BAB IX.

PENARIKAN SAMPEL BERTAHAP

(Multi-Stage Sampling)

9.1. Pendahuluan
Penarikan sampel bertahap sebenarnya tidak jauh berbeda dengan penarikan
sampel satu tahap (single stage sampling), hanya saja ada perluasan dalam
penarikan sampelnya. Secara sederhana dalam penarikan sampel satu tahap,
penarikan sampel langsung pada unit-unit yang terdaftar pada kerangka sampel.
Penerapan penarikan sampel berthap didasarkan pada pertimbangan-
pertimbangan yang rasional yang meliputi :
a. Tidak tersedianya kerangka sampel yang memuat unit-unit sampel yang
terkecil (ultimate sampling unit);
b. Untuk membangun kerangka sampel yang memuat unit-unit sampel yang
terkecil memerlukan biaya, tenaga, dan waktu yang besar;
c. Dengan menerapkan penarikan sampel bertahap, maka pengawasan
lapangan lebih dapat ditingkatkan sehingga non sampling error dapat
ditekan;
d. Ditinjau dari segi biaya, penarikan sampel bertahap jauh lebih efisien
dibandingkan penarikan sampel acak sederhana.
Dalam bagian ini akan disajikan struktur penarikan sampel dua tahap, estimasi
total berikut variansnya dalam berbagai kombinasi metode penarikan sampel.

9.2. Total dan rata-rata populasi

Misalkan banyaknya unit yang dapat dijadikan dasar untuk penarikan sampel
tahap pertama – pstp (first stages sampling unit – fsu) adalah N, dan banyaknya
unit yang dapat dijadikan dasar penarikan sampel tahap kedua – pstd
(secondary sampling unit – ssu) pada setiap unit penarikan sampel tahap
pertama yang ke-i adalah Mi.
Bila Yij menyatakan nilai karakteristik Y pada unit pstd ke-j dalam unit pstp ke-i,
maka nilai total dan rata-rata dapat dinyatakan sebagai berikut:

a. Total nilai karakteristik Y pada pstp ke-i adalah:

Mi
Yi = ∑ yij
j =1

74
 b. Rata-rata nilai karakteristik pstp ke-i adalah:
Yi
Yi =
Mi
c. Total nilai karakteristik dalam populasi adalah:
N Mi N N
Yi = ∑ ∑ y ij = ∑Yi = ∑ M i Yi
i =1 j =1 i =1 i =1

d. Rata-rata nilai karakteristik per unit pstp dalam populasi:

N
Y 1
Y = =
N N
∑M Yi =1
i i

e. Rata-rata nilai karakteristik per unit pstd

N N
Y Y
Y= = N
= ∑ M i Yi ∑M i
Mo
∑ Mi
i =1
i =1 i =1

9.3. Struktur penarikan sampel dua tahap, kedua tahap acak sederhana
Dari N unit pstp dipilih n unit, dan dari Mi unit pstp pada setiap ke-i dipilih
sebanyak mi unit. Penarikan sampel pada kedua tahap menerapkan metode
penarikan sampel acak sederhana tanpa pemulihan. Banyaknya sampel pada
pstd adalah m1+m2+…+mn. Misalkan yij adalah nilai karakteristik Y pada unit pstd
ke-j dan pstp ke-i yang terpilih (j=1,2,…,mi) dan (i=1,2,3,…,n). Secara skematis
penarikan sampel acak sederhana dua tahap dapat disajikan pada Gambar 9.1.

