup lama dilakukan, cukup banyak variabel yang bisa dipelajari tingkat heterogenitas karakteristiknya seperti halnya kajian pada buku Seri 2. Dengan dapat diperkirakannya nilai S2 atau s2 maka dapat ditentukan besarnya sampel (n) sesuai dengan yang diharapkan.

42

Metode Survei MDGs Tingkat Kecamatan

Standard Error untuk Nilai Rata-rata

Standard error yang dikehendaki perlu ditetapkan terlebih dahulu, misal:

d = Z / 2 se ( y )

(14)

presisi = tingkat keyakinan x standard error (dalam hal ini presisi nilai rata-rata karakteristik per elemen) Z/2 : menunjukkan tingkat keyakinan/kepercayaan yang dikehendaki, bila Z/2 = 1,96 berarti tingkat kepercayaan adalah 95 persen. Dari rumus (12) sampel yang dibutuhkan untuk memperkirakan nilai rata-rata dengan presisi d dan tingkat kepercayaan (1-) 100%, adalah:
d = Z /2

N ( Z /2 S ) 2 N n S2 , sehingga n = . N n Nd 2 + ( Z / 2 S ) 2

(15)

Standard Error untuk Nilai Total

Penghitungan sama dengan rumus (15), hanya presisi diperhitungkan dari nilai total, misal:
d ' = Z /2 N N 2 ( Z /2 S ) 2 N n S2 , sehingga n = 2 . N n d ' + N ( Z /2 S ) 2

(16)

Untuk melihat besarnya sampel yang diperlukan, rumus dapat disederhanakan Nn 1. dengan menganggap N Dilihat dari nilai rata-rata:
d = Z /2
2 2 Z S2 /2 S , sehingga n = . n d2

(17)

Dilihat dari nilai total:

d ' = Z /2 N
2 2 N 2 Z S2 /2 S , sehingga n = . n d '2

(18)

Catatan: Bila nilai populasi (parameter) tidak tersedia maka S2 dapat digunakan nilai dugaannya, yaitu s dari survei-survei sebelumnya.
Metode Survei MDGs Tingkat Kecamatan

43

Acak Sederhana untuk Proporsi

Dalam metode sampling ini dapat juga diterapkan untuk penghitungan proporsi, karena dalam suatu hasil survei sering dihasilkan data berupa indikator proporsi, seperti proporsi rumahtangga dengan air bersih, proporsi penduduk dengan pemilikan rumah sendiri, dan sebagainya. S2 = N PQ , N1 Q=1P (19) (20) (21)

V ( p) =

N n PQ N n
N n PQ N n

v ( p) =

N n pq N n

d * = Z /2

2 N Z / 2 PQ n= 2 2 N d * + Z / 2 PQ

Catatan:

Bila nilai P tidak diketahui, dapat digunakan p dari survei-survei sebelumnya.

Selang Kepercayaan (Confidence Interval)

Pada penghitungan besarnya n, terlebih dahulu ditetapkan presisi yang dikehendaki baik untuk nilai rata-rata maupun total. Misal presisi yang dikehendaki untuk nilai rata-rata:
d = Z / 2 se( y )

(22) (23)

berarti dalam hal ini perkiraan hasil survei diharapkan terletak pada selang:
y Z / 2 se( y )

dengan tingkat keyakinan 95 persen bila Z/2 = 1,96 atau 99 persen bila Z/2 = 2,58. Secara keseluruhan dengan melihat penghitungan-penghitungan di atas, maka dapat disimpulkan bahwa penentuan besarnya n tidak tergantung pada besarnya unit dalam populasi tetapi lebih kepada varians karakteristiknya.

44

Metode Survei MDGs Tingkat Kecamatan

Contoh:
(Z /2 S ) 2 N ( Z /2 S ) 2 Nn n= dari rumus (15) bila 1 maka n = dari N Nd 2 + ( Z / 2 S ) 2 d2 rumus (17). Pada penghitungan rumus (15), N sebagai pembilang dan penyebut, Nn sebagai faktor koreksi, N tidak sedang pada rumus (17) bila mengabaikan N berpengaruh sama sekali.
Jadi dari contoh di atas kebutuhan sampel antar kecamatan tidak akan jauh berbeda, demikian pula antar kabupaten/kota dan kecamatan, apabila varians karakteristiknya tidak terlalu jauh berbeda. Besarnya N hanya sebagai pertimbangan.

