BAB I

PENDAHULUAN

1.1 Latar Belakang

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.
Cluster Sampling ada dua macam, yaitu One Stage Cluster Sampling dan Two
Stage Sampling Cluster Sampling. One stage cluster sampling dimana populasi dibagi
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 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 (Scheaffer, Mendenhall dan Ott., 1996).

1.2 Rumusan Masalah

1. Apa pengertian Cluster Sampling ?
2. Apa macam-macam Cluster Sampling ?

1.3 Tujuan
1. Untuk mengetahui pengertian cluster sampling
2. Untuk mengetahui macam-macam cluster sampling
 BAB II
LANDASAN TEORI

2.1 Pengertian Cluster Sampling

Sampling Kelompok atau Cluster Sampling adalah pengambilan sampel
dari beberapa unit sampling yang merupakan kelompok dari elemen (Scheaffer,
Mendenhall dan Ott., 1996). Langkah paling awal dalam penarikan sampel
cluster yang harus dilakukan oleh peneliti adalah mengidentifikasi cluster atau
satuan dimana individu menjadi anggota dalam cluster. Semua cluster yang ada
dalam populasi harus bisa diidentifikasi. Setelah cluster diambil, disusun
kerangka sampel berupa daftar nama individu yang menjadi anggota cluster
terpilih. Setelah daftar itu bisa disusun, barulah dilakukan penarikan sampel
seperti pada sampel acak sederhana, sistematis atau stratifikasi

2.2 Macam-macam Cluster Sampling

A. One-Stage Cluster Sampling

1. Pengertian
One-Stage Cluster Sampling dilakukan dengan didasarkan pada
gugus (cluster). Asumsinya, individu adalah bagian dari gugus atau cluster
tertentu, kerangka sampel berupa daftar nama individu memang tidak
tersedia, tetapi daftar kelompok (gugus) itu pastilah tersedia. Teknik ini
dapat dilakukan jika tidak tersedianya kerangka sampel berupa nama-nama
individu anggota populasi dan kalaupun kerangka sampel itu tersedia masih
diragukan akurasinya

2. Contoh Kasus
Sebuah survei mengenai kualitas pelayanan terbaik Rumah Sakit di
Kota Malang. Misal terdapat 15 rumah sakit di kota Malang. Diantara 10
rumah sakit yang terpilih menjadi rumah akit dengan kualitas pelayanan
terbaik.
3. Ilustrasi
Suatu populasi memiliki 12 cluster (N=12). Dari 12 cluster tersebut, dipilih
secara acak 2 cluster untuk diamati.

Misal cluster yang terpilih adalah 2 dan 11, maka cluster terpilih dijadikan
sebagai sampel penelitian

4. Formula
Estimasi bagi rata-rata populasi

∑𝑛𝑖=1 𝑦𝑖
𝑦̅ = 𝑛
∑𝑖=1 𝑚𝑖

Notasi:

𝑚𝑖

𝑦𝑖 = ∑ 𝑦𝑖𝑗
𝑖=1

mi = banyaknya elemen dalam kelompok i, dimana i = 1,2,3, … , N

Penduga varians one stage cluster

𝑁−𝑛
𝑣̂ (𝑦̅𝑜𝑛𝑒 ) = ( ) 𝑆2
𝑁𝑛𝑀̅ 2

∑𝑛 ̅ 𝑚𝑖)2
𝑖=1(𝑦𝑖−𝑦
Dengan 𝑆 2 = 𝑛−1

Notasi N= jumlah cluster

n= jumlah cluster terpilih
𝑚𝑖 = 𝑀𝑖= jumlah elemen/unit sampel cluster terpilih ke-i
B. Two-stage Cluster sampling
1. Pengertian
Two-Stage Cluster Sampling merupakan pengembangan dari metode
cluster sampling dimana pengambilan sampel dilakukan secara dua tahap,
yaitu tahap pertama, memilih beberapa cluster dalam populasi secara acak
sebagai sampel dan tahap kedua memilih elemen dari tiap cluster terpilih
secara acak (Scheafer et.al., 1996).
Persoalan yang dihadapi di dalam memilih sampel Two-stage Cluster
sampling ialah memilih kelompok yang tepat. Dua syarat yang harus
dipenuhi adalah : 1) Secara geografis elemen dalam kelompok harus saling
berdekatan 2) Kelompok sedikit saja agar mudah mengadministrasikannya
(Supranto, J. 1992)
Kelompok yang besar cenderung memeliki elemen yang heterogen
dengan demikian diperlukan pemilihan banyak elemen dari setiap kelompok
sehingga diperoleh hasil penelitian tingkat ketelitian yang tinggi. Bila
subunit dalam unit mempunyai karakteristik yang sama yang sangat dekat,
metode ini mengurangi penarikan sampel satu tahap berukuran besar
sehingga peneliti mempunyai kesempatan mengambil beberapa nilai yang
lebih kecil sehingga sampling menjadi lebih efisien.

