3

Penarikan Sampel Acak Berstrata

Tuan, Dalam suatu puisi indah (The Vission of Sin) terdapat suatu
versi yang mengungkapkan Setiap kejadian kematian seseorang,
setiap kejadian satu adalah kelahiran. Dengan pengertian , hal ini
tidak dapat dipercaya dan saya yakin bahwa pada edisi selanjutnya
Anda telah membacanya Setiap kejadian kematian seseorang,
setiap kejadian 1 1/16 adalah kelahiran.
Tentu saja nilai tersebut dengan kesalahan yang sangat kecil tapi
mengharuskan akurasi yang cukup untuk kumpulan puisi.
(Dalam suatu surat untuk Lord Tennyson)
Charles Babbage

3.1. PENGENALAN
Dari keseluruhan metode pengambilan sampel, pada umumnya prosedur yang
digunakan dalam survey adalah pengambilan sampel berstrata. Dalam pengambilan
sampel berstrata, populasi dari N unit dibagi menjadi k bagian populasi yang disebut
strata, bagian populasi ke-I mempunyai Ni unit dimana i.=1, 2,.,k
Bagian bagian populasi tersebut tidak boleh saling tumpang tindih sehingga masing
masing populasi terpisah, yaitu :
N1 N 2 ... N k N
(3.1.1)
Suatu sampel diambil dari setiap strata strata yang independen, jumlah sampel antar
strata ke i. Menjadi ni dimana i.=1,2,.,k yaitu :
n1 n2 ... nk n
(3.1.2)
Prosedur pengambilan sampel dengan cara ini dikenal denga pengambilan sampel
berstrata. Jika sampel diambil secara acak dari setiap strata, prosedurnya dikenal dengan
pengambilan sampel acak berstrata.
Tujuan utama dalam stratifikasi adalah untuk membuat hubungan timbal balik yang
lebih baik dalam populasi sehingga dapat memberikan ukuran yang lebih tinggi untuk
keputusan relatif.
Agar dapat tercapai, hal hal yang harus dilakukan untuk mengujinya dengan hati
hati adalah :
(i)

Bentuk strata
(ii) Jumlah strata yang akan dibuat
(iii)
Alokasi jumlah sampel antar masing masing strata.

(iv)Analisis data dari rancangan stratifikasi.

Kita harus mempertimbangkan pertama dua hal setelah menguji dua hal yang terakhir
agar berhubungan dengan tori pengambilan sampel berstrata.

3.2.

POKOK POKOK STRATIFIKASI

Pokok pokok stratifikasi yang mengikuti proses stratifikasi suatu populasi
dirangkum sebagai berikut :
(i)
(ii)
(iii)
(iv)

3.3.

Strata harus tidak saling tumpang tindih dan harus saling terpisah dalam populasi.
Stratifiaksi populasi harus dilakukan pada strata yang bersifat homogen dalam strata
tersebut dengan karakteristik tertentu.
Pada kenyataannya di lapangan, ketika hal ini sulit untuk distratakan dengan suatu
nilai karakteristik tertentu, maka kemudahan administrasi menjadi dasar pemikiran
dalam stratifikasi.
Jika akurasi batas untuk kepastian tiap tiap populasi diberikan, hal ini akan
menjadi lebih baik dan terpercaya untuk tiap tiap populasi sebagai suatu strata.

KEUNTUNGAN STRATIFIKASI
Penggunaan stratifikasi memiliki banyak kegunaan. Beberapa prinsipnya adalah
sebagai berikut :
(i)

(ii)

(iii)

(iv)

(v)

Stratifikasi memberikan kemudahan administrasi. Suatu badan oragnisasi

membentuk survey dapat berdiri dalam kantor kantor dengan bermacam macam
daerah administrasi dengan penjelasan kepemilikan sah dengan maksud menjadikan
organisasi lebih baik dengan hasil pekerjaan yang lebih akurat.
Stratifikasi dengan karakteristik alami membantu memperbaiki desain sampel.
Sebagai contoh , di area dan daerah survey terdapat banyak perbedaan tipe
permasalahan pengambilan sampel di daerah daratan, padang pasir, dan pegunungan
yang mempunyai perbedaan jarak tempuh sehingga hal ini akan menjadi lebih
mudah jika tiap tiap area dipisahkan dalam suatu strata.
Stratifikasi secara praktek lebih efektif ketika terdapat nilai nilai ekstrim dalam
populasi yang dapat dibedakan ke dalam strata dengan maksud mengurangi
keragaman dalam strata. Pemisahan dugaan menjadi strata tersendiri dapat
dikombinasikan ke dalam dugaan akurat untuk keseluruhan populasi.
Stratifikasi memberikan kemungkinan penggunaan desain sampel yang berbeda
beda pada strata yang berbeda beda.
Pada kenyataannya di lapangan, informasi mengenai stratifikasi tidak secara
keseluruhan tersedia untuk setiap unit populasi. Dalam kasus tersebut, keseluruhan
populasi dibagi menjadi beberapa strata mengikuti infomasi sebenarnya yang
tersedia dan beberapa pengambilan sampel yang dapat dipercaya dalam perencanaan
pemilihan unit dalam strata tersebut digunakan.
Stratifikasi cukup mewakili keragaman kelompok
memberikan beberapa keterterikan atau efek yang besar.

dalam

populasi

yang

(vi)

Stratifikasi juga memilih sampel secara cross section yang lebih baik dengan
populasi dari yang tidak berstrata.
(vii) Stratifikasi memberikan keputusan yang tepat dalam memperkirakan karakteristik
suatu populasi. Untuk dapat mencapainya, populasi yang heterogen dibagi bagi
menjadi beberapa populasi yang masing masing dalam strata adalah homogen.
Jika tiap tiap strata homogen, menggambarkan pengukuran dalam strata tersebut
dari satu unit ke unit yang lain, estimasi yang lebih akurat diperoleh dengan
menggunakan sampel yang relatif lebih besar.

3.4. NOTASI

Diketahui I dinotasikan sebagai strata strata j sebagai unit sampel dalam strata.
Penulisan simbol untuk tiap strata i. :
Ni
= jumlah keseluruhan unit
ni
= Jumlah sampel unit
Wi N i N
Strata penimbang
f ni N i
fraksi sampel dalam strata
y ij

Diketahui

adalah nilai unit ke j dalam strata.

i
Yi y ij N i

Rata rata strata

ni

yi y ij ni
j

Rata rata sampel

Ni

S i2 y ijYi
j

N i 1
Rata rata varians

3.5 Estimasi Rata-rata dan Varians Populasi

Misalkan bahwa sebuah populasi N unit dibagi ke dalam k strata. Rata-rata populasi
per unit dapat dituliskan seperti :

N
k
k
k

Y = y ij = N i Y i = W i Y i
N
i
j N
i
i
i

y st

Sebuah penduga

(st : stratifikasi) untuk rata-rata populasi

bisa dituliskan

seperti :
k

y i N i
( 3.5 .1 )
N

y st =
i

Di mana bentuk rumus di atas berbeda dengan semua rumus rata-rata sampel
umumnya :
k

y = ni y i /n(3.5.2)
i

TEOREMA 3.5.1
Jika di setiap strata penduga sampel
bebas di setiap strata berbeda, kemudian

y i

adalah unbias dan sampel diambil secara

y st

adalah penduga unbias bagi rata-rata dan

varians populasi, maka diperoleh :

k

N i2 V ( y i )
V ( y st ) =

N2

= W 2i V ( y st ) (3.5 .3)
i

Bukti : kita punya

{
k

E ( y st ) =E

N i E ( y i )
N

( N i y i /N )

=
i

N i Y i
=Y (3.5.4 )
N

Ini menunjukkan bahwa

y st

merupakan penduga yang unbias.