Sampling Sistematik

Pada penarikan sampel acak sederhana setiap unit dipilih dengan menggunakan tabel angka random. Dengan demikian kita harus menarik sampel sebanyak n kali, misal dari suatu kecamatan harus dipilih 300 rumahtangga berarti harus mengambil angka random sebanyak 300 kali. Untuk memperingan penarikan sampel ini maka diterapkan penarikan sampel secara sistematik, dengan hanya mengambil satu angka random saja dan lainnya akan mengikuti dengan menghitung intervalnya. Salah satu yang sederhana adalah penggunaan sistematik linear dengan cara sebagai berikut: a. Hitung interval, yaitu N n

b. Tentukan satu angka random yang lebih kecil atau sama dengan intervalnya. Angka random ini selanjutnya disebut angka random pertama R1. Angka random selanjutnya R2 = R1 + I R3 = R2 + I = R1 + 2I . . Rn = Rn-1 + I = R1 + (n-1)I

Metode Survei MDGs Tingkat Kecamatan

45

Rn digunakan sebagai kontrol apakah penarikan sampel sudah benar. Misal banyaknya unit dalam populasi N = 30 dan banyaknya unit dalam sampel n = 5, maka I = 6 sehingga R1 < 6 katakan 2, maka yang harus dipilih adalah nomor 2, 8, 14, 20, dan 26 yang harus dicek dengan Rn = R1 + (n-1)I = 2 + 4(6) = 26. Selain untuk mempermudah penarikan sampel, penarikan sampel sistematik juga dapat meningkatkan efisiensi, misal dengan mengadakan pengaturan unit-unit (systematic arrangement). Seperti pada contoh soal acak sederhana, elemen terletak dengan urutan sebagai berikut: Elemen Nilai karakteristik 1 8 2 6 3 12 4 10 5 4

urutan letak elemen diubah menjadi: Elemen Nilai karakteristik 1 4 2 6 3 8 4 10 5 12

Elemen diurutkan menurut besarnya nilai karakteristik, dalam hal ini dari nilai terkecil ke nilai terbesar, sehingga kalau dilakukan penarikan sampel secara sistematik, sampel akan menyebar dengan terwakili dari nilai kecil sampai dengan nilai besar. Pada pemberian nomor urut wilayah desa/kota dan blok sensus misalnya dari ujung barat daya secara zig-zag, salah satu cara pemberian nomor urut ini dimaksud apabila dilalukan penarikan sampel secara sistematik, sampel akan menyebar di seluruh wilayah. Metode estimasi yang digunakan, karena biasanya sampling sistematik semata-mata hanya untuk mempermudah penarikan sampel, adalah sama dengan acak sederhana.

46

Metode Survei MDGs Tingkat Kecamatan

Sampling Berstrata

Dalam metode sampling dikenal dengan istilah strata, yaitu mengelompokkan unitunit dalam populasi menjadi strata, dengan tujuan untuk efisiensi penggunaan metode sampling atau untuk keperluan lain seperti domain penyajian (daerah perkotaan dan daerah pedesaan, daerah miskin dan bukan daerah miskin, atau daerah sulit dan bukan daerah sulit). Penggunaan stratifikasi untuk efisiensi metode sampling adalah dengan mengusahakan pengelompokan elemen yang karakteristiknya lebih homogen. Pembentukan strata dapat tidak langsung mengelompokkan elemen, tetapi unit level di atasnya, sebagai contoh desa/kota dapat dijadikan dasar pembentukan strata sedangkan unit samplingnya tetap rumahtangga. Pada setiap strata dapat digunakan metode sampling yang berbeda karena estimasi digambarkan dari masing-masing strata. Estimasi total merupakan penjumlahan dari estimasi masing-masing strata. Dengan sampel berstrata diharapkan diperoleh estimasi dengan presisi yang lebih tinggi dengan banyaknya sampel yang sama.
Keuntungan Penggunaan Sampling Berstrata 1. 2. 3. 4. Dapat diperoleh estimasi dengan presisi lebih tinggi Pada setiap strata dapat digunakan metode sampling berbeda Strata dapat dianggap populasi sendiri Dalam beberapa hal membawa manfaat pada pengelolaan administrasi

Pengelompokan unit sampling ke dalam strata yaitu membagi N unit sampling menjadi N1, N2, .., NL yang masing-masing menunjukkan jumlah unit dalam strata, yaitu strata ke 1, ke 2, dan seterusnya sampai dengan ke L. L menunjukkan banyak strata yang dibentuk pada populasi. N1 + N2 + . + NL = N
Pembentukan Strata dengan Tujuan Meningkatkan Presisi

Untuk membentuk strata diperlukan variabel pendukung yang dapat digunakan untuk mengelompokkan unit sampling sehingga varians dari nilai variabel di dalam strata menjadi lebih homogen. Dan bila memungkinkan lebih baik lagi bila dapat diusahakan agar perbedaan rata-rata nilai karakteristik antar strata dibuat sebesar mungkin. Secara skematis pembentukan strata disajikan pada Gambar 3.2.