1 2 3 4 5 6 7

8 9 10 11 12

Keterangan:
: Unit pstp terpilih : Unit pstd terpilih

Gambar 9.1. Penyajian Secara Skematik

Penarikan Sampel Acak Klaster Dua Tahap

75
 (N=12, n=4 , m1=3, m2=2, m3=5, m4=3)

9.4. Pendugaan Parameter Populasi dari Sampel

a. Penarikan sampel dua tahap dengan metode PSAS dengan
pemulihan
Rancangan penarikan sampel yang digunakan adalah rancangan penarikan
sampel 2 tahap, dengan tahapan sebagai berikut :
• Tahap pertama, dari N unit sampling tahap pertama dipilih n unit
dengan menerapkan metode PSAS dengan pemulihan,
• Tahap kedua, misalkan pada setiap unit pstp yang terpilih memuat Mi
unit pstd, selanjutnya dipilih mi unit dengan menerapkan metode PSAS
dengan pemulihan.
Dari uraian rancangan penarikan sampel yang direncanakan dapat
ditentukan peluang, dan fraksi sampling pada setiap tahap penarikan sampel
seperti tercantum pada Tabel 9.1.
Tabel 9.1. Penarikan sampel dua tahap dengan metode PSAS
dengan pemulihan

Banyaknya unit di dalam Metode Peluang

Fraksi
Tahap penarikan pemilihan
sampling
Populasi Sampel sampel sampel
1 n
Pertama N n PSAS-DP
N N
1 mi
Kedua Mi mi PSAS-DP
Mi Mi

Dengan demikian selanjutnya dapat ditentukan besarnya faktor pengali

(inflation factor) pada masing-masing tahapan penarikan sampel yang
merupakan kebalikan dari fraksi sampling dan factor pengali-pengalinya
(overall inflation factor) adalah:
1 N
a. Faktor pengali penarikan sampel tahap pertama, F1 = =
f1 n

1 M
b. Faktor pengali penarikan sampel tahap kedua, F2i = = i
f 2i mi

76
 c. Faktor pengali keseluruhan, F = F1 .F2i yang berbeda antar
pstp, kecuali bila F2i = F2 konstan, maka F = F1.F2 merupakan desain
tertimbang sendiri (self-weighting design).

Misal yij menyatakan nilai karkteristik Y pada pengamatan ke-j dalam unit
pstp ke-i, maka rumus umum estimasi yang tak bias bagi total adalah
Yˆ = ∑F .F
sampel
1 2i y ij = ∑wij y ij
i, j

N Mi
dengan wij = F1 .F2i =
n mi
Ambil wij dan diletakkan pada rumus umum, maka akan diperoleh estimasi
bagi total karakteristik Y berdasarkan nilai-nilai sampel, yaitu :
mi
N n
Mi
Yˆ =
n
∑
i =1 mi
∑y
j =1
ij

N n
=
n
∑M
i =1
i yi

dan varians penarikan sampel bagi Ŷ adalah

N 2M 2 2 N n
M i2 2
V (Yˆ ) =
n
Sb +
n
∑
i =1 mi
Si

2Mi 2

dengan S =2
b
1 N
∑ i. N
N − 1 i =1
( Y − Y ) dan S i
2
=
1
∑ Yij − Yi ( )
M i − 1 i =1

M0 1 N
N −n M i − mi
M =
N
=
N
∑M
i =1
i ;
N
≈1 ;
Mi
≈1

S b2 dan S i2 masing-masing adalah varians antar unit penarikan sampel tahap

pertama dan varians di dalam unit penarikan sampel tahap kedua pada unit
penarikan sampel tahap pertama ke-i.
Dalam penarikan sample sampel dengan pemulihan, penduga tak bias bagi
total karakteristik Y dapat didekati melalui estimasi yang diperoleh dari
masing-masing unit penarikan sampel tahap pertama ke-i adalah
mi
NM i
Yˆi =
mi
∑yj =1
ij , dalam hal ini n=1.

