Resume

Penarikan Contoh Klaster

A. Pengertian/Konsep
Cluster sampling (area sampling) disebut juga dengan cluster random sampling.
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
sehingga sulit untuk disusun sampling frame. Keuntungan penggunaan teknik ini adalah
menjadikan proses sampling lebih murah dan cepat daripada jika digunakan teknik simple
random sampling. Akan tetapi, hasil dari cluster sampling ini pada umumnya kurang
akurat dibangingkan simple random sampling.
Adapun cluster adalah suatu unit yang berisi sekumpulan elemen-elemen
populasi. Namun, terhadap populasi yang lebih tinggi, cluster sendiri berkedudukan
sebagai sebagai elemen dari populasi tersebut. Seorang peneliti yang menggunakan
cluster sampling, pertama-tama memilih sampel yang berbentuk cluster dari suatu
polulasi. Selanjutnya, dari tiap-tiap cluster tersebut diturunkan sampel yang berbentuk
elemen. Sebagai contoh, pemilihan sampel pegawai pada suatu departemen yang
pegawainya tersebar pada berbagai unit kerja yang juga tersebar secara geografis. Pada
kasus ini, peneliti dapat menjadikan unit kerja sebagai cluster dan selanjutnya secara
random memilih beberapa unit kerja sebagai sampel. Pada setiap unit kerja yang terpilih
tersebut kemudian seluruh pegawainya dijadikan sebagai populasi.
Proses pegambilan sampling klaster dilakukan dengan memperhatikan kerangka
sampling yang berisikan daftar klaster , dalam contoh di atas daftar nama kelurahan.
Pengambilan sampel kemudian dilakukan dengan mengambil secara acak klaster-klaster.
Unit sampling yang berisikan klaster-klaster dinamakan unit sampling utama (primary
sampling unit) disingkat USU. Apabila semua unit observasi dalam USU menjadi
anggota sampel maka dikatakan bahwa proses pengambilan sampel dilakukan dengan
sampling klaster satu tahap. Namun apabila USU dibagi lagi ke dalam unit yang lebih
kecil, misalnya kelurahan dibagi lagi ke dalam Rukun-rukun Warga maka rukun warga
disebut unit sampling ke dua (secondary sampling unit) disingkat USD. Apabila semua
unit obervasi (elemen) dari USD menjadi anggota sampel, maka dikatakan proses
pengambilan sampel dilakukan dengan sampling klaster dua tahap, demikian seterusnya.
Dalam samling acak sederhanna, unit-unit yang diambil sebagai sampel adalah
elemen-elemen yahng diobservasi. Dalam sampling klaster unit samplingnya adalah
klaster-klaster, dan elemen-elemen Dalam sampling klaster, unit samplingnya adalah
klaster-klaster, dan elemen-elemen yang diobservasi adalah USD di dalam klasterklaster.
Himpunan semestanya, U¸ merupakan populasi dari N USU; S menandakan sampel dari
USU yang dipilih dari populasi USU, dan 𝑆𝑖 merupakan sampel dari USD yang dipilih
dari USU yang ke-i.
 Berikut ini adalah notasi notasi yang akan digunakan dalam sampling klaster khususnya
bila ingin menaksir rata rata populasi:
𝑁 = Banyaknya klaster dalam populasi
𝑛 = Banyaknya klaster yang dipilih sebagai sample
𝑚𝑖 = Banyaknya unit observasi (elemen) dalam klaster ke I, I=1,2, … ,N
1
̅ = 𝑛 ∑𝑛𝑖=1 𝑚𝑖
𝑚
𝑀 = ∑𝑁𝑖=1 𝑚𝑖 Banyaknya unit observasi (elemen) dalam populasi
𝑀
̅ = rata rata ukuran klaster dalam Populasi
𝑀 𝑁
𝑦𝑖 = total semua observasi dalam klaster ke i