Metode Survei MDGs Tingkat Kecamatan

47

Gambar 3.2: Skema Pembentukan Strata Populasi

Bentuk gambar adalah merupakan ciri dari elemen populasi

Stratifikasi populasi II III

IV

Berbagai cara dapat dilakukan untuk dasar pembentukan strata tergantung tujuan dari pembentukan strata dan sifat-sifat variabel yang akan dijadikan dasar pembentukan strata antara lain: a. Unit sampling itu sendiri, sebagai contoh blok sensus dikelompokkan menurut blok sensus dengan rumahtangga elit dan non elit, blok sensus padat dan blok sensus tidak padat rumahtangga/penduduk. Jadi dalam kasus ini yang dikelompokkan adalah unit sampling itu sendiri dan karakteristiknya juga karakteristik dari blok sensus itu sendiri (lihat Gambar 3.2). b. Variabel wilayah administrasi misalnya desa perkotaan dan desa pedesaan. c. Variabel letak geografis, misalnya desa pantai dan desa bukan pantai. d. Variabel lainnya misalnya kepadatan penduduk, jenis lapangan usaha (daerah pertanian dan non pertanian). e. Perusahaan/usaha bisa dibedakan usaha skala besar, sedang, dan kecil, misalnya berdasarkan omzet atau jumlah tenaga kerja. f. Sekolah, bisa sekolah negeri dan sekolah swasta. Untuk meningkatkan presisi maka perlu dipilih suatu variabel yang diperkirakan mempunyai korelasi dengan data yang akan dikumpulkan. Contoh variabel yang baik untuk dasar stratifikasi survei sosial ekonomi nasional antara lain pengelompokan wilayah elit dan non elit, atau daerah perkotaan dan daerah pedesaan. Dalam hal

48

Metode Survei MDGs Tingkat Kecamatan

stratifikasi untuk meningkatkan presisi adalah membuat karakteristik di dalam strata homogen (varians diperkecil) dan antar strata heterogen (varians diperbesar). Dengan sampel yang sama diharapkan presisi lebih baik atau dengan tujuan yang lain yaitu dengan presisi yang sama dapat menurunkan banyaknya sampel yang harus terpilih, sehingga biaya dapat ditekan.
Pertanyaan: Bagaimana notasi yang digunakan, estimasi, dan penghitungan besarnya sampel serta alokasi per stratanya.

Notasi

N Nh n nh
nh Nh N Wh = h N 1 Nh Yh = y N h i =1 hi fh =
1 yh = nh
2 h

: banyaknya unit elemen dalam populasi : banyaknya unit elemen pada strata ke h : ukuran sampel atau banyaknya unit elemen dalam sampel pada populasi : ukuran sampel atau banyaknya unit elemen dalam strata ke h : fraksi sampel pada strata ke h : penimbang pada strata ke h, atau proporsi banyaknya unit pada strata ke h : rata-rata nilai karakateristik pada strata ke h dari populasi : rata-rata nilai karakteristik pada strata ke h dari sampel : varians strata ke h pada populasi : varians strata ke h dari sampel

y
i =1

nh

hi

Nh 1 S = ( y hi Yh ) 2 N h 1 i =1

1 nh s = ( y hi y h ) 2 nh 1 i = 1
2 h

Pada pembahasan akan diuraikan estimasi dan penghitungan varians serta penentuan besarnya sampel pada strata dengan metode acak sederhana (stratified simple random sampling). Dengan demikian rumus yang digunakan sama dengan rumus sebelumnya hanya pada notasi ditambah h yang menunjukkan strata.
Metode Survei MDGs Tingkat Kecamatan

49

$ = Y st

Y$h =
h =1

h =1

Nh nh

y
i =1 hi

nh

hi

(24)

1 $ Yst = Y = N st

2 h

h =1

Nh 1 N nh

y
i =1

nh

W y
h =1 h L 2 h

(25) (26)

Varians

$) = V (Y st

2 N h nh S h W = Nh nh h =1 L

S h2 W (1 f h ) nh h=1

apabila faktor koreksi diabaikan

$) sederhana, yaitu V (Y st
L
2 h

N h nh 1 , maka penghitungan varians menjadi Nh

2 Sh W . nh h =1

Untuk nilai varians sampel menjadi:

$ ) = v( y ) v (Y st st

Wh2
h =1

2 sh . nh

(27)

Penghitungan tersebut dapat dimodifikasi untuk proporsi, yaitu:

1 Ph = Nh

y
i =1

Nh

hi

(28)

S h2 = Pst =
pst =

Nh P Q Ph Qh , Nh 1 h h

Qh = 1 Ph
(29)

h =1

Nh P = N h
h h

W P
h =1 h

W p
h =1
L h =1 L

v ( p) st = v ( p) st

W W
h =1

2 h

(1 f h ) ph q h nh

ph q h , nh

q h = 1 ph

(30) (31)