Untuk memperoleh varians samplinngnya ,ingat bahwa pengambilan sampel

dilakukan secara bebas/independen di setiap strata, oleh karena itu, varians samplingnya :
k

V ( y st ) =V

k
N 1 y 1
= W 2i V ( y i)
N
i

( )
i

TEOREMA 3.5.2
Untuk sampling random stratifikasi dengan WOR, penduga sampel

y st

merupakan

unbias dan varians samplingnya diperoleh dengan :

k

N i ( N ini ) S 2i

N 2 ni

V ( y st ) =

( 1f i ) S2i W 2i

ni

(3.5.6)

Bukti: Ketika di setiap strata sampel diambil secara acak sederhana (simple random

sampling), y merupakan penduga yang unbias terhadap Y dan sebab itu melalui

y st
teorema 3.5.1 bisa ditunjukkan bahwa
merupakan penduga yang unbias terhadap Y
.
Lebih lanjutnya, dengan mengaplikasikan teorema 2.3.1 ke setiap strata individu,
diperoleh :
V ( y i )=

( N in i ) S2i
N i ni

Substitusikan nilai ke dalam rumus teorema 3.5.1, diperoleh :

k

N i2 V ( y i )

N2

V ( y st ) =

N i ( N i ni ) S 2i

N 2 ni

( 1f i ) W 2i S 2i / ni
i

Simpulan 1
Y^ st =N y st

Jika

merupakan penduga total populasi bagi Y, kemudian

merupakan penduga yang unbias, sehingga diperoleh rumus varians samplingnya yaitu :
k

V ( Y^ st ) =
i

N i ( N ini ) S 2i
ni
(3.5.7)

N ( 1f i ) W i Si / ni
2

Simpulan 2

Y^ st

Jika di setiap strata

V ( y st ) =

( nn )=( NN ) , maka varians

i

y st

dapat dituliskan seperti :

2
( Nn) k N i S i (1f ) k
=

W i S 2i ( 3.5.8)
N
nN
n
i
i

Simpulan 3
Jika di setiap strata

( nn )=( NN ) ,dan varians di semua strata memiliki nilai yang

i

2
sama yaitu S w , hasilnya berkurang menjadi :

1f
2
Sw

V ( y st ) =( Nn ) S2w / Nn=
Simpulan 4
Untuk Stratifikasi random sampling secara WR,

y st

merupakan penduga yang

unbias dan varians samplingnya diperoleh melalui :

k

V ( y st ) =
i

k
N i2 S2i
=
W 2i S 2i /ni (3.5 .10)

2
N ni i

TEOREMA 3.5.3
Dalam stratifikasi random sampling secara WOR, dengan ukuran sampel
k

ni (i=1,2, , k ; ni=n) , sebuah penduga unbias bagi proporsi Populasi P yaitu :

i
k

^
Pst =
i

N i pi k
= W i p i (3.5 .11)
N
i

Dengan variansnya
k

2
V(^
Pst ) = ( 1f i ) W i N i Pi (1Pi)/( N i1)ni (3.5 .12)
i

Di mana

pi

merupakan penduga sampel proporsi

Pembuktiannya sudah sangat jelas.

Pi

di dalam strata.

Simpulan 1
N i ( N i1 ) bisa dianggap sebagai satu kesatuan, sehingga
k

( 1f i ) W 2i Pi ( 1Pi )

ni

V(^
Pst )

(3.5 .13)

Simpulan 2
Jika sampling random stratifikasi dilakukan dengan pengembalian, maka rumus
varians sampli ngnya :

W i Pi ( 1Pi )
(3.5 .14)
ni

V(^
Pst ) =
i

Simpulan 3
Jika di dalam setiap strata

k
i

()

( 1f ) N W 2i Pi ( 1Pi )
( 3.5.15)
n(N i1)

V(^
Pst ) =

ni
N
=( i ) , maka varians samplingnya :
n
N

1f
W i Pi ( 1Pi ) (3.5 .16)
n

^
Pst

Varians
strata. Jika nilai

tergantung pada hasil perkalian antara

Pi

Pi

dan

1Pi

dalam

mendekati nol, hasil perkaliannya akan semakin kecil. Dengan

demikian, efisiensi bisa ditingkatkan jika stratanya dibentuk seperti unit-unit nya termasuk
sebuah kelas yang dialokasikan ke dalam strats yang sama.
3.6 ESTIMASI VARIANS / DUGAAN VARIANS
Jika sebuah sampel acak sederhana diambil dari dalam tiap strata, penduga yang
2
unbias bagi S i adalah :
ni

s =
2
i

( y ij ^y i )
ni 1

(3.6 .1)

Kemuadian sebuah penduga yang unbias varians sampling

dari :

y st

dapat diperoleh

TEOREMA 3.6
y st

Dengan stratifikasi random sampling, secara WOR sebuah penduga unbias varians
diperoleh melalui ;
k

v ( y st )= N i ( N in i ) s2i / N 2 ni
i

k
W 2i s2i
W i s 2i

(3.6 .2)
ni
N
i
i
k

Pembuktiannya sudah jelas.

Simpulan 1
Dengan stratifikasi random sampling secara WOR, penduga unbias bagi V(

y st

menjadi :
W i S 2i
v ( y st )=
(3.6 .3)
ni
i
k

Simpulan 2
^
Dengan stratifikasi random sampling secara WOR, pendugan unbias bagi V( Pst
)menjadi :
k

^ st )= (
v (P
i

1f i ) W i p i ( 1p i )
( 3.6 .4 )
ni 1

3.7 ALOKASI UKURAN SAMPEL DALAM STRATA YANG BERBEDA

Dalam stratifikasi sampling, alokasi sampel ke strata yang berbeda-beda dilakukan
atas pertimbangan 3 faktor, yaitu :
(i)
(ii)
(iii)

Total unit-unit di dalam strata merupakan ukuran strata

Kemampuan variable dalam strata
Biaya dalam melakukan observasi tiap unit sampling di dalam strata
Suatu alokasi sampel yang bagus adalah di mana memaksimumkan ketelitian yang
dapat diperoleh dengan meminimumkan sumber atau dengan kata lain ukuran untuk suatu
alokasi adalah meminimumkan biaya untuk memperoleh varians atau meminimumkan
varians dengan biaya yang telah ditetapkan, dengan demikian yang paling efektif dalam
mengalokasikan sampel yaitu menggunakan sumber-sumber yang telah tersedia.
Ada 4 metode alokasi ukuran sampel untuk strata yang berbeda dalam prosedur
sa/mpling stratifikasi, yaitu sebagai berikut :
(i) Alokasi Sama
(ii) Alokasi Proportional / Alokasi Perbandingan

(iii)
(iv)

Alokasi Neyman
Alokasi Optimum
3.7.1 Ukuran Sampel Sama dari setiap Strata
ini adalah suatu kondisi yang sangat praktis dimana terkeadang digunakan untuk
alasan-alasan administrasi atau kerja lapangan yang menyenangkan. Dalam metode ini, total
ukuran sampel n dibagi sama rata diantara semua strata.
n
ni= (3.7 .1)
k
3.7.2 Alokasi Proporsional

Secara umum alokasi ini dikenal sebagai alokasi proporsional yang secara murni
diusulkan oleh Bowley (1926). Prosedur alokasi ini dalam latihan biasa saja karena sangat
Ni
sederhana. Ketika tidak ada informasi tambahan kecuali
, kemudian total unit-unit di
dalam tiap strata ke-I tersedia, maka pengalokasian sampel yang berukuran n ke setiap strata
yang berbeda dilakukan dalam proporsi ke setiap ukuran masing-masing strata ke-i.
ni=

n Ni
( atauf i) (3.7 .2)
N

Ini artinya bahwa fraksi sampling di semua strata itu sama. Hal tersebut memberikan
sebuah self-weighting sampel atau dikenal sebagai penimbang-sendiri sampel dimana angkaangka estimasi bisa dibuat dengan melihat derajat ketelitian yang tinggi dan kecepatan yang
bagus.
3.7.3 Alokasi Neyman
Pengalokasian total ukuran sampel ke dalam strata disebut dengan alokasi varians
minimum dan teori alokasi ini diberi hak kepada Neyman (1934).Namun, hasil penelitian
teori alokasi ini kelihatannya ditemukan oleh Tsuchuprow (1923) tetapi bekasnya tidak
dikenal hingga ditemukan kembali secara bebas oleh Neyman. Pengalokasian sampel diantara
strata yang berbeda didasari atas pertimbangan bersama ukuran strata dan varians strata. Pada
alokasi ini diasumsikan bahwa biaya sampling per unit diantara strata yang berbeda adalah
sama dan ukuran sampel telah ditetapkan. Ukuran sampel dialokasikan dengan :
ni=n

W i Si

=n

W i Si

N i Si

(3.7 .3)

N i Si

Rumus untuk varians minimum dengan n yang telah ditetapkan diperoleh melalui
n
substitusi nilai i dalam persamaan (3.5.3) sehingga diperoleh :

V min ( y st )=

W i Si
i

W i S 2i / N (3.7 .4)
i

Mungkin agak sulit menggunakan metode ini karena biasanya nilai

Si

tidak

diketahui. Bagaimana pun, varians strata mungkin bisa diperoleh dari survey terdahulu atau
dari rencana khusus pilot survey. Alternative lainnya adalah mengadakan survey utama dan
menggunakan data yang telah terkumpul pada tahap pertama untuk memastikan alokasi yang
lebih baik digunakan pada tahap kedua.
3.7.4 Alokasi Optimum
Pada metode alokasi ini, ukuran sampel n dalam masing-masing strata telah
y
ditetapkan untuk meminimumkan V ( st) untuk biaya spesifik pengadaan survey sampel

y
V ( st) . Dalam sampling stratifikasi

atau meminimumkan biaya untuk nilai spesifik

fungsi biaya sangat sederhana, yaitu :
k

C=a+ ni ci (3.7 .5)

i

dimana, seperti yang tertera di atas bahwa biaya a merupakan konstanta dan

ci

merupakan rata-rata biaya survey per unit di dalam strata ke-I yang bergantung pada alam
dan ukuran unit-unit di dalam strata sendiri.
Untuk menetapkan nilai optimum dari

ni

, kita perlu mempertimbangkan fungsi

berikut :
y
( st)+ C (3.7 .6)
=V
dimana

merupakan beberapa konstanta yang tidak dikenal.

