BIOSTATISTIK

Di SusunOleh :

1. Atina amelia rahayu

2. Gita yasha syafitri

3. Indah puspita sari

4. Karolina Br. Barus

5. Laili fitriana JM

6. Nia febriyani

7. Reza andriani

8. Suci tiaralin

9. Trisnanda marintan

10. Viona tri lengsi

11. Wiwin purnama ulansari

DosenPembimbing

EptiYorita, SST. MPH

POLTEKKES KEMENKES BENGKULU

JURUSAN KEBIDANAN
TAHUN AJARAN 2018/2019
 BAB I
PENDAHULUAN

A. Latar Belakang
Pelaksanaan suatu penelitian selalu berhadapan dengan objek yang diteliti atau diselidiki.
Objek tersebut dapat berupa manusia, hewan, tumbuh-tumbuhan, benda-benda mati
lainnyaserta peristiwa dan gejala yang terjadi di dalam masyarakatatau di dalam alam. Dalam
melakukan penelitian, kadang-kadang peneliti melakukannya terhadap seluruh objek, tetapi
sering juga peneliti hanya mengambil sebagian saja dari seluruh objek yang diteliti.
Meskipun penelitian hanya mengambil sebagian objek yang diteliti, tetapi hasilnya dapat
mewakili seluruh objek yang diteliti.
Keseluruhan objek penelitian atau objek yang diteliti disebut populasi, sedangkan objek
yang diteliti dan dianggap mewakili seluruh populasi disebut sampel. Kegunaan sampling
dalam penelitian adalah menghemat biaya, mempercepat pelaksanaan penelitian, menghemat
tenaga, memperluas ruang lingkup penelitian, memperoleh hasil yang lebih akurat.
Faktor-faktor yang perlu dipertimbangkan saat menentukan populasi dan sampel
penelitian adalah:
1. Membatasi populasi
2. Mendaftar seluruh unit yang menjadi anggota populasi
3. Menentukan sampel yang akan dipilih
4. Menentukan teknik sampling
5. Prosedur pengambilan sampel memiliki beberapa tahap, yaitu:
6. Menentukan tujuan penelitian
7. Menentukan populasi penelitian
8. Menentukan jenis data yang diperlukan
9. Menentuka teknik sampling
10. Menentukan besarnya sampel (sample size)
11. Menentukan unit sampel yang diperlukan
12. Memilih sampel
Pada garis besarnya hanya ada dua jenis sampel, yaitu probability sampling atau sering
disebut random sampling (sampel acak) dan non probability sampling atau teknik non
random.

B. Tujuan
 1. Untuk mengetahui teknik random sampling
2. Untuk mengetahui jenis-jenis teknik random sampling

C. Rumusan Masalah
Berdasarkan latar belakang diatas, dapat diperoleh pertanyaan sebagai berikut:
1. Apa yang dimaksud pengambilan sample secara random ?
2. Apa saja jenis-jenispengambilan sample secara random ?
 BAB II
PEMBAHASAN

A. Pengertian Teknik Random Sampling ( Sampel Acak )

Teknik Sampling adalah bagian dari metodologi statistikayang berhubungan dengan

pengambilan sebagian dari populasi. Jika sampling dilakukan dengan metode yang
tepat,analis statistik dari suatu sample dapat digunakan untuk menggeneralisasikan
keseluruhan populasi. Metode sampling banyak menggunakan teori probabilitas dan teori
statistika.Sedangkan teknik random merupakan teknik pengambilan sampel dari populasi
dimana setiap anggota populasi mempunyai kesempatan yang sama untuk diambil sebagai
sampel.
Tahapan sampling adalah :
a. mendifinisikan populasi hendak diamati
b. menentukan kerangka sample, yakni kumpulan semua item atau peristiwa yang
mungkin.
c. Menentukan metode sampling yang tepat
d. Melakukan pengambilan sample (pengumpulan data)
e. Melakukan pengecekkan ulang proses sampling