77
Jadi ada sebanyak n estimasi dari setiap pstp. Dengan demikian penduga tak
bias bagi varians Yˆ adalah

( )
n
1
∑
2
v(Yˆ ) = Vˆ (Yˆ ) = Yˆi − Yˆ
n ( n − 1) i =1

N n
M i mi 1 n ˆ
Yˆ =
n
∑ ∑ ij n ∑
i =1 mi j =1
y =
i =1
Yi

Apabila penarikan sample tanpa pemulihan maka setiap pstp tidak

merupakan estimasi yang bebas satu sama lain. Varians harus dihitung
melalui pstp dan pstd.
s2 N n
s i2
v(Yˆ ) = N 2 M ' 2 b +
n n
∑ M 'i2
i =1 mi
n
1
s b2 =
M ' (n − 1)
2 ∑( y
i =1
i. − y'n ) 2

∑M i yi.
y 'n = i =1
n

∑M
i =i
i

1
s i2 =
( mi − 1)
∑( yj =1
ij − yi. ) 2

1 n
Rumus klaster yang kedua M ' = ∑M i
n i =1
Dalam suatu survei dengan skala besar biasanya perkiraan varians didekati
dengan penghitungan dengan pemulihan.

b. Penarikan sampel dua tahap dengan metode penarikan sampel

sebanding ukuran unit (probability proportional to size – pps) dan metode
PSAS dengan pemulihan
Rancangan penarikan sampel yang direncanakan adalah penarikan sampel
dua tahap, dengan tahapan sebagai berikut :
• Tahap pertama, dari N unit penarikan sampel tahap pertama dipilih n
unit dengan menerapkan metode penarikan sampel sebanding terhadap
ukuran unit xi dengan pemulihan. Nilai-nilai xi untuk seluruh unit untuk

78
 penarikan sampel tahap pertama harus tesedia sehingga dapat dihitung

N
X = ∑ xi
i =1

• Tahap kedua, misalkan pada setiap unit pstp yang terpilih memuat Mi
unit pstd, selanjutnya dipilih mi unit dengan menerapkan metode PSAS
dengan pemulihan.
Dari uraian rancangan penrikan sampel yang direncanakan dapat ditentukan
peluang, dan fraksi sampling pada setip tahap pemilihan sampel seperti
tercantum pda Tabel 9.2.

Tabel 9.2. Rencana penarikan sampel 2 tahap dengan metode pps

dan PSAS dengan pemulihan

Metode Peluang
Banyaknya unit di dalam Fraksi
Tahap penarikan pemilihan
Populasi Sampel sampling
sampel sampel
xi xi
Pertama N n pps-dp n
X X
1 mi
Kedua Mi mi psas-dp
Mi Mi

Penduga tak bias bagi total karakteristik Y yang hanya didasarkan pada unit
penarikan sampel tahap pertama ke-i adalah
mi mi
1 Mi X Mi
Yˆi =
p i mi
∑ yij =
j =1 x i mi
∑y
j =1
ij

Penduga tak bias bagi total populasi Yˆ dari seluruh unit penarikan sampel

tahap pertama n adalah merupakan rata-rata sederhana dari Yˆi , yaitu

1 n
Yˆ = ∑Yˆi
n i =1
Dengan demikian penduga tak bias bagi varians Yˆ adalah

( )
n
1
∑
2
Vˆ (Yˆ ) = Yˆi − Yˆ
n ( n −1) i =1

79
9.5. Penentuan ukuran sampel
Secara umum tujuan daripada penarikan sampel adalah untuk menduga
parameter-parameter populasi dengan presisi yang ditentukan pada biaya yang
minimum. Presisi dalam hal ini biasanya diungkapkan dengan varians daripada
statistik yang dihasilkan. Semakin rendah varians yang diharapkan, maka
semakin tinggi biaya yang harus disiapkan. Fungsi biaya yang sederhana dalam
kaitannya dengan rancangan penarikan sampel dua tahap dapat dinyatakan
sebagai persamaan sebagai berikut :
n
C = c1 n + c 2 ∑ mi atau C = c1 n + c 2 n m
i =1