2. Kelebihan dan Kekurangan

a. Kelebihan
1. Dapat mengambil populasi besar yang tersebar di berbagai daerah
2. Biaya lebih murah
3. Two stage cluster sampling lebih fleksibel dari pada one-stage
cluster sampling sampling
b. Kelemahan
1. Jumlah individu dalam setiap pilihan tidak sama.
2. Ada kemungkinan penduduk satu daerah berpindah ke daerah yang
lain tanpa sepengatahuan peneliti
3. Contoh Kasus
Seorang peneliti akan melakukan penelitian terhadap Perguruan
Tinggi Negeri yang ada di Malang, kemudian menentukan PTN mana yang
akan di pilih. Di Malang sendiri ada Perguruan Tinggi Negeri yaitu UB,
UM, UIN Maliki, POLINEMA, dan ITN. Misal yang terpilih adalah UIN
Maliki, dari sebuah universitas ditentukan pula elemen yang akan di teliti,
yaitu menentukan mahasiswanya. Jadi ada dua tahap untuk memilih nya,
yang pertama yaitu menentukan PTN yang dipilih dan yang kedua yaitu
menentukan mahasiswanya.

4. Ilustrasi

A B C D E
2 6 12 23 31
20 17 4 21 5
33 11 19 26 12
16 8 22 15 7
18 29 30 9 13

Misalkan secara acak di pilih 3 klaster yaitu A, C, dan E. Dalam setiap

kluster dipilih dua, atau tiga elemen. Elemen yang dihasilkan yaitu 2, 33,
4, 22, 30, 31,5, dan 12. Jadi tidak ada elemen yang di pilih dari B, dan D

5. Formula
Penduga bagi rata-rata populasi yaitu
𝑛
𝑁 1 ∑𝑛𝑖=1 𝑀𝑖 𝑦̅𝑖
𝜇̂ = ∑ 𝑀𝑖 𝑦̅𝑖 =
𝑀𝑛 ̅
𝑀 𝑛
𝑖=1

Notasi:
N = Jumlah kluster dalam populasi
n = Jumlah kluster terpilih
Mi = Jumlam elemen/unit sampling dari kluster ke-i
mi = Jumlam elemen/unit sampling yang dipilih dari kluster terpilih ke-i
 𝑀 = ∑𝑁
𝑖=1 𝑀𝑖 = jumlah elemen/unit sampling dalam populasi

̅ = 𝑀 = rata-rata jumlah elemen/unit sampling masing-masing kluster

𝑀 𝑁
1 𝑚𝑖
𝑦̅𝑖 = 𝑚 ∑𝑗=1 𝑦𝑖𝑗 = rata-rata sampel dari kluster ke i
𝑖

Penduga Varians bagi rata-rata populasi adalah

𝑛
𝑛 1 1 𝑚𝑖 𝑠𝑖2
̂
𝑉 (𝜇̂ ) 2
= (1 − ) ( 2 ) 𝑠𝑏 + 2
∑ 𝑀𝑖 (1 − )
𝑁 𝑛𝑀 ̅ 𝑛𝑁𝑀̅2 𝑀𝑖 𝑚𝑖
𝑖=1

Dengan
𝑛
1
𝑠𝑏2 = ̅ 𝜇̂ )2
∑ 𝑀𝑖 2 (𝑀𝑖 𝑦̅𝑖 − 𝑀
𝑛−1
𝑖=1
𝑚 (𝑦𝑖𝑗−𝑦̅𝑖)2
𝑠𝑖2 = ∑𝑗=1
𝑖
i=1,2,...,n
𝑚𝑖 −1