B. Jenis-Jenis Teknik Random Sampling

Teknik random sampling ada lima jenis yang masing-masing memiliki kelebihan dan
kekurangan yang berbeda-beda, diantaranya yaitu : unrestricted random sampling,Simple
random sampling, systematic random sampling, restrited random sampling,stratified random
sampling, cluster random sampling.
1. Sampel tak terbatas (unrestricted random sampling)
adalah sampel yang anggotanya dipilih langsung dari seluruh populasi dengan tidak
membagi populasi itu lebih dahulu atas kelas atau golongan. Penarikan anggota
populasi ke dalam sampel dilakukan dengan memakai cara sebagai berikut.
a. Cara sederhana adalah cara penarikan sampel dengan memberi nomor setiap anggota
populasi dan anggota sampel dipilih dengan memakai nomor random.
b. Cara sistematis adalah sampel yang ditarik dengan memasukka anggota populasi
terlebih dahulu di dalam suatu daftar atau bentuk deretan lain. Setelah menentukan
dari mana memulai, anggota sampel dipilih dengan memakai interval tertentu.
2. Simple Random Sampling
Teknik simple random sampling atau yang biasa disebut dengan istilah teknik acak
sederhana. Kami juga akan jelaskan prosedur dan contohnya. Menurut Sugiyono
(2001:57) teknik simple random sampling adalah teknik pengambilan sampel dari
anggota populasi yang dilakukan secara acak tanpa memperhatikan strata yang ada
dalam populasi itu.
Contohnya: “Jumlah siswa disebuah kelas di SMA tertentu di Jakarta yang akan
diberikan bantuan. Simple random sampling ini bisa dilakukan melalui undian, tabel
bilangan random atau dengan acak sistematis.
Teknik ini dapat dipergunakan bilamana jumlah unit sampling di dalam suatu
populasi tidak terlalu besar. Misal, populasi terdiri dari 100 orang siswa IPA. Untuk
memperoleh sampel sebanyak 30 orang dari populasi tersebut, digunakan teknik ini,
baik dengan cara undian, ordinal, maupun tabel bilangan random. Teknik ini dapat
digambarkan di bawah ini.
Dalam teknik sampling acak sederhana ini, perbedaan karakter yang mungkin ada
pada setiap unsur atau elemen populasi tidak merupakan hal yang penting bagi rencana
analisisnya. Misalnya, dalam populasi ada laki-laki dan perempuan, atau ada yang kaya
dan yang miskin, ada manajer dan bukan manajer, dan perbedaan-perbedaan lainnya.
Selama perbedaan perbedaan-perbedaan tersebut bukan merupakan sesuatu hal yang
penting dan mempunyai pengaruh yang signifikan terhadap hasil penelitian, maka
peneliti dapat mengambil sampel secara acak sederhana. Maka dengan demikian setiap
unsur populasi harus mempunyai kesempatan yang sama untuk bisa dipilih menjadi
sampel.
Syarat penggunaan dari teknik sampling acak sederhana:
a. teknik ini digunakan jika elemen populasi bersifat homogen, sehingga elemen
manapun yang terpilih menjadi sampel dapat mewakili populasi.

b.Dilakukan jika analisis penelitiannya cenderung deskriptif dan bersifat umum.

Kekurangan dan kelebihan simple random sampling adalah butuh daftar anggota
populasi, butuh waktu lama,dan mahal. Sedangkan kelebihan dari teknik ini adalah
mudah diterapkan.
 Prosedur Simple Random Sampling adalah :

a. Susun “sampling frame”

b. Tetapkan jumlah sampel yang akan diambil

c. Tentukan alat pemilihan sampel

d. Pilih sampel sampai dengan jumlah terpenuhi .

Contoh : Sebuah populasi beranggotakan 4 elemen (e1, e2, e3, e4). Selanjutnya akan dipilih
dua elemen sebagai sampel, maka kemungkinan kombinasi 2 sampel itu adalah sebagai
berikut:

a. Kemungkinan I : e1, e2

b. Kemungkinan II : e1, e3

c. Kemungkinan III : e1, e4

d. Kemungkinan IV : e2, e3

e. Kemungkinan V : e2, e4

f. Kemungkinan VI : e3, X4.