2 h

50

Metode Survei MDGs Tingkat Kecamatan

Alokasi Sampel

Alokasi sampel ke dalam setiap strata dapat dilakukan melalui 4 cara, yaitu: a. Alokasi sembarang, alokasi ini jarang dilakukan. b. Alokasi sama, hal ini sering dilakukan apabila S2 antar strata kurang lebih sama. Sebagai contoh dari kajian di buku Seri 2 diperoleh gambaran bahwa nilai p untuk berbagai variabel antar kecamatan tidak terlalu jauh berbeda (p otomatis dapat menggambarkan varians). Kecamatan sebagai populasi sekaligus sebagai strata bagi kabupaten/kota, maka pada konklusinya dibuat kesepakatan bahwa sampel per kecamatan cukup diwakili 300-500 rumahtangga, dengan memperhatikan juga kompromi besarnya N. nh = n L (32)

c. Alokasi sebanding, alokasi ini digunakan bila rata-rata karakteristik antar strata berbeda jauh dan varians strata tidak tersedia. Penghitungan besarnya sampel setiap strata (nh) sebanding dengan banyaknya unit dalam strata (Nh), yaitu:
nh = Nh n N n atau h = h N n N

(33)

sehingga dalam penghitungan rata-rata populasi tidak perlu ada penimbang, estimasi menjadi:
1 L nh Y = y hi . st , prop n h =1 i =1

(34)

Atau dengan perkataan lain rata-rata di atas sudah otomatis merupakan rata-rata tertimbang (self weighting design):

1 f ) V (Y st , prop = n Perkiraan varians menjadi:

1 f ) V (Y st , prop = n d. Alokasi optimum.

W
h =1

2 h

2 . Sh

(35)

W
h =1

2 2 h h

s .

(36)

2 Apabila ada variabel pendukung yang dapat digunakan untuk mengetahui S h

2 atau s h maka alokasi optimum akan meningkatkan presisi dari metode sampling.

Metode Survei MDGs Tingkat Kecamatan

51

Dalam metode ini sampel dialokasikan ke dalam setiap strata agar diperoleh standard error sekecil mungkin dan dengan memperhatikan besarnya variance. Makin besar varians, maka sampel yang dialokasikan juga makin besar, dengan penghitungan sebagai berikut:
nh = NhSh

N
h =1

n .

(37)

Sh

Dalam penghitungan besarnya sampel dapat digunakan 2 pertimbangan yaitu penetapan besarnya sampel dengan biaya tersedia tetapi menghasilkan varians sekecil mungkin atau sebaliknya dengan varians ditetapkan mendapatkan biaya sekecil mungkin (meminimumkan biaya). Rumus estimasi varians yang dipergunakan sama seperti rumus pada (25) dan (26). Apabila faktor biaya akan diikutsertakan, maka perlu diketahui total biaya tersedia dan atau biaya per unit pada strata (mungkin sama atau mungkin tidak sama).

C = C0 +
C : total biaya

cn
h =1 h

(38)

C0 : biaya tidak dipengaruhi desain dan metode sampling ch : biaya per elemen untuk strata h nh : banyaknya unit sampel pada strata ke h Bila faktor biaya dipertimbangkan, maka rumus (37) menjadi:
nh = (C C0 ) N h S h / ch
L

N
h =1

n .

(39)

S h / ch

52

Metode Survei MDGs Tingkat Kecamatan

Penentuan besarnya sampel secara keseluruhan adalah: a. Alokasi sama

2 2 L N h Sh h =1 L

n=
2

N V +
2

N
h =1

(40)
h

2 h

b. Alokasi sebanding
N N h S h2
h =1 L

n=
2

N V +
2

N
h =1

(41)
h

2 h

c. Alokasi optimum
L L N h S h ch N h S h / c h h =1 h =1 N V +
2 2

n=

N
h =1 2

(42)

2 h

Bila biaya per unit antar strata sama, maka:

L N h Sh h=1
L

n=

N V +
2 2

N
h =1

(43)
h

2 h

Selanjutnya penghitungan nh menggunakan rumus (37) atau (39). Apabila biaya tidak menjadi masalah, gunakan rumus (37) dan bila merupakan konstrain gunakan rumus (39). V di atas berarti standard error yang dikehendaki dan telah memperhitungkan tingkat kepercayaan: V = V0 Z /2 (44)

Metode Survei MDGs Tingkat Kecamatan

53

dengan: V0 merupakan standard error yang ditetapkan dan Z/2 = 1,96 bila tingkat keyakinan yang diinginkan 95 %. Untuk sampling diperhitungkan: proporsi, digunakan rumus yang sama hanya varians

2 S h2 Ph Qh atau sh ph q h .

Berdasarkan uraian di atas, maka alokasi sampel pada suatu strata lebih besar dari lainnya bila: a. Strata lebih besar b. Strata mempunyai varians lebih besar c. Biaya lebih murah pada strata bersangkutan
Sampling Berpeluang