B. Cara Memilih Sampling Klaster Satu Tahap

Dalam sampling klaster satu tahap, terjadi suatu kondisi dimana semua atau tidak
satupun elemen-elemen yang terkandung di dalam klaster (= USU) dijadikan sebagai
sampel. Sampling klaster satu tahap banyak digunakan pada kegiatan survai yang
memiliki biaya sampling untuk USD dapat diabaikan bila dibandingkan dengan biaya
sampling untuk USU. Misalnya untuk survai pendidikan, yang bertindak sebagai USU
adalah ruangan kelas; semua siswa dalam kelas yang terpilih yang sebenarnya merupakan
USD dijadikan sebagai objek analisis jika hanya sedikit biaya ekstra yang perlukan
daripada meneliti beberapa siswa saja dalam kelas terpilih tersebut.
i. Populasi dibagi-bagi ke dalam N buah klaster atau Unit Sampling Utama (USU).
Keadaan variable Y dalam setiap klaster diusahakan se-heterogen mungkin (dalam
praktik tidak pernah bisa tercapai, terutama apabila yang menjadi klaster adalah
daerah atau kumpulan satuan-satuan sampling yang ukurannya besar).
ii. Secara Simple Random Sampling dipilih n buah klaster.
iii. Pemilihan hanya dilakukan sekali yaitu memilih klaster ( memilih Unit Sampling
Utama / USU ). Oleh karena itu, semua unit sampling kedua (USD) yang ada
dalam klaster yang terpilih diperiksa.
Sebagai catatatan bahwa apabila kita akan menggunakan sampling klaster satu
tahap maka disarankan ukuran klaster relatif kecil. Ukuran klaster yang terlalu kecil bisa
merugikan, bisa pula menguntungkan.
Merugikan : Apabila yang sedang kita teliti adalah peristiwa-peristiwa yang
jarang terjadi (Rare Cases) Contoh : Kematian ibu pada saat
melahirkan (mortality)
Menguntungkan : Apabila peristiwa itu banyak terjadi (abundant cases).
C. Taksiran Rata-rata Populasi
Sampling klaster merupakan sampling acak sederhana dengan setiap unit samplingnya
mengandung sejumlah elemen-elemen. Oleh karena itu, taksiran rata-rata populasi, 𝜇, dan
total, τ, serupa dengan taksiran-taksiran pada sampling acak sederhana. Secara khusus,
rata-rata sampel, 𝑦̅, merupakan taksiran yang baik dari rata-rata populasi, 𝜇.
Taksiran rata rata populasi μ adalah rata-rata sampel yang bentuknya adalah:
∑𝑛𝑖=1 𝑦𝑖
𝑦̅ = 𝑛 … (1)
∑𝑖=1 𝑚𝑖
dan varians 𝑦̅ adalah
𝑁 − 𝑛 ∑𝑁 𝑖=1(𝑦𝑖 − 𝑦̅𝑚𝑖 )2
𝑉̂ (𝑦̅) = ( ) … (2)
𝑁𝑛𝑀 ̅̅̅̅2 𝑛−1
Dalam hal ini 𝑀 ̅ dapat ditaksir dengan 𝑚 ̅ jika 𝑀̅ tidak diketahui. Taksiran varians pada
persamaan (2) merupakan taksiran yang bias dan taksiran varians tersebut akan baik jika
ukuran sampel yang diambil, n,besar, yaitu n>20.Bias akan hilang jika masing-masing
klaster, 𝑚1 , 𝑚1 , … , 𝑚3, memiliki ukuran yang sama.
Contoh:
Suatu survai dirancangkan untuk menaksir rata rata pengeluaran untuk keperluan rumah
tangga masyarakat disuatu kota. Karena daftar rumah tangga di daerah tersebut tidak ada,
maka dilakukanlah pengambilan sampel dengan cara klaster. Yang menjadi klaster adalah
Rukun rukun warga (RW) di daerah tersebut. Dari hasil sampel diperoleh data berikut.
Total Jumlah Total Jumlah
Pengeluaran Pengeluaran
Banyaknya Banyaknya
dari Rumah dari Rumah
RW Rumah RW Rumah
Tangga(dalam Tangga(dalam
Tangga Tangga
Ribuan Ribuan
Rupiah) Rupiah)
1 55 2210 11 73 2930
2 60 2390 12 64 2470
3 63 2430 13 69 2830
4 58 2380 14 58 2370
5 71 2760 15 63 2390
6 78 3110 16 75 2870
7 69 2780 17 78 3210
8 58 2370 18 51 2430
9 52 1990 19 67 2730
10 71 2810 20 70 2880
Penyelesaian:
Dari tabel diatas maka
𝑦1 = 2210, 𝑦2 = 2390, 𝑦3 = 2430, … , 𝑦20 = 2880, sehingga ∑𝑛𝑖=1 𝑦1 = 52340
𝑚1 = 55, 𝑚2 = 60, 𝑚3 = 63, … , 𝑚20 = 70, sehingga ∑𝑛𝑖=1 𝑚1 = 1303
Jadi rata-rata pengeluaran dari sampel adalah
∑𝑛𝑖=1 𝑦𝑖
𝑦̅ = 𝑛
∑𝑖=1 𝑚𝑖
52340
𝑦̅ =
1303
𝑦̅ = 40.17
Untuk menghitung 𝑉̂ (𝑦̅) diperlukan beberapa perhitungan sebagai berikut:
∑20 2 2 2
𝑖=1 𝑦1 = 𝑦1 + 𝑦2 + ⋯ + 𝑦20
2

= (2210)2 + (2390)2 + ⋯ + (2880)2

= 138873600

∑20 2 2 2
𝑖=1 𝑚1 = 𝑚1 + 𝑚2 + ⋯ + 𝑚20
2

= (55)2 + (60)2 + ⋯ + (70)2

= 86171

∑20
𝑖=1 𝑦1 𝑚1 = 𝑦1 𝑚1 + 𝑦2 𝑚2 + ⋯ + 𝑦20 𝑚20
= (2210)(55) + (2390)(60) + ⋯ + (2880)(70)
= 3456230

Kemudian kita uraikan persamaan berikut:

∑20 ̅𝑚𝑖 )2 = ∑20
𝑖=1(𝑦𝑖 − 𝑦
2
̅ ∑20
𝑖=1 𝑦𝑖 − 2𝑦 ̅ 2 ∑20
𝑖=1 𝑦1 𝑚1 + 𝑦
2
𝑖=1 𝑚1
= 138873600 − 2(40.17)(3456230) + (40.17)2 (86171)
= 248085,668

Karena 𝑀 ̅ tidak diketahui, maka sebagaimana yang telah dijelaskan sebelumnya, 𝑀

̅ dapat
ditaksir dengan 𝑚̅ sebagai berikut:
∑20
𝑖=1 𝑚𝑖 1303
𝑚̅= = = 65.15
𝑛 20
Apabila dimisalkan bahwa total Rukun Warga yang ada di daerah tersebut adalah
sebanyak 100 (N = 100), maka varians dari pengeluarannya adalah:
𝑁 − 𝑛 ∑𝑁 ̅𝑚𝑖 )2
𝑖=1(𝑦𝑖 − 𝑦
𝑉̂ (𝑦̅) = ( )
𝑁𝑛𝑀̅̅̅̅2 𝑛−1
100 − 20 248085,668
=( 2
)
(100)(20)(65.15) 20 − 1
= 0.123
Dengan demikian, dengan kepercayaan mendekati 95%, taksiran interval untuk
pengeluaran tersebut adalah :
𝑦̅ ± 2√𝑉̂ (𝑦̅) = 40,167 ± 2√0.123 = 40.167 ± 0.702
Jadi taksiran yang paling baik dari rata-rata pengeluaran untuk keperluan rumah tangga
masyarakat di kota tersebut adalah 40.167, dan kekeliruan taksiran harus kurang dari
0.702 dengan peluang mendekati 0.95.
D. Menentukan Ukuran Sampel untuk Menaksir Proporsi
Taksiran dari proporsi populasi, π, dengan batas δ unit dari kekeliruan taksiran
dinyatakan dengan
2√𝑉(𝑝) = 𝛿
Persamaan di atas dapat menjadi solusi untuk menentukan besarnya sampel yang
harus diambil, n dan prosedur solusinya serupa dengan persamaan
𝑁𝛿𝑘 2
𝑛=
𝑁𝐷 + 𝛿𝑘 2

dimana 𝛿𝑘 2 ditaksir dengan 𝑠𝑘 2 ;

2
∑𝑛𝑖=1(𝑎𝑖 − 𝑝𝑚𝑖 )2
𝑠𝑘 =
𝑛−1
dan

𝛿 2𝑀̅2
𝐷=
4
atau apabila menggunakan kita mengambil nilai pengali dari simpangan baku taksirannya
adalah 𝑍∝/2 , yang merupakan pendekatan dari distribusi normal baku dengan melibatkan
resiko kekeliruan sebesar ∝ , maka nilai D berubah menjadi :

̅2
𝛿 2𝑀
𝐷=
(𝑍∝/2 )2

Contoh:

Dimisalkan bahwa data pada tabel 5.2 dianggap sudah kadaluarsa. Selanjutnya diperlukan
suatu penelitian baru yang bertujuan untuk menaksir proporsi penduduk yang menyewa
rumah. Berapa banyak sampel yang harus diambil untuk memberikan taksiran tersebut
dengan batas 0.03 dari kekeliruan penaksiran?

Penyelesaian:

Taksiran terbaik dari 𝛿𝑘 2 adalah yang dihitung dengan menggunakan tabel 5.2 sebagai
berikut:

∑𝑛𝑖=1(𝑎𝑖 − 𝑝𝑚𝑖 )2 720,982

𝑠𝑘 2 = = = 37.946
𝑛−1 20 − 1
Karena 𝑀 ̅ tidak diketahui, maka sebagaimana yang telah dijelaskan sebelumnya, 𝑀
̅ dapat
ditaksir dengan 𝑚̅ sebagai berikut:
 ∑20
𝑖=1 𝑚𝑖 1303
𝑚
̅= = = 65.15
𝑛 20
selanjutnya dengan mengambil nilai ∝ = 5%, diperoleh nilai 𝑍∝/2 = 1.96 , maka
diperoleh nilai D sebagai berikut:
𝛿2 𝑀
̅2 (0.03)2 (65.15)2
𝐷 = (𝑍 = = 0.994
∝/2 )2 (1.96)2

sehingga diperoleh ukuran sampel minimal yang harus diambil adalah:

𝑁𝛿𝑘 2 (100)(37.946)
𝑛= 2 = = 27.62 ≈ 28
𝑁𝐷 + 𝛿𝑘 (100)(0.994) + (37.946)

Dengan demikian, klaster yang harus diambil adalah sebanyak 28. Perhatikan
bahwa nilai 28 menunjukkan banyaknya sampel minimal yang harus di ambil. Oleh
karena itu, pengambilan sampel (klaster) yang lebih dari nilai tersebut tidak menjadi
masalah selama tidak ada faktor lain yang menjadi pertimbangan ukuran sampel seperti
masalah biaya, tenaga, waktu, dan lain sebagainya.