Demikianlah sedikit sharing dari kami tentang teknik sampling yang disebut dengan simple
random sampling. Semoga bermanfaat bagi para pembaca dalam rangka menambah wawasan
ataupun menyusun tugas akhirnya.

3. Systematic random

Metode pengambilan sample acak sistematis adalah metode untuk mengambil sampel secara
sistematis dengan interval (jarak) tertentu dari suatu kerangka sampel yang telah diurutkan.
Keuntungan dan kelemahan systematic random

a. Keuntungan : Lebih cepat, murah dan mudah pelak-sanaannya dari pada cara-cara yang
lain.Pengambilan sampel tanpa harus meng-gunakan kerangka sampel.Sampel sistematis
tersebar lebih merata, sehingga kemungkinan besar mengha-silkan sampel yang lebih
representatif dan lebih efisien dari pada SRS.

b. Kelemahan : Penduga varian sulit diperoleh dari sampel sistematis tunggal.Penyusunan

yang tidak baik mungkin menghasilkan sampel yang sangat tidak efisien.

Pada umumnya pengambilan sampel dengan metode acak sistematis (Systematic Random
Sampling) bagi populasi yang jumlah anggotanya terbatas dilakukan melalui tahapan berikut:
a. Menentukan ukuran sampel (n) yang akan diambil dari keseluruhan anggota populasi
(N).
b. Membagi anggota populasi menjadi k kelompok dengan ketentuan k harus lebih kecil
atau sama dengan N/n. Nilai k lebih besar dari N/n akan menyebabkan ukuran
sampel yang diinginkan tidak dapat diperoleh (kurang dari n). Bila ternyata besarnya
populasi (N) tidak diketahui, k tidak dapat ditentukan secara akurat, dengan demikian
harus dilakukan pendugaan nilai k yang dibutuhkan untuk menentukan ukuran sampel
sebesar n
c. Mnentukan secara acak satu unit sampel pertama dari kelompok yang pertama yang
terbentuk. Unit sampel kedua, ketiga dan selanjutya kemudian secara sistematis dari
kelompok kedua, ketiga dan selanjutnya.
Contoh:
Dari 100 orang karyawan ingin diambil secara acak sistematis 10 karyawan sebagai sampel.
Penyelesaiannnya dapat dilakukan sbb:

1. Menentukan banyaknya kelompok: k=100/10= 10, berarti ada 10 kelompok (tidak boleh
lebh dari 10 kelompok).
2. Memberi nomor urut secara acak pada 100 orang karyawan tersebut dari 1, 2, 3 sampai
100.
3. Membagi keseluruhan anggota populasi menjadi 10 kelompok. Maka akan diperoleh
kelompok pertama (kelompok A) berisi karyawan dengan nomor urut 1 hingga 10,
 kelompok kedua (kelompok B) dengan nomor urut 11 hingga 20, dst sampai kelompok
J.
4. Mengambil satu unit sampel secara acak pada kelompok A (pertama) misalnya terambil
karyawan nomor 3. Setelah itu dilakukan pengambilan sampel pada kelompok yang
berikutnya untuk satuan sampel yang berada segaris (memiliki jarak yang sama) dengan
sampel nomor 3 tersebut. Anggota populasi yang menjadi sampel dalam penelitian ini
adalah anggota populasi yang mempunyai nomor sbb:
———————————————————————
Kelompok: A B C D E F G H I J
No.Terpilih: 3 13 23 33 43 53 63 73 83 93
————————————————————————–
Jadi pengambilan sampel yang dilakukan benar-benar secara acak hanyalah pada
pengambilan sampel pertama dari kelompok pertama. Sesudah sampel pertama tersebut
terambil, maka sampel kedua, ketiga dst diambil secara sistematis dari kelompok kedua,
ketiga dst.