Pada acak sederhana penarikan sampel hanya didasarkan pada nomor urut unit dalam populasi. Penarikan acak sederhana ini menjadi kurang baik bila unit dalam populasi ukurannya bervariasi. Oleh karena itu digunakan informasi tambahan (auxiliary information) sebagai dasar pertimbangan di dalam penarikan sampel agar diperoleh estimator yang lebih efisien. Informasi pendukung yang digunakan sebagai dasar penarikan sampel adalah informasi yang memiliki korelasi yang erat dengan variabel yang akan diteliti. Informasi pendukung yang dipertimbangkan sebagai dasar penarikan sampel selanjutnya disebut ukuran. Prosedur penarikan sampel dimana peluang terpilihnya suatu unit sampel sebanding dengan ukuran disebut sebagai sampling berpeluang sebanding dengan ukuran unit atau sampling with probability proportional to size atau disingkat pps sampling. Contoh: Penarikan sampel 3 rumahtangga dari 10 rumahtangga dengan ukuran banyaknya anggota rumahtangga. Penarikan sampel bisa dilakukan dengan acak sederhana atau dengan sistematik.

54

Metode Survei MDGs Tingkat Kecamatan

Tabel 3.2: Daftar Kerangka Sampel Rumahtangga No. urut rumahtangga (1) 1 2 3 4 5 6 7 8 9 10 Jumlah Banyaknya anggota rumahtangga (2) 5 2 9 4 5 6 4 5 6 7 53 Kumulatif anggota rumahtangga (3) 1-5 6-7 8-16 17-20 21-25 26-31 32-35 36-40 41-46 47-53 x x R3 = 51,34 x R3 = 40 R2 = 27 R2 = 33,67 R1 =19 R1 = 16 Acak sederhana (4)

Sistematik (5)

Prosedur penarikan sampel pada dasarnya sama dengan acak sederhana hanya angka random yang digunakan didasarkan ukuran dari unit. Makin besar ukuran suatu unit makin besar peluang untuk terpilih dalam sampel. Penarikan sampel didasarkan kolom (3) yang merupakan kumulatif dari kolom (2). Kumulatif terakhir sama dengan jumlah di kolom (2) yaitu 53. Selanjutnya dilakukan penarikan sampel didasarkan kolom (3) dengan cara sebagai berikut: a. Acak sederhana Ambil angka random yang < 53, sebanyak 3 buah, misal diperoleh angka random 19, 27, dan 40 (kolom (4)). Angka R1 terletak di kumulatif 17-20 berarti rumahtangga terpilih adalah nomor 4 dan rumahtangga berikutnya adalah nomor 6 dan nomor 8, dengan peluang terpilihnya adalah 4/53, 6/53, dan 5/53 (penarikan sampel dengan pemulihan). b. Sistematik Apabila penarikan sampel dilakukan secara sistematik maka cukup diambil satu angka random sebagai angka random pertama, yang lebih kecil atau sama dengan interval I = 53/3 = 17,67. Selanjutnya seperti pada acak sederhana ditentukan angka random berikutnya ke 2 dan ke 3 sebagai berikut:

Metode Survei MDGs Tingkat Kecamatan

55

R1 < I = 17,67 , misal 16 R2 = 16 + 17,67 = 33,67 34 R3 = 33,67 + 17,67 = 51, 34 51 . Apabila dibandingkan dengan acak sederhana, penarikan sampel secara sistematik akan lebih menyebar dan efisien bila diadakan pengaturan unit-unit sampling terlebih dahulu. Estimasi dalam pps adalah sebagai berikut: Peluang unit ke i : Pi =
xi

x
i =1

=
i

xi X

n $ = 1 yi Y n i =1 pi

(45)

$ = yi akan merupakan estimasi nilai populasi yang berasal dari unit sampel ke i, Y i pi sehingga

$= Y

Y$
i =1

(46)

Apabila penarikan sampel dilakukan dengan pemulihan, maka perkiraan variansnya adalah
$) = v (Y 1 n(n 1) yi $ . Y i = 1 pi
n 2

(47)

Estimator Rasio

Estimator rasio adalah suatu estimator dengan menggunakan informasi pendukung agar mendapat estimasi yang lebih efisien yaitu menghasilkan presisi yang lebih baik. Pada sampling berpeluang setiap unit harus mempunyai informasi untuk

56

Metode Survei MDGs Tingkat Kecamatan

penghitungan peluang yaitu pi, demikian juga pada rasio. Hanya pada rasio, pi bukan sebagai peluang tetapi sebagai dasar penghitungan rasio. Estimasi rasio cocok digunakan, bila unit-unit populasi mempunyai karakteristik yang berkorelasi besar dan positif. Estimasi rasio ini mendasarkan perubahan suatu karakteristik dari waktu ke waktu, atau juga dapat diadakan modifikasi dengan data sumber di luar survei sebagai dasar rasio, misalnya data proyeksi penduduk. Penghitungan estimasi dengan rasio adalah: $ = y X Y (48) R x y dan x harus diketahui yang berupa agregat dua karakteristik yang diperoleh dari unit sampel terpilih:

y=
X =

y
i =1 N
i =1

dan
i

x=

x
i =1

, sedangkan

, berupa nilai populasi yang diketahui.