Biaya tetap (C0) seperti biaya penentuan desain, analisis dan sebagainya yang
tidak dipengaruhi besarnya sampel tidak dimasukkan dalam hitungan.
Ukuran sampel optimum dengan kendala varians minimum (diusahakan sekecil
mungkin dengan biaya telah ditentukan) adalah sebagai sebagai berikut :

V2 c1 C V1
m0 = dan c1 ; C:ditentukan
V1 c 2 n0 =
V1 c1 + V2 c 2
dengan :
V1 = N 2 S b2 , bila pstp menerapkan metode PSAS
N
Yi 2
=∑ − Y 2 , bila pstp menerapkan metode penarikan sampel pps
i =1 π i

N N
N
V2 = ∑ M i2 S i2 = ∑M i
2
S i2 mi , bila pstd menerapkan metode PSAS
i =1 n i =1

N
1  M i Yij2 
=∑ ∑ − Yi 2  , bila pstd menerapkan metode penarikan sampel pps
i =1 π i
 j =1 π ij 
 
V1 V
dan V = + 2
n n m0
Bila varians (tingkat presisi), misalnya v telah ditetapkan, maka ukuran sampel
tahap pertama yang optimum adalah

V1 c1 + V2 c 2
m0 =
V2 c1 n0 =
dan
V1c 2 V c1
V1

80
 Ukuran sampel tahap kedua yang optimum dapat juga dinyatakan dalam
kaitannya dengan intra-class correlation ρ (rho), yaitu :

c1 1 − ρ 
m0 =  
c2  ρ 
Penarikan Sampel Dua Tahap dalam Rancangan Penarikan Sampel Berstrata
Struktur penarikan sampel
Rancangan penarikan sampel bertahap dapat juga dilaksanakan dibawah
rancangan penarikan sampel berstrata. Oleh sebab itu, sebelum penarikan
sampel dilaksanakan, unit-unit penarikan sampel tahap pertama - upstp
(primary sampling unit – psu) terlebih dahulu dikelompokkan berdasarkan
kemiripan karakteristik yang dimilikinya. Variabel yang digunakan untuk dasar
pembentukan strata dapat berupa variabel kuantitatif maupun variabel
kategorik.
Misalkan suatu populasi dibagi habis menjadi L strata, Nh menyatakan

L
banyaknya upstp dalam strata ke-h dan N = ∑ N h adalah banyaknya upstp
h =1

pada seluruh strata, banyaknya upstd pada upstp ke-i dalam strata ke-h

L Mh
dinyatakan sebagai Mhi, dan ∑∑ M
h =1 i
hi menyatakan banyaknya unit

penarikan sampel tahap kedua (secondary sampling unit – upstd) pada seluruh
strata. Misalkan nh adalah banyaknya sampel upstp yang ditarik dari strata ke-
h, dan mhi menyatakan banyaknya sampel upstd yang ditarik dari upstp ke-i
strata ke-h.
Secara skematis struktur penarikan sampel dua tahap dalam rancangan
penarikan sampel berstrata seperti tercantum pada Gambar 9.2.

Gambar 9.2 : Skema kerangka sampel penarikan sampel dua tahap

dalam rancangan penarikan sampel berstrata

81
 Strata 1 (N1= 4) Strata 2 (N2 = 3) Strata 3 (N3 = 2)

Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο
Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο
Ο Ο Ο Ο Ο Ο Ο Ο Ο
Ο Ο Ο Ο Ο Ο Ο
Ο Ο Ο Ο Ο Ο Ο Ο
Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο Ο