4. Sampel terbatas (restricted sampling)

adalah sampel yang dibentuk dengan membagi populasi atas bagian atau golongan.
Selanjutnya, dari bagian tersebut dipilih beberapa anggota sampel atau golongan secara
random. Dari golongan yang terpilih, sebagian besar atau seluruh anggota dimasukkan
menjadi anggota sampel.

Bentuk sampel terbatas sebagai berikut.

Sampel bertingkat banyak adalah sampel yang terbentuk dengan menarik sampel kecil
dari golongan yang terpilih dengan menggunakan probabilitas yang sama dan
probabilitas sebanding dengan ukuran relatif.

a. Probabilitas yang sama, artinya dari setiap golongan itu dipilih sejumlah anggota
untuk dimasukkan ke dalam sampel dan setiap anggota golongan tersebut mempunyai
probabilitas yang sama untuk dimasukkan ke dalam subsampel.
b. Probabilitas yang sebanding dengan ukuran relatif atau besar relatif dari golongan
tersebut. Misalnya, salah satu golongan mempunyai 50 persen dari anggota populasi
seluruhnya. Jadi, besar relatif golongan tersebut adalah 50 persen sehingga
 probabilitas setiap anggota golongan dua kali probabilitas anggota golongan kedua
yang terdiri atas 25 persen dari seluruh populasi untuk dimasukkan ke dalam sampel.
5. Sratified random sampling ( teknik sampling bertingkat)

Margono (2004, hlm. 126) menyatakan bahwa starrified random sampling biasa
digunakan pada populasi yang mempunyai susunan bertingkat atau berlapis-lapis. Menurut
Sugiyono (2001, hlm.58) teknik ini digunakan bila populasi mempunyai anggota/unsur yang
tidak homogen dan bersrata secara proporsional. Sedangkan menurut Akdon & Hadi
(2004)stratified random sampling ialah pengambilan sampel dari anggota populasi secara
acak dan berstrata secara proporsional, dilakukan sampling ini apabila anggota populasinya
heterogen (tidak sejenis).
Teknik sampling ini disebut juga dengan istilah taknik sampling berlapis, berjenjang,
dan petala. Teknik ini digunakan apabila populasinya heterogen atau terdiri atas kelompok-
kelompok yang bertingkat. Penentuan bertingkat berdasarkan karakteristik tertentu. Misalnya
: menurut usia, pendidikan, golongan pangkat, dan sebagainya. Teknik ini akan semakin baik
jika dilengkapi dengan penggunaan proporsional, sehingga setiap tingkat diwakili oleh
jumlah yang sebanding.sampling bertingkat yang dilengkapi dengan proposional ini disebut
proportional stratified random sampling.

Menurut Kasjono & Yasril (2009, hlm. 34) ada tiga syarat yang harus dipenuhi untuk
dapat menggunakan metode pengambillan sampel acak terstratifikasi, yaitu:

a. Harus ada kriteria yang jelas yang akan digunakan sebagai dasar untuk menstratifikasi
populasi ini dalam lapisan-lapisan. Kriteria untuk pembagian itu ialah variabel-variabel
yang menurut peneliti mempunyai hubungan yang erat dengan variabel-variabel yang
hendak diteliti. Misalnya tingkat penghasilan petani erat hubungannya dengan luas
tanah yang diusahakan. Jadi, dalam penelitian mengenai tingkat penghasilan petani,
populasi dapat distratifikasikan dalam lapisan-lapisan dengan menggunakan luas tanah
yang diusahakan sebagai kriteria.
b. Harus ada data pendahuluan dari populasi mengenai kriteria yang dipergunakan untuk
menstratifikasi.
c. Harus diketahui dengan tepat jumlah unit penelitian dari tiap strata dalam populasi itu.
Keuntungan dan kelebihan stratified random sampling
 Kasjono & Yasril (2009, hlm. 35) mengemu-kakan kelebihan dan
kekurangan stratified random sampling sebagai berikut:

Kelebihan

a. Memberikan presisi yang lebih tinggi dibandingkan dengan pengambilan sampel acak
sederhana dengan besar sampel yang sama
b. Semua ciri-ciri populasi yang heterogen dapat terwakili
c. Kemungkinan bagi peneliti untuk meneliti hubungan atau membandingkan antara satu
strata dengan strata yang lain
Kekurangan
Pengambilan sampel tidak lebih murah dan lebih murah daripada pengambilan sampel
acak sederhana karena rangka yang terperinci harus disusun untuk setiap strata sebelum
pengambilan sampel.
Adapun Milla (2010) mengemukakan kelebihan dan kekurangan stratified random
sampling sebagai berikut:
Kelebihan
a. Penduga varians biasanya dapat direduksi karena varians observasi dalam tiap strata
biasanya lebih kecil dari varians populasi secara keseluruhan.
b. Biaya pengumpulan dan analisis data seringkali dapat diperkecil dengan adanya
pembagian populasi yang besar menjadi strata-strata yang lebih kecil.
c. Estimasi yang terpisah dapat diperoleh untuk strata secara terpisah tanpa harus
melakukan penarikan sampel yang lain maupun pengambilan sampel tambahan.
d. Nilai estimasi dengan presisi lebih tinggi, baik untuk setiap strata maupun untuk
populasi secara keseluruhan atau dengan kata lain taksiran mengenai karakteristik
populasi lebih tepat.
e. Tiap strata bisa dianggap sebagai populasi tersendiri sehingga presisi yang dikehendaki
maupun penyajiannya bisa tersendiri.
f. Masalah penarikan sampel berbeda dalam bagian populasi yang berbeda.
g. Metode ini akan efisien dalam memberikan hasil yang lebih baik dari acak sederhana
jika variasi (standar deviasi) populasi dalam kelompok-kelompok lebih kecil dari
standar deviasi keseluruhan populasi.
h. Sampel yang terambil mampu memberikan informasi yang lebih baik dan lebih banyak
karena perbedaan antar kelompok juga dapat ditentukan.
 i. Secara administratif, pelaksanaannya lebih mudah dari sampel acak sederhana.
j. Untuk jumlah sampel yang sama, stratified random sampling lebih efisien
dibanding simple random sampling.
k. Selain meningkatkan efisiensi, stratified random sampling juga digunakan untuk
memastikan kategori-kategori yang proporsinya kecil dalam populasi akan terwakili.
Kekurangan
a. Seringkali tidak ada informasi awal yang tepat sebagai dasar pengelompokkan,
akibatnya strata yang dibuat tidak sesuai dengan tujuan. Pengenalan terhadap populasi
yang akan diteliti untuk menentukan ciri heterogenitas yang ada pada populasi.
b. Harus dibuat kerangka sampel terpisah dan berbeda untuk tiap kelompok. Sehingga
dibutuhkan daftar populasi setiap strata.
c. Jika daerah geografisnya luas, biaya transportasi tinggi.
Contoh Penerapan Stratified Random Sampling

Sugiyono (dalam Imron & Munif, 2010, hlm.79) menyatakan rumus pengambilan sampel
secara proporsional sebagai berikut:

Contoh :
Suatu penelitian pada kegiatan Ujian Kompetensi Guru (UKG) di Kota Bandung, tentang
manfaat dan tindak lanjut dari UKG yang diikuti, sebagai berikut:
Golongan IIa – IId = 500 orang
Golongan IIIa - IIId = 2000 orang
Golongan IVa - IVd = 5000 orang
Jumlah = 7500 orang
Jumlah populasi 7.500 orang, dengan tingkat presisi yang ditetapkan sebesar = 5%.
n = Jumlah sampel
N = Jumlah populasi
d = Presisi yang ditetapkan (dibulatkan)
Maka untuk mencari jumlah sampel secara keseluruhan yang harus ditarik, terlebih
dahulu gunakan rumus yang pertama (pengambilan sampel apabila populasi sudah diketahui),
yakni:
n = 379 responden
Jadi jumlah sampel yang harus ditarik = 379 responden. Kemudian dicari
pengambilan sampel berstrata dengan rumus:
Setelah dilakukan perhitungan diperoleh jumlah sampel tiap strata sebagai berikut:
Gol. IIa – IId = 500 : 7.500 X 379 = 25,26 = 25
Gol. IIIa – IIId = 2000 : 7.500 X 379 = 101,06= 101
Gol. IVa – IVd = 5000 : 7.500 X 379 = 252,67= 253
Contoh teknik sampling proporsional :