Estimasi rasio dibedakan menjadi 2 kondisi: a. Rasio berupa karakteristik yang sama atau berhubungan dengan periode sebelumnya. X adalah jenis karakteristik yang sama dengan Y tetapi berasal dari periode sebelumnya. Sebagai contoh suatu survei rumahtangga menggunakan hasil Sensus Penduduk sebagai dasar rasio dan menggunakan blok sensus sebagai unit sampling. Rasio yang digunakan adalah y/x, dimana y adalah jumlah rumahtangga hasil listing dari blok sensus terpilih dan x adalah jumlah rumahtangga kondisi Sensus $ = y/x merupakan Penduduk dari blok sensus terpilih. Dengan demikian R perubahan banyaknya rumahtangga saat survei dibandingkan saat sensus atau dapat dikatakan X/x adalah faktor pengali. Selanjutnya variabel lain dapat diperkirakan nilai totalnya dengan mengalikan faktor pengali tersebut. b. Rasio dan dua karakteristik yang berhubungan pada periode yang sama. X dan Y merupakan dua buah karakteristik yang berasal dari periode yang sama dan diketahui berkorelasi postif. Sebagai contoh dari Survei Konsumsi/Pengeluaran Rumahtangga dapat diperkirakan rata-rata konsumsi beras per kapita dan dari hasil proyeksi diperoleh gambaran jumlah penduduk, maka dari data ini dapat diperkirakan total konsumsi beras yang dikonsumsi penduduk.

Metode Survei MDGs Tingkat Kecamatan

57

= R

Total konsumsi beras dari rumah tangga sampel ( y ) Total anggota rumah tangga dari rumah tangga sampel ( x)

(49)

adalah merupakan konsumsi beras per kapita. $ Total konsumsi beras seluruh penduduk dapat diperoleh dengan mengalikan R dengan jumlah penduduk dari proyeksi atau dari sumber lainnya yang disepakati. Modifikasi lain dalam penggunaan estimator rasio, adalah menggunakan sumber lain tadi dan data sampel untuk variabel yang sama sebagai faktor pengali. Sebagai contoh telah ditentukan data proyeksi penduduk merupakan data yang disepakati untuk berbagai perencanaan dan kajian, maka dengan estimator rasio, berarti faktor pengali dari survei adalah:

F=

X Jumlah penduduk pada tahun tertentu sumber proyeksi = . x Jumlah penduduk sampel

(50)

Penggunaan rasio ini perlu memperhatikan bahwa metode sampling telah menggunakan metode tertimbang (self weighting design). Estimator Regresi (Regression Estimators) Estimator regresi seperti halnya estimator rasio juga menggunakan variabel pendukung sebagai dasar estimasi dengan tujuan meningkatkan presisi. Rumus untuk estimator regresi linear adalah y l = y + b( X x ) (51)

b=

(y
i =1 n

y )( xi x )
i

(x
i =1

x)2

b merupakan koefisien regresi dan bila b=0, maka yl = y berarti sama dengan acak sederhana. Bila b = c suatu konstanta, maka: y d = y + c( X x ) merupakan diffrerence estimator.

58

Metode Survei MDGs Tingkat Kecamatan

B. Sampling Klaster

Metode sampling klaster sebenarnya sama dengan sampling elemen yang berupa acak sederhana, stratifikasi, sistematik dan sampling berpeluang. Perbedaan terletak pada unit sampling yang digunakan. Penarikan sampel pada klaster tidak langsung ke elemen, tetapi terlebih dahulu melalui kelompok elemen yang selanjutnya disebut unit sampling. Pada elemen sampling misalnya rumahtangga sebagai unit sampling, tetapi pada klaster, unit sampling adalah kelompok rumahtangga seperti desa, RT/RW, blok sensus, sekolah, dan sebagainya. Ada dua cara dalam menentukan unit yang diteliti, yaitu: a. Semua elemen/unit yang ada dalam klaster terpilih dikumpulkan informasinya. Penarikan sampel ini disebut sampling satu tahap. b. Sebagian elemen/unit yang ada dalam klaster terpilih dikumpulkan informasinya. Penarikan sampel ini disebut sampling bertahap (multistage cluster sampling). Tahapan penarikan sampel dapat 2 tahap atau lebih dan ditinjau dari efisiensi desain sampel sebaiknya hanya 2 tahap karena makin banyak tahapannya makin kurang efisien. Alasan penggunaan sampling klaster antara lain: a. Pengumpulan data pada unit yang berdekatan lebih mudah, murah, cepat, dan operasi lapangan lebih memungkinkan dibanding bila unit menyebar di seluruh populasi. b. Biaya transport antar individu unit mahal sehingga klaster akan lebih efisien. c. Kesulitan penyediaan kerangka sampel sampai ke elemen sebagai unit sampling.