6. Contoh soal

Plant Mi mi Downtime (in hours) yi s i2

1 50 10 5, 7, 9, 0, 11, 2, 8, 4, 3, 5 5.40 11.38
2 65 13 4, 3, 7, 2, 11, 0, 1, 9, 4, 3, 2, 4.00 10.67
1, 5
3 45 9 5, 6, 4, 11, 12, 0, 1, 8, 4 5.67 16.75
4 48 10 6, 4, 0, 1, 0, 9, 8, 4, 6, 10 4.80 13.29
5 52 10 11, 4, 3, 1, 0., 2, 8, 6, 5, 3 4.30 11.12
6 58 12 12, 11, 3, 4, 2, 0, 0, 1, 4, 3, 2, 3.83 14.88
4
 7 42 8 3, 7, 6, 7, 8, 4, 3, 2 5.00 5.14
8 66 13 3, 6, 4, 3, 2, 2, 8, 4, 0, 4, 5, 6, 3.85 4.31
3
9 40 8 6, 4, 7, 3, 9, 1, 4, 5 4.88 6.13
10 56 11 6, 7, 5, 10, 11, 2, 1, 4, 0, 5, 4 5.00 11.80
A garment manufacturer has N = 90 plants located throughout the United
States and wants to estimate the average number of hours that the sewing
machines were down for repairs in the past months. Because the plants are
widely scattered, she decides to use cluster sampling, specifying each plant as a
cluster of machines. Each plant contains many machines, and checking the repair
record for each machine would be time-consuming. Therefore she uses two-
stage cluster sampling. Enough time and money are available to sample n = 10
plants and approximately 20% of the machines in each plant. The resulting data
are given in the table below.

We want to estimate the average downtime per machine, and place a bound on the
error of estimation. The manufactures knows she has a combined total of 4500
machines in all plants. (Scheaffer, Mendenhall dan Ott., 1996).

Diketahui:
 N = 90
N = 10
M = 4500
Ditanya: 1) Estimasi rata-rata waktu per mesin
2) Batas error estimasi
Jawab

Estimasi rata-rata dari populasi

𝑛
𝑁 1 ∑𝑛𝑖=1 𝑀𝑖 𝑦̅𝑖
𝜇̂ = ∑ 𝑀𝑖 𝑦̅𝑖 =
𝑀𝑛 ̅
𝑀 𝑛
𝑖=1

1 2400,59
= ( )
50 10
1
= (240,059) = 4.80
50
Jadi estimasi rata-rata dari popoulasi adalah 4,80

𝑛
1
𝑠𝑏2 = ̅ 𝜇̂ )2
∑(𝑀𝑖 𝑦̅𝑖 − 𝑀
𝑛−1
𝑖=1

1
= ((50 × 5,4 − 50 × 4,8)2 + (65 × 4 − 50 × 4,8)2 + ⋯
9
+ (56 × 5 − 50 × 4,8)2 )
1
= (6915,472) = 768,3858
9

𝑛
2
𝑚𝑖 𝑠𝑖2
∑ 𝑀𝑖 (1 − ) ( )
𝑀𝑖 𝑚𝑖
𝑖=1

10 11,38 11 11,8
= [(502 ) (1 − )( )] + ⋯ + [(502 ) (1 − ) ( )]
50 10 56 11

= (2276) + ⋯ + (2703,273)

= 21.985

Estimasi Varians bagi rata-rata populasi adalah

 𝑛
𝑛 1 1 𝑚𝑖 𝑠𝑖2
̂ 2
𝑉 (𝜇̂ ) = (1 − ) ( 2 ) 𝑠𝑏 + ∑ (1 − )
𝑁 𝑛𝑀 ̅ 𝑛𝑁𝑀̅2 𝑀𝑖 𝑚𝑖
𝑖=1

10 1 1
= (1 − )( 2
) (763,3858) + (21.985)
90 (10)(50) (10)(90)(50)2

= 0,027143 + 0.0097731

= 0,037

Jadi estimasi rata-rata dan batas eror estimasi nya adalah

𝜇̂ ± 2√𝑣̂(𝜇̂ ) atau 4.80 ± 2√0.037 atau 4.80 ± 0.384

BAB III
PENUTUP

3.1 Kesimpulan
 Sampling Kelompok atau Cluster Sampling adalah pengambilan sampel
dari beberapa unit sampling yang merupakan kelompok dari elemen. Cluster
sampling ada dua macam, One-stage cluster sampling dan Two stage cluster
sampling. One stage cluster sampling pengambilan sampelnya hanya
memerlukan satu tahap, sedangkan Two stage cluster sampling pengambilan
sampelnya memerlukan dua tahap. Tahap yang pertama yaitu memilih secara
acak dari suatu cluster dan tahap kedua yaitu memilih elemen-elemen yang ada
dalam suatu cluster yang terpilih. Two stage cluster sampling lebih fleksibel
penggunaannya dibandingkan One stage cluster sampling.

DAFTAR PUSTAKA

Scheaffer, Richard L., William Mendenhall, Lyman. 1996. Elementary Survey

Sampling. USA: Duxbury Pr, Boston
Supranto, J. 2000. Teknik Sampling untuk Survei dan Eksperimen. Jakarta: PT
Rineka Cipta,