Pertama-tama kita pilih

ni

dan konstanta

perhitungannya gunakan metode kalkulus pengalian Lagrange.

Turunan terhadap

ni

, diperoleh :

W 2i S 2i
+ ci =0(i=1,2, , k )
n2i
Atau

untuk meminimumkan

ni=

W i Si
( 3.7.7)
ci

Dengan menjumlahkan semua strata, diperoleh:

k

n= (W i Si / ci )(3.7 .8)
i

Dari hubungan persamaan (3.7.7) dan (3.7.8), diperoleh :

(W i S i / c i)

ni=n

N i S i / ci

=n

(W i S i / c i )

(3.7 .9)

(N i Si / c i )

Pada hubungan persamaan di atas (3.7.9) menunjukkan hal-hal penting yang perlu
diperhatikan di dalam strata, kita ingin mengmabil sampel dalam jumlah yang besar jika :
(i)
(ii)
(iii)

Ukuran strata lebih besar

Strata memiliki variable yang lebih besar
Didalam strata biaya per unitnya lebih murah/ lebih sedikit
Jika

ci

sama dari strata ke strata, hubungan (3.7.9) akan membawa pada alokasi
ci

Neyman. Sama halnya, jika

dan

Si

tidak berbeda dari strata ke strata maka

hubungan (3.7.9) akan membawa pada alokasi proporsional.

Total ukuran sampel n memerlukan untuk estimasi populasi dengan biaya C yang
diperoleh melalui :
k

(Ca) (W i S i / ci )
i

n=

( 3.7 .10)

(W i Si c i)
i

Jika V telah ditetapkan/ sudah pasti, diperoleh :

k

( W i S i / ci ) (W i S i c i )
n=

(3.7 .11)

V + W i S / N
2
i

Nilai varians strata dapat diperoleh dari survey pendahulu atau dari ukuran dalam tiap
strata. Suatu pembuktian alternative alokasi dilakukan oleh Stuart (1954), seperti berikut ini :
'
'
Terdapat V dan C yang merupakan bagian dari V dan C yang bergantung pada
ni

'
atau dalam bentuk sederhananya yaitu V = Ai /ni

'
dan C = c i ni .

Meminimumkan V untuk biaya yang sudah ditetapkan atau sebaliknya keduanya

ekuivalen terhadap hasil perkalian yang minimum
Ai
' '
V C=
( c i ni ) (3.7 .12)
ni

Sekarang, dalam pertidaksamaan Cauchy-Schwartzs :

2
( x 2i )( yi2) ( xi y i)
sehingga

( A i c i )2
A

( )

n i ( c i ni )
i

Persamaannya menjadi jika dan hanya jika

yi

proporsional terhadap

xi

ci ni
=konstanta
Ai
ni
Dimana : ni Ai /c i (3.7 .13)
(i) Pada kasus

A i=W i Si , dari hubungan (3.7.13) ukuran sampel yang optimum di dalam

strata didapatkan pada hubungan (3.7.9).

2 2
c i=c
(ii) Pada kasus
dan A i=W i Si , ukuran sampel yang optimum untuk alokasi Neyman
(iii)

didapatkan juga dari hubungan di atas.

A i=W i
c i=c
Pada kasus
dan
, alokasi proporsional juga diperoleh dari hubungan

di atas.
3.8 Perbandingan Presisi Stratified Random Sampling dengan Simple Random
Sampling
Pada bagian ini, kita akan membuat suatu perbandingan ilmu antara penduga
yang biasanya menggunakan metode simple random sampling tanpa stratifikasi dan
stratified random sampling yang mempergunakan berbagai skema alokasi, seperti
alokasi proportional dan alokasi optimum. Varians penduga/estimator rata-rata
V SR , V
dinotasikan dengan
dan V .
THEOREMA 3.8.1
Jika fpc diabaikan, tunjukkan bahwa :
V opt V V SR (3.8 .1)
Bukti : Ketika fpc diabaikan, kita memiliki
V SR =S 2 /n
k

V =
i

k
N i Si
= W i S 2i / n
Nn
i

V opt =
Sejak

( )
i

N i Si
2

N n
1/ N i
k

=( W i Si ) /n
i

dan 1/N tidak berarti, kita bisa peroleh

k

NS = N i S i + N i ( Y iY )
2

Oleh karena itu, diperoleh

k
k
S2 1
V SR = =
[ N i S2i + N i ( Y i Y )2 ]
n nN i
i
k

V + N i ( Y i Y ) / nN (3.8.2)
2

Atau

V SR V =

menghasilkan sebuah bilangan positif

V V SR

Hal ini lah yang membuktikan bahwa

Oleh karena itu, dapat disimpulkan bahwa tingkat presisi/ketepatan yang tertinggi
dapat diperoleh dengan alokasi proporsi dibandingkan dengan simple random sampling.
Dengan cara yang sama :
1
V V opt =
nN

1
nN

k
2
i

N i S N i Si
i

N i ( S i S ) (3.8 .3)
k

N i Si / N
Dimana : S=
i
a positivequantity

Juga : V =V +
SR
opt

k
i

k
i

nN

Sehingga terbukti bahwa :

Oleh karena itu :

N i ( S i S ) + N i ( Y i Y )

(3.8 .4)

V opt V

V opt V V SR

Kesimpulannya bahwa alokasi optimum Neyman memberikan hasil yang lebih baik
dibandingkan alokasi proporsional. Kita amati dari persamaan (3.8.4) bahwa sebagaimana

kita mengubah dari simple random sampling ke stratified random sampling dengan alokasi
Neyman, hasil keuntungan dalam ketepatan mengestimasi dipengaruhi dari 2 faktor, yaitu :
(i)
(ii)

Perbedaan diantara rata-rata strata dan

Perbedaan diantara standar deviasi strata.
Simpulan : Jika fpc diabaikan, terbukti bahwa
V opt V V SR
Contoh 3.1
2000 petani pemilik lahan di Uttar Pradesh (india) dikelompokkan berdasarkan
Ni
ukuran masing-masing. Di bawah ini terdapat data jumlah pemiliki lahan (
), rata-rata

wilayah yang dimiliki setiap pemilik lahan ( Y i ) dan standar deviasi wilayah yang dimiliki
setiap pemilik lahan, yaitu sebagai berikut :
N
o.
Strata

Jumlah
Pemilik lahan
(Ni)
394
461
381
334
169
113
148

1
2
3
4
5
6
7

Rata-rata lahan yang

Standar Deviasi lahan yang
dimiliki
dimiliki
per pemilik lahan
per pemilik lahan
Y i
(
)
(S1)
8.3
5.4
13.3
16.3
15.1
24.3
19.8
34.5
24.5
42.1
26
50.1
35.2
63.8

Jumlah sampel yang ingin diambil yaitu sebanyak 200 lahan pertanian. Hitung ukuran
sampel di setiap strata dengan menggunakan alokasi proporsional dan alokasi Optimum.
Hitung juga besar varians sampling estimasi wilayah lahan dari sampel
(i)
(ii)

Jika lahan pertanian yang dipilih menggunakan alokasi proporsional dengan metode
pengembalian dan tanpa pengembalian.
Jika lahan pertanian dipilih menggunakan alokasi Neyman dengan metode pengembalian dan
tanpa pengembalian.
Selain itu, hitung juga keunggulan dari efisiensi prosedur metode di atas sebagai
pembanding terhadap simple random sampling.
Perhitungannya telah ditunjukkan pada tabel 3.1, yaitu sebagai berikut :

. Strata

Tabel 3.1

Perhitungan Alokasi, Rata-rata dan Varians Sampling

No

N
i

Wi nWi

W i Y 2i

W i S 2i

1
1
1

2
3
94

3
5
.4

.3

4
2

61

1
6.3

81

2
4.3

34

69

13

7
To

48

4.5

5
0.1

2
6

6
3.8

3
5.2

2
.0000

Alokasi proporsional :

1
.47

.56
1

7
2

.61

.83
3

2
00

.76

000

2
.07

.63
3

0
.0740

.31

.76
3

0
.0565

.88

.06
3

3
3

.0845

.07

8
1

0
.1670

4.5

.04

.1905

7
1

4
2.1

.2305

9.8

6
4

tal

.1970

5.1

5
0

1
3.3

3
3

4
8

1
7.05

.72
2

00

6.32

9 0
1
.72
3
1.29
4
12.51
5
98.72
3
49.88
2
41.78
4
01.14
2
71.04

612
6
831
488
1
1
3

91.
872

V ( y ) wr=1/n W i S 2i =1.7214
HAL 61-70?
HAL 71-80?
Alokasi Optimum

Wi S i
Wi S i

ni Ni Si atau ni =
Jumlah perusahaan yang terpilih dari strata pada tabel kolom 8 berturut-turut adalah 19,
36, 34, 39, 24, 17, dan 31.