Misalnya populasi untuk A= 25 , B=60, C=15 . Jadi, jumlah populasi=100.

Sedangkan besar anggota sampel =80 sehingga sehingga besar masing-masing sampel untuk
A, B, dan C. Dapat diperhitungkan sebagai berikut :

Untuk A : (25/100) x 80 = 20 orang

Untuk B : ( 60/100) x 80 = 48 orang, dan

Untuk C : (15/100) x 80 = 12 orang.

Sehingga jumlah sampel seluruhnya sebanyak 80 orang.

Contoh teknik sampling yang tidak proporsional :

Misalnya populasi untuk A=3, B=4, C=33, D=60. Jadi, jumlah anggota populasi = 100

Sedangkan besar anggota sampel sebanyak 80 sehingga besar masing-masing sampel untuk
A,B,C, dan D dapat dihitung sebagai berikut :

Untuk A dan B diambil semuanya sebagai sampel, sedangkan untuk C dan D diambil secara
proporsi dengan perhitungan sebagai berikut:

Sehingga jumlah sampel seluruhnya sebanyak 80 orang.

6.Teknik sampling cluster

Menurut Margono (2004: 127), teknik ini digunakan bilamana populasi tidak terdiri
dari individu- individu, melainkan terdiri dari kelompok-kelompok individu atau cluster.
Teknik sampling daerah digunakan untuk menentukan sampel bila objek yang akan diteliti
atau sumber data sangat luas, misalnya penduduk indonesia yang tidak suka pelajaran
matematika. Untuk menentukan penduduk mana yang akan dijadikan sumber data, maka
pengambilan sampelnya berdasarkan daerah populasi yang telah ditetapkan
Apabila populasi tersebar dalam beberapa wilayah (cluster) yang masing-masing
mempunyai ciri yang hampir sama, maka salah satu atau beberapa wilayah dapat dipilih
secara acak sebagai sampel. Misalkan seorang peneliti mengamati masalah kemiskinan di
pedesaan dalam satu kecamatan. Misalkan dalam kecamatan tersebut terdapat 20 desa.
Diketahui pula penduduk di beberapa desa mempunyai keragaman yang hampir sama dalam
banyak hal, baik keragaman dalam hal pendidikan, pekerjaan, dan atau penghasilan. Karena
setiap desa (sebagai cluster) memiliki karakteristik yang hampir sama satu sama lain, maka
salah satu desa dapat dipilih sebagai sampel untuk mewakili desa lainnya.
Dengan demikian yang dimaksud dengan cluster adalan sebuah unit sampling yang
didalamnya berisi unit sampling yang lebih kecil. Metode ini tidak memerlukan kerangka
sampling, sehingga untuk menentukan responden yang akan dipilih jauh lebih mudah
ketimbang metode lainnya. Tetapi dengan adanya keleluasaan dalam menentukan sampel,
maka nilai sampling error dari pengamatan seringkali cukup besar. Cara seperti ini baik sekali
untuk dilakukan apabila tidak terdapat atau sulit menentukan/menemukan kerangka sampel
meski dapat juga dilakukan pada populasi yang kerangka sampel sudah ada.
Sebagai contoh : Kepala Dinas Pendidikan Kabupaten Kuningan ingin mengetahui
bagaimana Sikap Guru SLTP terhadap Kebijakan Manajemen Berbasis Sekolah (MBS) besar
sampel adalah 300 orang kemudian ditentukan Cluster misal sekolah Jumlah SLTP sebanyak
66 Sekolah dengan rata-rata jumlah Guru 50 orang maka jumlah cluster yg diambil adalah
300 : 50 = 6 kemudian dipilih secara acak enam Sekolah dan dari enam sekolah ini dipilih
secara acak 50 orang Guru sebagai anggota sampel.