Metode Survei MDGs Tingkat Kecamatan

59

Contoh: Klaster satu tahap

Tabel 3.3: Klaster, Unit listing, Elemen/unit Analisis, dan Aplikasi Unit listing/ daftar unit (2) Rumahtangga

Klaster (1) Desa

Elemen/unit analisis (3) Rumahtangga/orang

Aplikasi (4) Estimasi jumlah rumahtangga/penduduk beserta karakteristiknya Estimasi jumlah rumahtangga dan penduduk beserta karakteristiknya Estimasi banyaknya murid beserta karakteristiknya Estimasi banyaknya rumahtangga pertanian beserta karakteristiknya. Estimasi kepadatan lalu lintas

1.

2.

Blok sensus Sekolah

Rumahtangga

Rumahtangga/orang

3.

Kelas

Murid

4.

Blok sensus Bulan

Rumahtangga pertanian Hari

Rumahtangga pertanian Kendaraan

5.

Penghitungan pada sampling klaster untuk perkiraan nilai rata-rata karakteristik suatu variabel bukan merupakan rata-rata per klaster tetapi rata-rata per elemen. Dalam contoh di atas tidak diperkirakan rata-rata per desa, blok sensus, sekolah, dan sebagainya, tetapi ditujukan untuk penghitungan rata-rata per rumahtangga, orang, murid, dan sebagainya. Cara penghitungan dalam sampling satu tahap sama dengan sampling elemen, yaitu untuk memperkirakan rata-rata per elemen. Notasi yang digunakan dan penghitungan dilakukan sebagai berikut:
N n Mi n $ = 1 M M n i =1 i
yi = 1 Mi

: banyaknya klaster dalam populasi : banyaknya klaster terpilih : banyaknya unit/elemen dalam klaster ke i : perkiraan nilai rata-rata banyaknya unit/elemen dalam klaster : rata-rata nilai karakteristik per unit/elemen dari klaster ke i

(52) (53)

y
i =1

Mi

60

Metode Survei MDGs Tingkat Kecamatan

y
yn =
i =1 j =1 n

Mi

ij

M
i =1

: rata-rata perkiraan nilai karakteristik per unit/elemen dari populasi

(54)

1 f 2 : perkiraan varians dari perkiraan rata-rata s nilai karakteristik per unit/elemen n b 2 n Mi 1 : varians karakteristik 2 2 sb = $ 2 ( yi y n ) diantara unit/elemen. n 1 i =1 M v( yn ) =

(55)

Metode sampling klaster di atas dapat dikembangkan untuk sampling proporsi dan sampling berpeluang serta stratifikasi seperti halnya pada sampling elemen. Penarikan sampling bertahap merupakan pengembangan metode sampling klaster satu tahap. Pada uraian hanya akan dibahas untuk sampling dua tahap karena metode sampling ini yang biasanya diaplikasikan untuk survei-survei dengan pendekatan rumahtangga. Pada Bab IV akan diulas lebih jauh tentang penerapan sampling dua tahap yang akan digunakan pada survei pendekatan rumahtangga untuk tingkat penyajian kecamatan. Penarikan sampel bertahap digunakan dengan alasan: a. Tidak tersedianya kerangka sampel yang memuat unit sampel terkecil b. Membangun kerangka sampel membutuhkan biaya, tenaga, dan waktu yang banyak c. Pengawasan lapangan lebih mudah d. Ditinjau dari biaya lebih efisien dibanding acak sederhana e. Ditinjau dari efisiensi, lebih efisien dari sampling klaster satu tahap. Metode estimasi pada penarikan sampel bertahap tergantung pada cara penarikan sampelnya. Pada survei-survei pendekatan rumahtangga seperti Survei Sosial Ekonomi Nasional dan Survei Tenaga Kerja Nasional digunakan sampling 2 tahap, yaitu tahap pertama memilih blok sensus dan tahap ke dua dari blok sensus terpilih dipilih rumahtangga.