Jika fpc diabaikan, maka :

38.
220

Jika fpc diabaikan, diperoleh :

50.
715

= 1.5492

65.
538

V ( y ) wor=[(Nn) nN ] W i S 2i

43.

Jumlah pemilik lahan dipilih dari strata atau kelompok yang ada pada tabel di atas
kolom (6) dan secara berurut-urut nilainya yaitu 40, 46, 38, 33, 17, 11 dan 15.

( y opt ) wor ( Wi S i ) 2 / n Wi S i / N 1.2813

40.

ni N i ni=nW i

11
13.

344
.276

( y opt ) wr ( Wi S i ) 2 / n 1.4535
V
Simple Random Sampling
Estimasi varians rata-rata :

1 1
V ( y SR ) wor ( ) S 2
n N

Vopt

( N n)
2
2
[ Wi Y i ( Wi Y i ) 2 Wi S i ( Wi S i ) 2 ]
n( N 1)

= 3.0420
Jika fpc diabaikan, maka :

V ( y SR ) wr V prop Wi (Y Y ) 2 / n 3.1129
(i)
(ii)

Presisi dari alokasi proporsi adalah

(a) Metode tanpa pemulihan VSR / Vprop = 1.9636
(b) Metode dengan pemulihan VSR / Vprop = 1.8084
Presisi dari alokasi optimum adalah
(a) Metode tanpa pemulihan VSR / Vprop = 2.3742
(b) Metode dengan pemulihan VSR / Vprop = 2.1416

3.9 KETELITIAN RELATIF PADA PENARIKAN CONTOH BERSTRATA

Perbandingan presisi pada stratifikasi dengan unstratified random sampling, akan
mengasumsikan bahwa nilai-nilai populasi pada strata seperti rata-rata dan varians diketahui.
Hal itu menyebabkan ketertarikan untuk menguji populasi dari survei, bagaimana metode
stratifikasi dalam penarikan contoh digunakan? Apa saja yang tersedia pada stratifikasi dan
apakah stratifikasi bermanfaat dalam tingkat ketelitian? Pendugaan varians, pada Unstratified
didapat dari sampel berstrata dan membandingkan antara yang berstrata dengan yang tidak.
Diberikan n1 ,n2 , . . . nk yang merupakan wakil dari sampel berstrata. Pendugaan rata

y 1 , y 2 ..., y k

rata dan ragam diambil dari sampel tersebut. Didapat estimasi berupa rataan
s12 , s 22 ,..., s k2

varians

dan

y
. Untuk mendapatkan estimasi yang tidak bias dari V(

) berdasarkan

SR

s 2 ( y ij y ) 2 /( n 1)
i

sampel pada strata, maka dibawah akan ditunjukkan bahwa

merupakan penduga yang tidak bias bagi S2.

y
Unbiased estimator dari V(

SR

) pada sampel strata adalah :

k
1 1 k
( N n) k
v ( y SR ) ( ) Wi si2
[ Wi ( y i y st ) Wi (1 Wi ) si2 / n]
i
n N i
( N 1) N i

(3.9.1)
Ketelitian relatif pada penarikan contoh berstrata adalah

v ( y SR ) v( y st )

v( y st )
(3.9.2)
Jika alokasi sampel cukup besar untuk tiap strata, yaitu n i > 50 maka hubungan antar (3.9.1)
akan menjadi,

v( y SR )

N n
[ Wi si2 Wi y i ( Wi y i ) 2 ]
Nn

(3.9.3)

Dalam prakteknya, ditemukan bahwa varians sampel tidak cukup untuk memperkecil standar
deviasi pada alokasi. Jika alokasinya proporsional, yaitu n1 = nWi ; kita dapat menulis s2,
dengan teknik analisis varians, yaitu
2

s 2 [ Wi si2 Wi y i ( Wi y i ) 2 ]
menunjukkan bahwa s2 adalah Unbiased estimator pada proporsi alokasi.
Contoh 3.3 :
Jumlah lada yang terpilih sebagai sampel di suatu desa, yang dibagi menjadi tiga strata dari
wilayah Trivandium diberikan sebagai berikut,
Strata
1

Jumlah
desa
441

Jumlah desa
sampel
11

Jumlah lada yang

terpilih
41, 116, 19, 15, 144,
159,
212, 57, 28, 119, 76

405

12

39, 70, 38, 37, 161,

38,
27, 119, 36, 128, 30,
208

103

252, 385, 192, 296,

115,
159, 120

Estimasikan jumlah total dari lada beserta standar errornya di wilayah Trivandum.
Kemudian estimasi pula tingkat ketelitiannya!
Perhitungan yang relevan diberikan di table 3.2.
Estimasi jumlah total lada yaitu

Y st N i y i 87376.54
1

Dan estimasi varians dari

Y st

adalah
k

v (Y st ) N i2 (
1

1
1
)si2 116,432,940.29
ni N i

Sedangkan standar errornya adalah

Y st

116,432,940.29
=
= 10,790.41

Mengestimasi varians total dari jumlah lada, dengan Simple Random Sampling , adalah
2
2

k N s
k
k N s
k
k
1 1
v(Y SR ) ( )[ N N i si2 i i N i y i i i ( N i y i ) 2 ]
1
1
1
1
n N
ni
ni
1

= 167,269,559.37
Maka, persentase ketelitian relatif pada penarikan contoh berstrata

v( y SR ) v ( y st )

100

v( y st )
167,269,559.37 116,432,940.29
100
116,432,940.29
43.65

3.10

FORMASI STRATA

Masalah tentang formasi strata dibahas oleh Hagood dan Bernert (1945), Dalenius (1950,
1952), Dalenius dan Gurney (1951), Mahalanobis (1952) dan Dalenius dan Hodges (1959).

Ekman (1959) member solusi secara teori. Cohran(1961) melakukan percobaan atau
penilitian guna membuktikan teori secara empirisme. Sethi (1963) menurunkan solusi untuk
nilai optimum dari kasus strata populasi dan Hess, Sethi dan Balakrishnan (1966) menjawab
masalah ini dengan persamaan secara empiris. Pada bab ini akan diterangkan secara rinci
tentang konsep konsep dari stratifikasi, meskipun hasilnya berupa pendekatan dan terbatas
pada penerapannya.
Dari k strata, mengandung nilai nilai subbagian dari y1, y2, . . . , yk-1 sehingga
a y1 y 2 ... y k 1 b
. Hal itu telah disebutkan diawal pada Eq. (3.5.10) bahwa varians

y
dari (

st

) (dengan alokasi proporsi) yaitu,

V ( y st )

1 k
2
Wi S i
n 1
2
k
1 k N 2
[ Yij / N Wi Y i ]
i
n i j

(3.10.1)
Seperti yang disebutkan diawal, tujuanutama stratifikasi adalah meningkatkan tingkat
k N

Yij

ketelitian, oleh karena itu V( st) dapat diminimalkan. Maka pada saat
di (3.10.1)
adalah konstan dan saling bebas antar strata, dan masalahnya nilai y maksimal pada saat
k

Wi Y i
i

. Asumsi bahwa semua nilai kecuali nilai y adalah pasti, maka dapat dibuktikan
k

Wi Y i
i

bahwa nilai dari y1 maksimum pada saat

berikut.
yi

yang dirumuskan secara sederhana sebagai

1
(Yi Y i 1 )
2

(3.10.2)

Hal ini menunjukkan bahwa nilai yi yang baik adalah rataan dua strata dengan sendiri
sendiri. Sebab, semua nilai yi ( i = 1, . . . , k-1) memenuhi dan sesuai dalam strata.
Konsep strata pada equal dan alokasi optimum dapat juga dianggap sama. Varians sampel
pada alokasi equal dan alokasi optimum adalah berturut turut,
k k 2 2
Wi S i
n i

dan

1 k
( Wi S i ) 2
n i

Dari hasil sebelumnya, pendugaan yang terbaik pada stratifikasi dalam dua hal adalah

Wi [ S i2 ( y i Y i ) 2 ] Wi 1 [ S i21 ( y i Y i 1 ) 2 ]

(3.10.3),
dan ,

Wi [ S i2 ( y i Y i ) 2 ] Wi 1 [ S i21 ( y i Y i 1 ) 2 ]

Si
S i 1

(3.10.4)

Untuk i = 1, . . . , k-1, secara berturut turut.

