Cluster sampling

Cluster sampling adalah teknik memilih sebuah sampel dari kelompok-kelompok unit yang kecil.
Sesuai dengan namanya, penarikan sampel ini didasarkan pada gugus atau cluster. Teknik cluster
sampling digunakan jika catatan lengkap tentang semua anggota populasi tidak diperoleh serta
keterbatasan biaya dan populasi geografis elemen-elemen populasi berjauhan. Metode One-Stage
Cluster Sampling membagi populasi menjadi kelompok atau kluster. Beberapa kluster kemudian
dipilih secara acak sebagai wakil dari populasi, kemudian seluruh elemen dalam cluster terpilih
dijadikan sebagai sampel penelitian. Sedangkan metode Two-Stage Cluster Sampling merupakan
pengembangan dari metode kluster sampling dimana pengambilan sampel dilakukan secara dua
tahap, yaitu tahap pertama, memilih beberapa kluster dalam populasi secara acak sebagai sampel
dan tahap kedua memilih elemen dari tiap kluster terpilih secara acak.

Kelebihan dari metode cluster sampling yaitu tidak diperlukannya kerangka sampel yang berisi
daftar semua anggota populasi, tetapi cukup dengan daftar anggota dari cluster saja. Akan tetapi,
derajat efisiensi ditinjau dari segi peluang membuat error, akan lebih banyak pada cluster
sampling dibandingkan dengan 2 metode stratified random sampling. Dalam cluster sampling,
unit sampling yang terpilih adakalanya berdekatan, sehingga informasi yang diberikan tidak
cukup representatif dibandingkan dengan informasi dari unit elementer yang cukup berpencar
pada stratified random sampling. Penggunaan metode cluster sampling lebih ditekankan pada
keterbatasan biaya dan letak geografis populasi yang berjauhan serta tidak tersedianya kerangka
sampel. Sehingga metode cluster adalah alternatif penarikan sampel yang mungkin dilakukan.

Rancangan sampling yang efisien adalah rancangan sampling yang dapat menghemat waktu,
tenaga dan biaya tanpa mengurangi keakuratan data dan informasi yang diperoleh benar-benar
menggambarkan karakteristik populasi dengan baik. Tujuan utama dilakukannya suatu sampling
adalah untuk memperoleh data observasi yang berisi informasi mengenai karakteristik populasi
(parameter) yang akan diteliti. Sehingga mendorong peneliti untuk mengkaji relatif bias dari dua
metode yaitu one-stage cluster sampling dan two-stage cluster sampling. Salah satu cara
memperoleh data yang representatif adalah dengan pengambilan secara acak.
Cluster sampling atau sampling area digunakan jika sumber data atau populasi sangat luas
misalnya penduduk suatu provinsi, kabupaten, atau karyawan perusahaan yang tersebar di
seluruh provinsi. Untuk menentukan mana yang dijadikan sampelnya, maka wilayah populasi
terlebih dahulu ditetapkan secara random, dan menentukan jumlah sample yang digunakan pada
masing-masing daerah tersebut dengan menggunakan teknik proporsional stratified random
sampling mengingat jumlahnya yang bisa saja berbeda.

Contoh:

Peneliti ingin mengetahui tingkat efektivitas proses belajar mengajar di tingkat SMA. Populasi
penelitian adalah siswa SMA seluruh Indonesia. Karena jumlahnya sangat banyak dan terbagi
dalam berbagai provinsi, maka penentuan sampelnya dilakukan dalam tahapan sebagai berikut :

1. Menentukan sample daerah. Misalnya ditentukan secara acak 10 Provinsi yang akan
dijadikan daerah sampel.

2. Mengambil sampel SMA di tingkat Provinsi secara acak yang selanjutnya disebut sampel
provinsi. Karena provinsi terdiri dari Kabupaten/Kota, maka diambil secara acak SMA tingkat
Kabupaten yang akan ditetapkan sebagai sampel (disebut Kabupaten Sampel), dan seterusnya,
sampai tingkat kelurahan / Desa yang akan dijadikan sampel. Setelah digabungkan, maka
keseluruhan SMA yang dijadikan sampel ini diharapkan akan menggambarkan keseluruhan
populasi secara keseluruhan.

Teknik ini disebut juga cluster random sampling. Menurut Margono (2004: 127),
teknik ini digunakan bilamana populasi tidak terdiri dari individu-individu, melainkan
terdiri dari kelompok-kelompok individu atau Populasi homogen Sampel yang
representatif Diambil secara random cluster. Teknik sampling daerah digunakan
untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat
luas, misalnya penduduk dari suatu negara, propinsi atau kabupaten. Untuk
menentukan penduduk mana yang akan dijadikan sumber data, maka pengambilan
sampelnya berdasarkan daerah populasi yang telah ditetapkan. Sugiyono (2001:
59) memberikan contoh, di Indonesia terdapat 27 propinsi, dan sampelnya akan
menggunakan 10 propinsi, maka pengambilan 10 propinsi itu dilakukan secara
random. Tetapi perlu diingat, karena propinsi-propinsi di Indonesia itu berstrata
maka pengambilan sampelnya perlu menggunakan stratified random sampling.
Contoh lainnya dikemukakan oleh Margono (2004: 127). Ia mencotohkan bila
penelitian dilakukan terhadap populai pelajar SMU di suatu kota. Untuk random
tidak dilakukan langsung pada semua pelajarpelajar, tetapi pada sekolah/kelas
sebagai kelompok atau cluster. Teknik sampling daerah ini sering digunakan melalui
dua tahap, yaitu tahap pertama menentukan sampel daerah, dan tahap berikutnya
menentukan orang-orang yang ada pada daerah itu secara sampling juga. Teknik ini
dapat digambarkan di bawah ini.

Gambar Teknik Cluster Random Sampling