Keterangan : kotak bergaris tipis adalah upstp, lambang Ο adalah merupakan upstd

Estimasi total populasi

i. Penarikan sampel tahap pertama dan kedua acak sederhana dengan
pemulihan
Estimator tak bias bagi total karakteristik Y dalam strata dinyatakan sebagai
Yh, yhij menyatakan nilai karakteristik Y pada upstd ke-j dalam upstp ke-i
strata ke-h (h = 1, 2, 3, …L; i =1, 2, 3,…nh dan j = 1, 2, 3, …mhi). Penarikan
sampel tahap pertama pada setiap strata menerapkan metode penarikan
sampel acak sederhana dengan pemulihan, yaitu dari Nh unit dipilih sebanyak
nh unit, demikian juga penarikan sampel pada tahap kedua dari Mhi upstd
dipilih mhi unit dengan menerapkan penarikan sampel acak sederhana
dengan pemulihan. Jumlah sampel pada penarikan sampel tahap pertama

L L nh
dan kedua masing-masing adalah n = ∑ n h dan m = ∑∑ mhi .
h =1 h =1 i =1

Tabel 9.3: Rencana Penarikan Sampel Acak Berstrata Dua Tahap.

Banyaknya unit dalam Fraksi

Tahap
strata h sampel

82
 Metode Peluang
Universum Sampel pemilihan pemilihan
sampel sampel
1 nh
1 Nh nh psas-p
Nh Nh
1 m hi
2 Mhi mhi psas-p
M hi M hi

Dugaan tak bias bagi total karakteristik Y strata ke-h adalah

nh
N M hi mhi
Yˆh = h
nh
∑ ∑ y hij
i =1 m hi j =1

Untuk seluruh strata, estimasi total tak bias adalah merupakan penjumlahan
dari seluruh estimasi total dari masing-masing strata, yakni
nh mhi
N L
M
Yˆst = ∑ h ∑ hi ∑ y hij
h =1 n h i =1 m hi j =1

dan estimasi variansnya adalah

( )
L nh
1
v (Yˆ ) = ∑ ∑
2
Yˆhi − Yˆh
h =1 n h ( n h − 1) i =1

mhi
M hi
dengan Yˆhi = N h
m hi
∑y
j =1
hij

Bila total ukuran sampel tahap pertama (n) dialokasikan sebanding terhadap
ukuran strata (Nh), dan fraksi sampling pada penarikan sampel tahap kedua
sama, yaitu sebesar k untuk seluruh unit penarikan sampel tahap pertama, maka
akan diperoleh estimator yang tertimbang secara otomatis (self-weighting
estimator). Ukuran sampel pada penarikan sampel tahap kedua akan bervariasi
sebanding terhadap ukuran populasi pada setiap unit penarikan sampel tahap
pertama yang terpilih. Suatu rancangan penarikan sampel yang menghasilkan
estimator yang tertimbang secara otomatis disebut sebagai rancangan penarikan
sampel tertimbang otomatis (self-weighting design)
Ukuran sampel pada penarikan sampel tahap pertama untuk masing-masing
strata adalah
Nh
nh = n
N

83
sedangkan ukuran sampel pada penarikan sampel tahap kedua untuk masing-
masing unit penarikan sampel tahap pertama yang terpilih adalah
m hi
m hi = k M hi atau k =
M hi
Dengan demikian, maka estimator tak bias bagi total karakteristik Y adalah