Pada saat keadaan sulit untuk mempraktekannya, seharusnya dilakukan perhitungan secara
kompleks, beberapa solusi aproksimasi, dan menggunakan metode yang simpel seperti
dibawah ini:
(i)

(v)

Kesamaan dari Wi SI . Delinius dan Gurney (1951) memberikan konsep strata

berdasar pada equalisasi dari Wi SI, dan memberikan alokasi equal ke strata,
sehingga menuju stratafikasi optimum. Metode ini tidak sesuai dengan prakteknya
karena harus menghitung Si untuk nilai strata yang berbeda.
(ii)
Penjumlahan total dari strata. Aturan lain secara luas diusulkan oleh Mahalanobis
(1952). Dia membuat strata agar jumlah total dari W i YI sama dengan alokasi
equal. Strata ini akan lebih efisien jika koefisien variasi dari strata sama. Cara ini
digunakan untuk memperkecil atau meminimalkan variansnya untuk menjawab
distribusi normal, gama, dan beta (Sethi,1963).
(iii)
Kesamaan dari Wi RI . Diantara aturan pendugaan yang dilakukan oleh Ayoma
(1954), dengan pernyataannya bahwa formasi data didasarkan pada equalisasi
strata dari tiap strata dan dengan alokasi equal Ekman (1959) menyatakan juga
bahwa kasamaan dari Wi RI berbentuk strata dengan alokasi equal, dimana R i
adalah besarnya variasi pada strata yang ke-i. metode ini sangatlah sederhana dan
dapat digunakan dalam praktek. Metode yang Ekman kemukakan ini juga berlaku
pada kasus lain.
f ( y)
(iv)
Jumlah kumulatif dari
. Dalenius dan Hodges (1959) memberikan konsep
strata dengan metode ini, dimana f(y) adalah fungsi berkelompok. Asumsinya
bahwa mengikuti distribusi acak (random) dan jumlah sampel besar. Sethi (1963)
menunjukkan bahwa metode ini juga memberikan stratifikasi optimum ketika
jumlah strata kecil, misalnya 2 atau 3.
1
[ f ( y) l ( y )]
2
Kesamaan dari
. Durbin (1959) menyatakan kesamaan dari distribusi data
berkelompok, (y), yang terletak diantara distribusi aslinya f (y) dan distribusi Rectangular l
(y) setelah diberikan nilai y, l (y) diberikan oleh F (y)/R, dimana F (y) adalah fungsi distribusi
dari y dan R adalah nilai dari variasi sampel. Maka, nilai stratifikasi didapat dengan
kesamaan fungsi kumulatif
1
[ f ( y ) l ( y )]
2
(y) =
Untuk mendapatkan nilai optimum dari stratifikasi dengan perbedaan tipe estimasi yang
diberikan oleh Singh (1967), yang mana proporsi optimum ditentukan dari penelitian.

3.11

MENENTUKAN JUMLAH STRATA

Didalam konteks dalam pengambilan jumlah strata, poin yang mesti diperhatikan adalah

y
(i)
(ii)

Bagaimana V( st) berkurang pada saat k bertambah?

Bagaimana dengan biaya survei mempengaruhi jumlah k?

Dalenius dan Gurney (1951), Dalenius (1953), Cohran (1961), Sethi (1963), dan Hess,
Sethi, dan Balakrishman(1966) membahas pertanyaan dan beberapa model yang telah
diusulkan untuk menentukan jumlah strata. Untuk yang kedua yang berkenaan pengaruh
biaya pada jumlah k melebihi 6 akan kurang efisien. Beberapa hasil yang telah diteliti secara
signifikan pada survei telah dibahas pada bagian atas.
Hal itu dapat ditunjukkan dengan mudah bahwa stratifikasi menambah efisiensi jika
jumlah strata bertambah. Batas atas dari strata adalah ukuran sampel sampai pada poin yang
terseleksi pada tiap strata. Tetapi dapat juga ditunjukkan bahwa keragaman strata melebihi
yang seharusnya maka metode strata tidak efisien. Dalam survei skala besar, maka tidak
cukup efisien dengan menambah jumlah strata sampai dengan kemungkinan jumlah
maksimum karena akan berpengaruh pada biaya yang besar. Hal itu telah diperkirakan oleh
Dalenius (1953) bahwa rasio varians estimasi dari rata rata populasi berdasarkan k strata
optimum terhadap k-1 strata optimum adalah (k-1)2/k2 yaitu :

Vk ( y st / Vk 1 ( y st )) (k 1) 2 / k 2

(3.11.1)
Hubungan ini dapat dibuktikan oleh Cochran (1961) untuk nilai k=2, 3, dan 4, untuk 8
distribusi menghubungkan kepada perbedaan karakteristik dan menemukan ketetapan dalam
semua kasus.
Untuk menentukan jumlah optimum strata, fungsi biaya dapat dicari dengan :
C = a + kc1 + nc2
(3.11.2)
Dimana a adalah biaya eksploitasi dan c1 dan c2 adalah jumlah biaya per strata dan per unit,
berturut turut.
Sethi (1963) menunjukkan untuk strata optimum dengan proporsi dan alokasi equal, dalam
distribusi gamma, hubungan antara varians sampel dan jumlah strata dapat terbentuk:

Vk ( y st )

S2
(bk 2 ck d ) 1
n

(3.11.3)
Dimana s, c, d adalah konstanta untuk menentukan nilai dari rasio variansuntuk k = 1, 2,
dan 3.
Nilai optimum k untuk memberikan penentuan biaya dengan meminimalkan nilai seperti
pada Eq. (3.11.3) bersamaan dengan Eq. (3.112). hal itu dapat ditunjukkan dengan mudah
bahwa nilai optimum k dan n adalah
K = 2 (C - a)/3c1, dan
n = (C - a)/3c2
(3.11.4)
untuk memastikan spesifikasi yang efisien dengan meminimumkan biaya, persamaan
prosedur dapat diterapkan. Secara umum dapat digambarkan dengan grafik varians atau biaya
yang berbanding terbalik dengan jumlah strata untuk setiap nilai n.

Jumlah strata optimum kemudian dapat ditetapkan dengan baik.

3.12

METODE PENGGOLONGAN STRATA

Ketika kita bertemu dengan populasi yang beragam dan untuk memberikan gambaran agar
mudah di kerjakan maka dengan strata dapat dipilih sampel pada tiap strata yang telah
dikelompokkan menurut karakteristiknya masing masing. Dalam penelitian, hal itu tidak
mungkin menduga varians rata rata. Untuk menduga parameter varians rata rata
dikelompokkan dalam strata berkelompok. Mengelompokkan bagian tiap strata yang tidak
jauh berbeda karakteristiknya disebut metode penggolongan strata.
y ji

y j2

Diberikan unit dalam keadaan berpasangan,

dan
, dimama j adalah nilai dari 1
sampai k/2, k merupakan jumlahnya. Kemudian rata rata dari sampel adalah

E ( y j1 y j2 ) E ( y 2j1 ) E ( y 2j2 ) 2 E ( y j1 y j2 )
2

Y j1

( N j 1)
Nj
2

(Y j1 Y j2 ) 2

S 2j1 Y j2
( N j 1)
Nj

( N j 1)
Nj

S 2j2 2 y j1 y j2

( S 2j1 S 2j2 )

(3.12.1)
Pada saat nilai sizenya sama Nj, maka

k/2

k/2

E ( y j1 y j2 ) 2 V ( y st ) (Y j1 Y j2 ) 2
j

(3.21.2)
k/2

( y j y j )2
j

Ini menunjukkan bahwa secara kuantitatif

, digunakan pada saat

V ( y st )

mengestimasi varians, kemudian

. Kedua pernyataan dapat ditiadakan jika strata
dibentuk menjadi kelompok dan perbedaan nilai tiap strata kecil. Dengan kata lain
memasangkan data yang telah tersusun menunjukkan persamaan size total nilai y.
Hartley, Rao, dan Keifer (1969) memberikan pernyataan sebuah metode yang berbeda
dengan cara di atas. Mereka menunjukkan dengan mengestimasi rataan pada strata pada
regresi linier. Metode ini memberikan nilai bias yang lebih kecil dalam mengestimasi varians,
dalam berbagai keadaan. Fuller (1970) juga mengembangkan konsep strata yang

y
menunjukkan tidak bias pada V(
peluang sampel terpilih.

st

) dengan satu unit per strata untuk sama dan tidaknya

3.12 STRATIFIKASI
STRATIFICATION)

SETELAH

SAMPEL

TERSELEKSI

(POST-

Dalam stratifikasi diasumsikan bahwa ukuran strata dan frame sampel pada tiap strata
tersedia. Bagaimanapun juga ada contoh yang akhirnya tidak tersedia yang menunjukkan
daftar sampel , umur tiap individu tersedia, meskipun tidak ada perbedaan antara daftar
sampelnya dengan umurnya. Dengan bermacam macam karakteristik yang cocok untuk
distratifikasi, hal ini tidak mungkin terambilnya sampel. Maka post stratification
bergantung pada pengklasifikasian populasi dan terambilnya sampel dari jumlah unit dalam
strata. Masalah dari metode ini dibahas oleh Hansen, Hurwitz, dan Madow (1953). Prosedur
yang sederhana untuk menduga varians dengan metode ini diberikan oleh Williams (1962).
Kita akan menguji kebaikan dalam menentukan presisinya.
Diberikan asumsi bahwa Ni dan Wi (i = 1, 2, . . . , k) diketahui. Jika sampel

y
dipertimbangkan berdasarkan sampel berstrata, makanilai rata

dengan menggunakan

y w ( Wi y i )

yang merupakan Unbiased estimator bagi

. Sebab untuk setiap nilai i

E ( y i ) E1 E 2 ( y 1 | ni ) E1 (Y i ) Y i

(3.13.1)
Dan

E ( y w ) Wi E ( y i ) Wi Y i Y
i

(3.13.2)
Untuk selanjutnya kita akan mengira size sampel yang besar dan tidak ada nilai n is (i =
1, . . . , k) yang 0. Maka