Metode Survei MDGs Tingkat Kecamatan

61

Berbagai modifikasi penarikan sampel dapat dilakukan pada metode sampling bertahap. Apabila kedua tahap dilakukan penarikan sampel acak sederhana, maka: =N Y n Dalam hal ini
M i mi yij i =1 mi j =1
n

(56)

N n
Mi mi
kalau dibalik

adalah faktor pengali tahap pertama (F1) adalah faktor pengali tahap kedua (F2i)

n N
mi Mi

adalah fraksi sampling tahap pertama (f1) adalah fraksi sampling tahap kedua (f2i)

dimana mi adalah banyaknya unit tahap kedua yang terpilih dalam sampel. Rumus di atas dapat disederhanakan bila f2i dibuat konstan, misal f2i = 1/5, berarti pada tahap kedua dipilih mi = 1/5 Mi atau faktor pengali tahap kedua menjadi konstan yaitu 5. Dengan demikian estimasi menjadi sederhana, yaitu:
$= N F Y n 2

y
i =1 j =1

mii

ij

= F1 F2

y
i =1 j =1

mi

ij

(57)

sehingga hasil survei cukup dikalikan dengan satu faktor yaitu F = F1 F2 berarti desain menjadi self weighting. Penerapan selanjutnya dapat dimodifikasi dengan menggunakan perkiraan rasio sebagai estimator. Modifikasi lain adalah menggunakan penarikan sampel tahap pertama dengan ukuran sebanding terhadap banyaknya unit yang akan digunakan pada tahap kedua, sedangkan tahap kedua dapat dilakukan penarikan sampel dengan acak sederhana atau sistematik.

62

Metode Survei MDGs Tingkat Kecamatan

Penghitungan perkiraan menjadi:

$= 1 Y n pi = Mi M0

i =1

1 M i' pi mi

y
j =1

mi

ij

(59)

: misalkan Mi adalah banyaknya rumahtangga pada blok sensus terpilih ke i yang digunakan sebagai peluang berasal dari kerangka sampel : adalah banyaknya rumahtangga pada blok sensus terpilih ke i dari hasil listing

M i'

Apabila mi dibuat konstan yaitu m seperti halnya pada Survei Sosial Ekonomi Nasional yaitu 16, maka metode sampling dua tahap tersebut menjadi mendekati self weighting design. Dengan menggunakan estimator rasio, maka penyesuaian (adjustment) estimasi dapat dilakukan.
$ = k M0 Y nm

y
i =1 j =1

ij

(60)

$ berasal dari sumber lain Y k= $ Y

Untuk metode sampling ini penghitungan perkiraan menjadi sederhana bila penarikan sampel dilakukan dengan peluang secara pemulihan.

$) = v (Y

1 n(n 1)
mi

(Y$ Y$)
i =1 i ij

(59)

$ = 1 Mi Y i pi mi

y
j =1

Secara umum dalam sampling dua tahap varians perkiraan dipengaruhi oleh varians dari unit sampling tahap pertama dan varians unit sampling tahap kedua. Karakteristik unit sampling tahap pertama biasanya lebih heterogen dan karakteristik unit sampling tahap kedua lebih homogen. Sebagai contoh karakteristik/sifat-sifat unit di dalam blok sensus lebih homogen dibandingkan karakteristik antar blok sensus. Rumahtangga yang berdekatan biasanya lebih homogen.

Metode Survei MDGs Tingkat Kecamatan

63

Varians unit sampling tahap pertama dan tahap kedua masing-masing ditulis sebagai berikut:
Sb2
2 Sw i

: varians (standar deviasi kuadrat) dari karakteristik per unit antar klaster : varians dari nilai karakteristik per unit dalam klaster : rata-rata varians dari karakteristik per unit yang diperhitungkan dari masing-masing klaster.

2 Sw

2 Pada penghitungan dengan rumus (60) unsur Sb2 dan S w sudah dimasukkan ke i $ . Dengan menggunakan penghitungan yang sama, metode sampling dalam Y i bertahap dapat diterapkan dalam sampling berstrata. Perkiraan dilakukan melalui masing-masing strata.

Penarikan sampel 2 tahap (two stage sampling) dapat dikembangkan menjadi double sampling (two phase sampling). Perbedaan antara two stage sampling dan two phase sampling adalah pada penarikan sampel tahap kedua. Pada two stage sampling, penarikan sampel unit sampling tahap kedua langsung dilakukan pada masingmasing unit sampling tahap pertama terpilih secara independent. Sedangkan pada double sampling dari unit sampling terpilih pada tahap pertama dibentuk kembali kerangka sampel secara keseluruhan, baru dilakukan penarikan sampel. Misalnya, untuk two stage sampling pada masing-masing blok sensus terpilih dipilih rumahtangga secara independent. Pada double sampling tidak demikian, dari blokblok sensus terpilih dibuat kerangka sampel rumahtangga secara keseluruhan dari hasil listing, baru dilakukan penarikan sampel rumahtangga yang menjadi satu kesatuan pada seluruh blok sensus terpilih.

64

Metode Survei MDGs Tingkat Kecamatan