N L nh mhi
Yˆ = ∑∑∑ y hij
kn h =1 i =1 j =1
dan estimasi variansnya

( )
L nh
1
v (Yˆ ) = ∑ ∑ Yˆhi − Yˆh
2

h =1 n h ( n h − 1) i =1

mhi
Nh N nh mhi
dengan Yˆhi =
k
∑
j =1
y hij dan Yˆ
h = ∑∑ y hij
k n i =1 j =1
Penerapan rancangan penarikan sampel tertimbang otomatis memang
menguntungkan bila ditinjau dari aspek pengolahan data (tabulasi), tetapi ditinjau
dari aspek lapangan kurang praktis terlebih bila populasi penarikan sampel tahap
kedua diperoleh langsung di lapangan.
ii. Tahap pertama menerapkan metode penarikan sampel berpeluang
sebanding terhadap ukuran dan tahap kedua acak sederhana
Estimator tak bias bagi total karakteristik Y dalam strata dinyatakan sebagai
Yh, dan yhij menyatakan nilai karakteristik Y pada upstd ke-j dalam upstp ke-i
strata ke-h (h = 1, 2, 3, …L; i =1, 2, 3,…nh dan j = 1, 2, 3, …mhi). Penarikan
sampel tahap pertama pada setiap strata menerapkan metode penarikan sampel
berpeluang sebanding terhadap ukuran zi, yaitu dari Nh unit dipilih sebanyak nh
unit, sedangkan penarikan sampel pada tahap kedua dari Mhi unit dipilih mhi unit
dengan menerapkan penarikan sampel acak sederhana dengan pemulihan.

Tabel 9.4 : Penarikan Sampel Acak Berlapis Dua Tahap

psps-p dan psas-p.

84
 Banyaknya unit dalam Metode Peluang
Fraksi
Tahap strata h pemilihan pemilihan
sampel
Populasi Sampel sampel sampel
z hi n h z hi
1 Nh nh psps-p
Zh Zh
1 m hi
2 Mhi mhi psas-p
M hi M hi

Dugaan total tak bias bagi karakteristik Y strata ke-h adalah

nh
Z M hi mhi
Yˆh = h
nh
∑ ∑ y hij
i =1 z hi m hi j =1

Untuk seluruh strata, penduga total tak bias adalah merupakan penjumlahan dari
seluruh penduga total dari masing-masing strata, yakni
L
Z h nh M hi mhi
Yst = ∑ ∑
ˆ ∑ y hij
h =1 n h i =1 z hi m hi j =1

dan estimasi variansnya adalah

( )
L nh
1
v (Yˆ ) = ∑ ∑
2
Yˆhi − Yˆh
h =1 n h ( n h − 1) i =1

mhi
Z h M hi
dengan Yˆhi =
n h z hi mhi
∑y
j =1
hij

Penduga rasio total dari dua variabel

Misalkan selain variabel Y, variabel X juga merupakan variabel yang diteliti, xhij
menyatakan nilai variabel X pada upstd ke-j pada upstp ke-i strata ke-h.
Penduga tak bias bagi total yang diperoleh dari upstp ke-i strata ke-h adalah
mi
M
Xˆ hi = N h hi
mhi
∑x
j =1
ij

Penduga total bagi variabel X dari seluruh n upstp adalah

mi
L
N M n
Xˆ = ∑ h ∑ hi ∑ xij
h =1 n h i =1 m hi j =1

85
Penduga varians bagi total Xh dan Yh seperti yang tercantum pada anak bab
sebelumnya. Penduga yang bias tetapi konsisten bagi rasio dari dua nilai total

Yh
pada strata ke-h Rh = adalah merupakan rasio dari Yˆh dan X̂ h , yaitu :
Xh

Yˆ
Rˆ h = h
Xˆ h

dan penduga varians bagi R̂h adalah

v( Rˆ h ) =
1
Xˆ h
2
[
v(Yˆh ) + Rˆ h v( Xˆ h ) − 2 Rˆ h cov( Xˆ h , Yˆh )
2
]
( )( )
nh
1
dengan cov( Xˆ h , Yˆh ) = ∑
nh (n h − 1) i =1
Xˆ hi − Xˆ h Yˆhi − Yˆh adalah merupakan

penduga tak bias bagi kovarians bagi Yˆh dan X̂ h

Dengan demikian, maka penduga varians yang berbias bias tetapi konsisten
bagi R adalah merupakan penjumlahan dari varians pada masing-masing
strata, yaitu :

[ ]
L L
1
v ( Rˆ ) = ∑v ( Rˆ h ) =∑ v (Yˆh ) + Rˆ h v ( Xˆ h ) − 2 Rˆ h cov( Xˆ h , Yˆh )
2

h =1 h =1
ˆ
X 2
h

86
LAMPIRAN

87