V ( y w | ni ....nk ) (1 / ni 1 / N i )Wi 2 S i2
i

(3.13.3)
Dengan menggunakan varians bersyarat maka rumus 1.3.10 menjadi

V ( y w ) E1V2 ( y w | n1 ....n k ) V1 E 2 ( y w | ni ....n k )

E1V2 ( y w | n1 ....nk )

Karena nilai nI independen, maka

E1 [ (1 / ni 1 / N i )Wi 2 S i2 ]
i

[ E (1 / ni ) 1 / N i )]Wi 2 S i2
i

(3.13.4)
Sebuah pernyataan yang tepat untuk persamaan (3.13.4) tidak dapat digunakan.
Bagaimanapun juga, untuk n dan N yang besar, Stephan (1945) telah menunjukkan bahwa:
E (1 / m) 1 / nWi (1 Wi ) / n 2Wi 2

(3.13.5)
Dengan mengganti nilainya dalam persamaan (3.13.4), kita dapatkan:
k

V ( y w ) (1 f ) / n Wi S i2 1 / n 2 (1 Wi ) / S i2

(3.13.6)
V ( y st )
Syarat pertama dalam persamaan (3.13.6) yaitu nilai dari
menggunakan alokasi
proporsional. Syarat kedua mewakili pernyataan varians setelah stritifikasi (pengelompokan),
dimana nilainya itu akan lebih kecil dibandingkan syarat pertama jikan n nya besar. Oleh
karena itu, setelah stratifikasi, nilainya hampir sama tepat seperti propoetional startified
sampling untuk sampel besar.

3.14 Startifikasi yang lebih mendalam

Andaikan ada dua kriteria alternatif untuk stratifikasi. Pertanyaannya yang muncul
mengacu pada dua kriteria stratifikasi yang mana yang lebih disukai. Sebuah pilihan yang
nyata adalah memilih dua jalan stratifikasi yang terdiri dari k baris dan k kolom dalam basis
di dua variabel stratifikasi. Hal ini akan menjadikan strata kk dan juga sebuah ukuran sampel
n=kk diperlukan untuk mengestimasi rata-rata populasi. Jika hal ini diperlukan untuk
mengestimasi varians dari estimasi rata-rata, sebaiknya dilakukan dua pengamatan dari
masing-masing strata, jadi ukuran sampel yang minimum harus menjadi 2kk . Sebuah
masalah muncul ketika n<kk dan juga ketika tiap strata ingin menggunakan alokasi
proporsional. Bryant, Hartley dan Jessen (1960) telah memberikan solusi yang menarik dan
sederhana untuk masalah ini. Langkah-langkahnya adalah sebagai berikut:
n2

(i)

Konsep kuadrat dari sel

dengan n baris dan n kolom

(ii)

Pilih n dengan peluang yang sama sehingga tidak ada dua sel pada kolom atau baris
yang sama.

ni
(iii)

Gabung n baris ke dalam k strata sehingga strata ke i memiliki alokasi dari unit
dan

nj

(iv)

Gabung n kolom ke dalam k strata sehingga strata ke j memiliki alokasi unit

nij

Misalkan
menjadi jumlah sel dari strata ke ij yang terpilih dalam sampel. Estimator
(penduga) yang tak bias dari rata-rata populasi adalah sebagai berikut:
y u 1 / n Gij nij y ij
i

(3.14.1)
y ij

Gij

Dimana
adalah rata-rata sampel dalam strata ke ij,
diperoleh dari:
Gij

adalah faktor penimbang yang

n 2Wij
ni n j

Wij N ij / N

Dan
Wij Wi W j

Pada kasus alokasi proporsional, ketika

(3.14.1) dapat ditulis seperti:
V ( y u ) Wij S ij2
i

variabel estimator dalam persamaan

1
[ ( y ij Yi ) 2 W j (Y j Y ) 2 ]
(n 1) i j
j

(3.14.2)
Perkiraan varians dalam kasus dua jalan stratifikasi terlalu sulit untuk dipraktekan dan
tidak akan di bahas di sini karena keterbatasan ruang. Untuk tujuan ini, pembaca tertuju pada
Bryant (1955), dimana beberapa metode untuk perkiraan varians di bahas dalam kondisi yang
berbeda.

3.15 Pemilihan terkontrol

Goodman dan Kish (1950) menyarankan sebuah prosedur pemilihan yang dinamakan
pemilihan terkontrol, yang mempertimbangkan apa yang diperlukan yaitu bahwa kombinasi
tertentu dari unit-unit atau kombinasi yeng terpilih memiliki peluang yang lebih besar dalam
pemilihan dan peluang yang lebih kecil dalam pemilihan untuk semua kombinasi yang tidak
terpilih. Andaikan, dalam sebuah petak gandum, dianjurkan untuk memilih sebuah sampel
acak dan sederhana dari dua lahan untuk mengestimasi rata-rata hasil per hektar. Dalam
sampel, ada tiga kemungkinan (i) kedua lahan teririgasi, (ii) kedua lahan tidak teririgasi atau
(iii) satu lahan teririgasi dan yang lainnya tidak teririgasi. Tidak diragukan lagi, seluruh
sampel akan memberikan hasil estimasi yang tak bias dari rata-rata hasil, tetapi dua sampel
dari kemungkinan yang pertama akan melebihi perkiraan atau parameternya. Oleh karena itu,
dilakukanlah pengelompokan lahan ke dalam dua strata, pertama yaitu lahan teririgrasi dan
strata lainnya yaitu lahan yang tidak teririgasi, dan kemudian memilih sampel acak dan
sederhana dalam satu lahan dari tiap strata. Sampel tersebut disebut sampel terpilih dan
lainnya dapat disebut sampel tidak terpilih. Pada tahapan ini, mungkin disebutkan bahwa
peluang beberapa atau semua kombinasi yang terpilih meningkat dan beberapa atau semua
kombinasi yang tidak terpilih berkurang. Jadi, pemilihan sampel berstrata dapat dikatakan
suatu metode dari pemilihan terkontrol. Bagaimanapun juga, dalam hal ini waktu pemilihan
terkontrol digunakan dalam penambahan kontrol pada stratifikasi untuk memperkecil varians
yang mengestimasi parameter. Hess, Riedel dan Kitzpatrick (1961) menggambarkan metode
dan mendapatkan rumus
untuk mengestimasi varians estimator dan varians yang
diestimasikan. Pendekatan lainnya, menggunakan desain blok yang tidak sempurna, telah
dibahas oleh Avadhani dan Sukhatme (1973). Dalam hal ini, kita dapat menggambarkan
metode untuk menguji bagaimana peluang dari sampel yang terpilih dapat ditingkatkan.
Misal A,B,C,D merupakan 4 lahan yang teririgasi dikumpulkan ke dalam strata I dan
misal a.,b,c,d,e merupakan 5 lahan yang tidak teririgasi ke dalam strata II. Andaikan, lebih
jauh diketahui bahwa A,B,a dan b tidak diberi pupuk, memiliki kode 0, dan lahan C,D,c,dan e
diberi pupuk, memiliki kode 1. Perwakilan masing-masing dari dua tipe pemberian pupuk
juga diperlukan, tetapi hanya satu unit (lahan) diambil dari tiap i srata. Dalam penjumlahan
unit tiap strata, sebuah subscript mengindikasikan tipe aplikasi pemupukan. Pada pemilihan
terkontrol, suatu usaha dibuat untuk meningkatkan peluang dari sampel yang terpilih. Salah
satu cara untuk mencapainya adalah mengubah unit dalam strata II agar sampel yang disukai
terpilih pertama. Semua kemungkinan sampel dalam stratifikasi dan pemilihan terkontrol,
dengan peluang mereka adalah sebagai berikut:

Tabel 3.3 Semua Kemungkinan Sampel dalam Stratifikasi dan Pemilihan Terkontrol
dengan Peluang Terpilih