Pemilihan sampel secara cluster dapat dilakukan secara bertingkat, misal cluster
sampling one stage atau cluster sampling two stage, dan Iain-lain. Misal, cluster stage satu
adalah pemilihan banyaknya desa yang akan dijadikan daerah pengamatan, sedangkan stage
kedua adalah memilih banyaknya RT atau RW di setiap desa terpilih.
Penarikan sampel dalam cluster sampling dilakukan secara acak dan berimbang
dengan ukuran sampel ditentukan berdasarkan fraction yang telah ditentukan. Adapun salah
satu rumusan dari cluster sampling adalah :
Ni = fi.Ni
 Dimana
a. fi menyatakan fraction dari tahapan/stage ke-i (biasanya ditentukan berdasarkan
pengamatan sebelumnya, atau kesepakatan dari para ahli).
b. ni menyatakan ukuran sampel dari tahapan/stage ke-i
c. Ni menyatakan banyaknya populasi dari tahapan/stage ke-i
Hasil clustering yang baik akan menghasilkan tingkat kesamaan yang tinggi dalam satu
kelas dan tingkat kesamaan yang rendah antar kelas. Kesamaan yang dimaksud merupakan
pengukuran secaranumeric terhadap dua buah objek. Nilai kesamaan antar kedua objek akan
semakin tinggi jika kedua objek yang dibandingkan memiliki kemiripan yang tinggi. Begitu
juga dengan sebaliknya. Kualitas hasil clustering sangat bergantung pada metode yang
dipakai. Dalam clustering dikenal empat tipe data. Keempat tipe data pada tersebut ialah:
a. Variabel berskala interval
b. Variabel biner
c. Variabel nominal, ordinal, dan rasio
d. Variabel dengan tipe lainnya.
Metode clustering juga harus dapat mengukur kemampuannya sendiri dalam usaha untuk
menemukan suatu pola tersembunyi pada data yang sedang diteliti. Terdapat berbagai metode
yang dapat digunakan untuk mengukur nilai kesamaan antar objek-objek yang dibandingkan.
Salah satunya ialah dengan weighted Euclidean Distance. Euclidean distance menghitung
jarak dua buah point dengan mengetahui nilai dari masing-masing atribut pada kedua poin
tersebut. Berikut formula yang digunakan untuk menghitung jarak dengan Euclidean
distance:

Keterangan:
N=Jumlah record data
K=Urutan field data
r=2
µk= Bobot field yang diberikan user
Jarak adalah pendekatan yang umum dipakai untuk menentukan kesamaan atau
ketidaksamaan dua vektor fitur yang dinyatakan dengan ranking. Apabila nilai rankingyang
dihasilkan semakin kecil nilainya maka semakin dekat/tinggi kesamaan antara kedua vektor
tersebut. Teknik pengukuran jarak dengan metode Euclidean menjadi salah satu metode yang
paling umum digunakan. Pengukuran jarak dengan metode euclidean dapat dituliskan dengan
persamaan berikut:

Dimana v1 dan v2 adalah dua vektor yang jaraknya akan dihitung dan N menyatakan
panjang vektor.
Metode pengambilan sampel dalam cluster:
a. Membagi daerah penelitian kedalam kelompok-kelompok ( misalnya; desa, RW, dan
sebagainya ), kemudian susunlah data kelompok.
b. Tetapkan jumlah kelompok yang akan dipilih atas darsar jumlah subjek atau kesatuan
analisis sampel yang dikehendaki.
c. Pilihlah kelompok sampel dengan simpel random atau sistematik.
d. Identifikasi seluruh individu yang berada didalam kelompok yang terpilih.

Syarat Clustering
Menurut Han dan Kamber, 2012, syarat sekaligus tantangan yang harus dipenuhi oleh
suatu algoritma clustering adalah:
a. Skalabilitas
Suatu metode clustering harus mampu menangani data dalam jumlah yang besar.
Saat ini data dalam jumlah besar sudah sangat umum digunakan dalam berbagai
bidang misalnya saja suatu database. Tidak hanya berisi ratusan objek, suatu
database dengan ukuran besar bahkan berisi lebih dari jutaan objek.
b. Kemampuan analisa beragam bentuk data
Algortima klasteriasi harus mampu dimplementasikan pada berbagai macam bentuk
data seperti data nominal, ordinal maupun gabungannya.
c. Menemukan cluster dengan bentuk yang tidak terduga
Banyak algoritma clustering yang menggunakan metode Euclidean atau Manhattan
yang hasilnya berbentuk bulat. Padahal hasil clustering dapat berbentuk aneh dan
tidak sama antara satu dengan yang lain. Karenanya dibutuhkan kemampuan untuk
menganalisa cluster dengan bentuk apapun pada suatu algoritma clustering.
d. Kemampuan untuk dapat menangani noise
 Data tidak selalu dalam keadaan baik. Ada kalanya terdapat data yang rusak, tidak
dimengerti atau hilang. Karena system inilah, suatu algortima clustering dituntut
untuk mampu menangani data yang rusak.
e. Sensitifitas terhadap perubahan input
Perubahan atau penambahan data pada input dapat menyebabkan terjadi perubahan
pada cluster yang telah ada bahkan bisa menyebabkan perubahan yang mencolok
apabila menggunakan algoritma clustering yang memiliki tingkat sensitifitas
rendah.
f. Mampu melakukan clustering untuk data dimensi tinggi
Suatu kelompok data dapat berisi banyak dimensi ataupun atribut. Untuk itu
diperlukan algoritma clustering yang mampu menangani data dengan dimensi yang
jumlahnya tidak sedikit.
g. Interpresasi dan kegunaan
Hasil dari clustering harus dapat diinterpretasikan dan berguna.
Keuntungan dan kelebihan teknik sampling cluster

a.Keuntungan

a. Dapat mengambil populasi besaryang tersebar diberbagai daerah,dan

b. Pelaksanaanya lebih mudah dan murah dibandingkan teknik lainnya.

b.Kelemahan

a. Jumlah individu dalam setiap pilihan tidak sama, karena itu teknik ini tidaklah sebaik
teknik lainnya.

b. Ada kemungkinan penduduk satu daerah berpindah ke daerah lain tanpa

sepengetahuan peneliti, sehingga penduduk tersebut mungkin menjadi anggota
rangkap sampel penelitian.
 BAB III
PENUTUP

Kesimpulan
1. Teknik Sampling adalah teknik pengambilan sampel dari populasi dalam penelitian.
Sedangkan teknik random merupakan teknik pengambilan sampel dari populasi dimana setiap
anggota populasi mempunyai kesempatan yang sama untuk diambil sebagai sampel.
2. Teknik random sampling ada lima jenis yang masing-masing memiliki kelebihan dan
kekurangan yang berbeda-beda, diantaranya yaitu : Simple random sampling, systematic
random sampling, stratified random sampling, cluster random sampling dan multistage
random sampling.
DAFTAR PUSTAKA

Agusriyanto. 2011. Aplikasi Metodologi Penelitian Kesehatan. Nuha Medika: Yogyakarta

Notoadmodjo. 2012. Metodologi Penelitian Kesehatan. Rineka Cipta: Jakarta

Imron, M. & Munif, A. (2010). Metodologi penelitian bidang kesehatan. Jakarta: Sagung
Seto.

Kasjono, H. S. & Yasril. (2009). Teknik sampling untuk penelitian kesehatan. Yogyakarta:
Graha Ilmu.