Strat
a

Origi
nal
Order

Pemilihan strata
Samp
el

Pelua
ng

Samp
el

Pelua
ng

Revise
d
Order

Pemilih
an
terkont

Pelu
ang

rol
I

A0

A0 a 0

B0
C1
D1
II

A0
B0
c1
d1
e1

A0b0
A0c1
A0d1
A0e1
B0a1
B0b1
B0c1
B0d1

0.05

C1a0

0.05

A0

A0c1

0.20

0.05

C1b0

0.05

B0

A0d1

0.05

0.05

C1c1

0.05

C1

B0d1

0.15

0.05

C1d1

0.05

D1

B0c1

0.10

0.05

C1e1

0.05

C1

C1e1

0.10

0.05

D1a0

0.05

D1

C1a0

0.15

0.05

D1b0

0.05

E1

D1a0

0.05

0.05

D1c1

0.05

A0

D1b0

0.20

0.05

D1d1

0.05

B0

0.05

D1e1

0.05

B0e1

Dalam pemilihan sampel berstrata, jika unit A0 atau B0 diambil dari strata I, kita dapat
mengambil c1 ,d1 , atau e1 dari strata II agar kedua tipe stratifikasinya sekarang ialah ukuran
sampel 2. Sama halnya, C1 atau D1 (starat I) dengan a0 atau b0 (strata II). Peluang atau
kombinasi yang dinginkan adalah 0,5 x 0,6+ 0,5 X 0,4= 0,5. Pemilihan terkontrol membuat
peluang sampel yang terpilih semaksimal mungkin. Di sini kita menemukan bahwa hanya
sampel yang tidak terpilih adalah C1e1 dan total peluang dari sampel yang terpilih 0,90.
Hal ini dapat dilihat dari contoh di atas bahwa kita memiliki percobaan secara konsep
untuk memilih 2 unit dari 4 strata yang lebih rinci dalam sistem dua stratifikasi. Ini
seharusnya dicatat bahwa pemilihan tidak dibuat bebas (independent), tetapi saling
pj

pi
bergantung (dependent). Jika peluang dari
sebagai berikut

dan

, estimator tak bias dari totalnya adalah

yj
y
Y i
pi p j

(3.15.1)

Varians sampling dari

adalah sebagai berikut:

y 2j
yi y j
y2
V (Y ) i
pij
pi
pj
pi p j
(3.15.2)

Yang berbeda dari pemilihan independent

Latihan Soal

3.1 Suatu populasi dibagi ke dalam

[n1 / n2 ] /[ n'1 / n' 2 ]

merupakan

2 strata berukuran

, dimana

n1 n2

N1

dan

N2

unit. Misalkan

adalah alokasi umum dari total sampel

n'1 n' 2

berukuran n, dan
adalah alokasi optimum untuk perkiraan rata-rata dalam
pemilihan sampel berstrata.
(i) Tunjukkan bahwa ketepatan relative alokasi umum ke alokasi optimum adalah :
RP ( N 1U N 2 ) 2 /(N 1U N 2 )( N 1U N 2 )

Dimana

U S1 / S 2
4 (1 ) 2

(ii) Tunjukkan bahwa ketepatan relative tidak pernah kurang dari

3.2 Buktikan bahwa

VSR V PROP

k
( N n)
1 k
{ N i (Yi Y ) 2 ( N N i )S i2 }
nN ( N 1) i
N i

3.3 Variasi x,, yang bukan bernilai negative mengikuti distribusi eksponensial

e xi dx

x0
Populasinya dibagi ke dalam 2 strata pada titik tertentu

,dan sampel acak berstrata

V ( x st )

berukuran n yang diambil dengan alokasi proporsional. Cari

sebagai suatu fungsi

x0
dari . Cari juga nilai optimum dari

yang akan meminimumkan nilai varians

3.4 Variasi y mengikuti distribusi rectangular dalam interval (a,a+d). Intervalnya dibagi ke
dalam sub interval k stara berukuran sama. Dari tiap strata, sebuah sampel acak dan
sederhana berukuran njk unit diambil. Misal

V1

dan

V2

menjadi varians untuk sampel

berstrata dan sampel bukan berstrata berukuran n, buktikan bahwa

V1 / V2 k 2

3.5 Untuk populasi normal N(0,1), f(y) merupakan ordinat pada y dan w
penimbang antara

y1

dan

y2

. Jika distribusinya memotong pada

bahwa rata-rata M dan varians

M=

{ f ( y1 ) f ( y 2 )} / w

S 2 1

bahwa

dan

y2

, tunjukan

pada perpotongan distribusinya yaitu:

, dan

y1 f ( y1 ) y 2 f ( y 2 ) [ f ( y1 ) f ( y 2 )] 2

w
w2

3.6 Suatu populasi dibagi ke dalam 2 strata berukuran

S1 danS 2

y1

merupakan

N 1 danN 2

. Biaya surveinya tetap dan persamaannya yaitu C=

S1 danS 2

dan standar deviasinya

c1 n1 c 2 n2

. Asumsikan

hampir sama dan fpc nya dapat diabaikan, tunjukan bahwa:

V prop / Vopt N ( N 1c1 N 2 c 2 ) /( N 1 c1 N 2 c 2 ) 2

Jika

N1 N 2

c 2 / c1 1

, hitung ketelitian peningkatan relatif dengan alokasi proporsional ketika

dan 2

3.7 Peneliti ingin mengambil sampel acak berstrata dengan mengikuti asumsi yaitu:

Strata

Ni

Si

Ci
(dalam Rs.)

400

10

600

20

(i) Perkirakan nilai

C=

c1 n1 c 2 n2

n1 / n

dan

n2 / n

yang meminimumkan biaya total

V ( y st )

untuk menyari nilai

(ii) Perkirakan total sampel yang diperlukan , dengan menggunakan alokasi

V ( y st )
Optimum, untuk membuat

=1,ketika fpc diabaikan.

(iii) Perkirakan juga biaya survey

3.8 Setelah sampel pada latihan 3.7 diambil, ditemukan bahwa biaya penelitian sebenarnya
Rs. 2 per unit pada stara 1 dan Rs. 10 pada strata 2.
(i) Berapa besarnya biaya penelitian yang berubah dari nilai yang diharapkan
V ( y st )
(ii) Jika biaya penelitiannya diketahui naik, bagaimana bisa dihasilkan nilai
untuk perkiraan biaya yang telah diberikan pada latihan 3.7

=1

3.9 Untuk memperkirakan rata-rata hasil penangkapan ikan di wilayah tertentu di pesisir
India, sepanjang pesisir dibagi ke dalam dua strata geografi dengan jumlah yang sama
pada pusat penangkaran ikan. Di antara sejumlah besar pusat pada tiap strata, sebuah
sampel acak dan sederhana dari kelima pusat dan juga pada tiap pusat dipilih, keluar
sejumlah unit, 3 unit dipilih dengan pemilihan sampel acak dan sedehana (SRS) untuk
mencatat berat dari hasil penangkapan. Datanya adalah sebagai berikut:

No Pusat

Besarnya penangkapan yang terpilih

(kg)

Strata I

Strata II

610

754

688

297

411

515

1187

92

487

1297

533

1130

860

357

656

1085

956

980

817

736

926

920

616

109

511

328

412

906

990

736

Carilah perkiraan rata-rata hasil penangkapan per unit, untuk di pesisir, beserta standar
error nya. Untuk sejumlah pusat yang terpilih, berapakah selisih optimum di antara 2
strata ketika jumlah dari unit yang terpilih pada pusat adalah 3 dan 4
Buatlah selang kepercayaan selisih jumlah pusat dan optimum yang diperlukan untuk
5%
mengestimasi rata-rata tangkapan dengan

3.10 Sebuah data menunjukkan rata-rata gandum dari suatu sampel acak dan sederhana dari 1
yang diambil 20 dari daerah tertentu:
Ukuran

Luas
lahan (are)

21-50

51-50

151-300

301-

Nomor
lahan

18

26

20

13

8,0,0

49,0,13

20,0,71

72,84,158

0,8,0

10,27,0

24,36,48

92,0,62

0,5,9

27,10,16

30,0,70

69,102,0

0,0,0
0,5,0
0,0,0

23,24,28

59,56,62

78,13,51

4,19,5

17,18,0

92

30,14,23

76,17,0

0,4,22

80,32

0,0,3
13,12
35

386

716

873

Ukuran kelompok 1: 1-5 luas lahan(are); 22 kebun, tanpa gandum

Ukuran kelompok 2: 6-20 luas lahan (are); 25 kebun, gandum seluas 7 are pada salah
satu kebun
Perkirakan total luas tanah gandum di daerah tersebut dan perkirakan juga jumlah
kebun yang ditanami gandum. Berapa standar errornya.

3.11 Suatu survey sampel dilakukan untuk memperkirakan jumlah kebun apel di kawasan
Mahasa di India selama setahun. Empat strata A,B,C,D pada desa, dibagi berdasarkan
luas ukuran kebun buah seperti hasil dari suatu pencatatan. Ukuran strata (dalam are) 03, 3-6, 6-15, dan 15 ke atas pada masing-masing. Sebuah sampel acak dan sederhana
dari tiap strata dipilih, dan jumlah kebun apelnya dicatat pada desa yang terpilih.
Jumlah kebun apel untuk beragam strata adalah:

Strata

Jumlah total

Jumlah desa
yang terpilih

Jumlah kebun pada desa

yang terpilih

275

15

2,5,1,9,6,7,0,4,7,0,5,0,0,3,0

146

10

21,11,7,5,6,19,5,24,30,24

93

12

3,10,4,11,38,11,4,46,4,18,1,1
9

62

11

30,42,20,38,29,22,31,28,66,4
1,15

Perkirakan jumlah kebun di daerah tersebut. Hitung apakah ada keuntungan pada
s i2

stratifikasi, melalui pengambilan sampel acak dan sederhana . Gunakan nilai dari
,
kuadrat rata-rata dalam strata ke i seperti varians, gunakan alokasi optimum pada 48
desa.

3.12. Dalam suatu pilot sampel survey di suatu daerah Wardha ( India), untuk perkiraan total
populasi ternak lembu di desa tersebut, dua cara stratifikasi wilayah berdasarkan tehsils
dan ukuran desa, dan berdasarkan jumlah anggota rumah tangga, telah dilakukan. Total
sampel dari 125 desa dibagikan sama ke dalam 9 strata. Seluruh anggota rumah tangga
di desa tersebut telah dihitung total ternak lembunya. Total ternak lembu dan varians di
antara desa dalam masing-masing strata dapat dilihat pada halaman 78.
Hitung varians sampel untuk perkiraan seluruh total populasi ternak lembu di daerah
tersebut, untuk sampel 60 desa, jika desa dipilih dengan metode:
(i) Simple random sampling tanpa stratifikasi
N i Si
(ii)Simple random sampling dalam tiap strata dan dialokasikan dalam proporsi

Tehsils

Ukuran
jumlah
ART

Strata

Total
desa

Ni
Arvi

Wardha

Jumlah
sampel
desa

ni

Jumlah
ternak
lembu
di
sampel
desa

Varians
antar desa
dalam stata
si2

0-50

127

13

1486

(78,9279)2

51-125

109

14

5085

(126,9128) 2

126

81

14

10141

(339,9322) 2

86

14

1224

(73,0564) 2

0-50

Huigaugh
at

51-125

121

14

4282

(55,2853) 2

126

115

14

11334

(432,2364) 2

123

14

2909

(128,2665) 2

103

14

5753

(101,3872) 2

63

14

10002

(298,5456) 2

928

125

52228

0-50
51-125

126

3.13 Untuk suatu survei sosial ekonomi seluruh desa dalam suatu wilayah, termasuk yang
tidak berpenghuni, dikelompokkan ke dalam 4 strata berdasarkan ketinggian diatas
permukaan lautdn kepadatan populasinya. Dari tiap strata, dipilih 10 desa dengan SRS
WR. Datanya dalam jumlah anggota rumah tangga pada tiap sampel desa adalah:

Strat
a

Total
jumlah

Total jumlah ART pada sampel desa

desa

10

1411

43

84

98

10

44

4705

50

62

87

84

2558

228

14
7

25

34

36

17
8

33
4

5
6

17

13
9

10
4

14997

23
2

17
0

11
0

15
8

1
3

12
4

25

6
3

26
2
34

16
0
22
0
31

1
5
(i) hitung perkiraan total jumlah ART dengan standar errornya
(ii) perkirakan keuntungan menggunakan stratifikasi dibandingkan dengan tanpa
stratifikasi SRS WR
(iii) Bandingkan RE alokasinya dengan alokasi optimum, anggap ukuran total sampel
tetap

3.14 Dengan menggunakan data di bawah ini dan mempertimbangkan bahwa ukuran kelas
seperti strata itu membandingkan efisiensi alokasi alternatif suatu sampel dari 3000
pabrik untuk mengestimasi total hasil produksi. Sampelnya dipilih dengan SR WOR
dalam tiap strata:
(i) alokasi proporsional
(ii) alokasi proporsional untuk total hasil produksi
(iii) alokasi optimum

No Strata Ukuran kelas

jml pekerja

Jumlah
pabrik

Hasil produksi
tiap pabrik

Std deviasi

(dalam 000Rs)

(dalam
000Rs)

1-49

18260

100

80

50-99

4315

250

200

100-249

2233

500

600

250-999

1057

1760

1900

567

2250

2500

1000

3.15 Suatu survey dilakukan untuk mengestimasi jumlah total angka melek huruf di sebuah
kota yang dihuni oleh 3 komunitas, beberapa eberapa keterangan diberikan di bawah
ini dari hasil survey:

Komunitas

Total jumlah orang

Persentasi melek huruf

60000

40

10000

80

30000

60

(i) Anggap komunitas sebagai strata dan asumsikan SRS WR pada tiap strata,
alokasikan ukuran total sampel dari 2000 orang dengan cara optimum
untuk
memperkirakan seluruh proporsi dari melek huruf di kota tersebut
(ii) Perkirakan RE stratifikasi terhadap unstratified sampling

Referensi

Avadhani, M.S. and BV.Sukhatme,Controlled sampling with equal probabilities

And without replacement,Int.Statist.Rev,41,175-183,(1973).
Ayoma, H.,A study of a stratified random sampling. Ann.Ist.Statist.Math.,6,
1-36, (1954).
Bowley, A.L.,Measurement oprecision attained in sampling, Bull.Inter.Statist.
Inst.,22,1-62,(1926).
Bryant, E.C.,An Analysis of some two-way stratifications Ph.D.Thesis.Iowa.
State University, Iowa (1955).
Bryant, E.C,H.O. Hartley and R.J. Jessen, Design and estimation in two-way
Stratification, J. Amer.Statist.Assoc.,55,105-124,(1960).
Cochran, W.G.,Comparison of methods for determining stratum boundaries,
Bull.Int.Statist.Inst.,38,345-358,(1961).
Dalenius, T., The problem of optimum stratification, I.Skand.Akt.,33,203213,(1950).
The problem of optimum stratification in a special type of design,
Skand.Akt.,35,61-70,(1952).
Multivariate sampling problem, Skand.Akt.,36,92-122,(1953).
and M.Gurney,The problem of optimum stratification II, Skand. Akt.,

34,133-148,(1951).
and J.L.Hodges,The choice of stratification points, Skand.Akt., 40, 198203, (1957).
Minimum variance stratification, J.Amer.Assoc.,54, 88-101,(1959)
Durbin, J.,Review of the book sampling in Sweeden, J.R. Statist.Soc. 122,
246-248,(1959).
Ekman, G.,An approximation useful in univariate stratification, Ann.Math.
.Statist,30,219-229,(1959).
Fuller.W.A.,Sampling with random stratum boundaries, J.R.Statist.Soc.
B 32,209-206,(1970).
Goodman,R. and I. Kish, Controlled selection-a technique in probability
Sampling, J. Amer.Statist .Assoc.,45,350-372,(1950).
Hagood,M,j. and E.H Bernett,Component indeesx as a basis for stratification in
sampling, J.Amer.Statist. Assoc.,40,330-341,(1945).
Hansen, M.H.,W.N. Hurwitz and W.G. Madow, Sample surveys: Methods and
Theory, John Wiley and Sons, New York, (1953).
Harley, H.O.,J.N.K.Rao and G. Kiefer, Variance estimation with one unit per
Stratum, J.Amer.Statist.Assoc.,64,841-851,(1969).
Hess.I.,V.K.Sethi and T.R.Balakrishnan,Startification-a Practical investigation,
J.Amer.statist. Assoc.,61,74-90,(1966).
Hess.I.,D.C. Rield and T.B.Fitpatrick, Probability Sampling of Hospital and
Patients, iUniversity of Michigan, Ann.Arbor,(1961).
Mahalanobis,P.C.,Some aspects of the design of sample surveys, Sankhye,12,17,(1952).
Neyman,J., On the two different aspects of the representative method,
J.R.Statist.Soc.,97,558-606,(1934).
Sethi,V.K.,A note on optimum stratification for estimating of population means,

Aust.J.Statist.,5,20-33,(1963).
Singh,Ravindra. Some contributins to the theory of construction of strata,Ph.D
Thesis,I.A/S.R.I.,New Delhi,(1967).
Stephan,F.F,. The expected value and variance of the reciprocal and other
negative power of a positive Bernoulli variate, Ann.Math.Statist.,16,5061,(1945).
Stuart,A..A simple presentation of optimum sampling results, J.R.statit
.Soc.,B 16,239-241,(1959).
Tschuprow,A.A., On the mathematical expectation of the moment of frequency
distribution in the case of correlated observation, Metron, 2,461-493, 646683, (1923).
Williams, S.H.,On the variance of an estimator with post stratification , J.
Amer. Statist.Assoc.,57,622-627,(1962).