Laporan Praktikum Teknik Sampling

PENARIKAN SAMPEL ACAK BERGEROMBOL

(CLUSTER RANDOM SAMPLING)

disusun untuk memenuhi

tugas matakuliah Teknik Sampling

Oleh:

MELIA HARDIANTI
1508108010009

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SYIAH KUALA
DARUSSALAM, BANDAACEH
2017
 MODUL VII
PENARIKAN SAMPEL ACAK BERGEROMBOL
(CLUSTER RANDOM SAMPLING)

TUJUAN
1. Memahami teknik penarikan sampel acak bergerombol.
2. Menduga parameter populasi (rataan, total, dan ragam).
3. Menyusun selang kepercayaan rataan dan total populasi.

DASAR TEORI
Menurut Supranto (2008), cluster random sampling adalah sampling dimana
populasi terdiri dari kelompok-kelompok yang lebih kecil yag disebut dengan kalster
(cluster). Klaster yang terpilih sebagai sampel maka seluruh anggota di dalam klaster
tersebut adalah sampel yang akan diteliti. Cluster random sampling biasanya digunakan
ketika objek yang akan diteliti atau sumber data yang akan digunakan sangat luas. Misalnya,
penduduk dari suatu negara, provinsi, atau kabupaten.
Penarikan cluster random sampling lebih baik digunakan daripada simple random
sampling dan stratified random sampling jika:
1. Kerangka penarikan sampel yang lengkap tidak tersedia dan untuk memperolehnya
diperlukan biaya yang mahal.
2. Biaya untuk mengumpulkan eterangan meningkat dengan bertambah jauhnya jarak
antara satuan-satuan sampel.

Misalkan suatu penelitian bertujuan untuk mengetahui rata-rata pendapatan

penduduk di Kota Banda Aceh. Kecamatan yang ada di Kota Banda Aceh seperti Kecamatan
Syiah Kuala, Baiturrahman, Jaya Baru, Kuta Alam, Kuta Raja, dan lain sebagainya, dianggap
sebagai klaster. Apabila Kecamatan Syiah Kuala terpilih sebagai sampel, maka semua Rumah
Tangga yang berada pada kecamtan tersebut diteliti. Anggota rumah tangga yang bekerja
ditanya jumlah pendapatan yang diperoleh. Jadi, dengan menggunakan cluster random
sampling peneliti tidak harus mengetahui kerangka sampel untuk seluruh penduduk di Kota
Banda Aceh, tetapi cukup dengan mengetahui kerangka sampel untuk kecamatan yang
terpilih saja. Hal ini akan dapat menghemat waktu dan biaya.

PENDUGAAN RATAAN DAN TOTAL POPULASI

1. Notasi dalam pendugaan rataan dan total populasi
Berikut adalah beberapa notasi yang diperlukan di dalam pendugaan rataan dan
total populasi:
N = banyaknya klaster di dalam populasi
n = banyaknya klaster yang terpilih sebagai sampel
mi = banyaknya individu (unsur) di dalam klaster ke-i, dimana i = 1, 2, . . ., N
 = rata-rata ukuran klaster di dalam di dalam sampel

= banyaknya individu di dalam populasi

= rata-rata ukuran klaster di dalam populasi

yi. = total klaster ke-i

2. Pendugaan rataan populasi
Pendugaan terbaik rataan populasi adalah rataan sampel yang dihitung berdasarkan
rumus:

Ragam diduga dengan :

Jika M tidak diketahui, dapat digunakan m sebagai nilai dugaannya.

3. Pendugaan total populasi

Ada dua caramenduga total populasi, tergantungan apakah M (banyaknya individu di
dalam populasi) diketahui atau tidak:

a. M diketahui
Pendugaan total populasi adalah:

Pendugaan ragam adalah:

b. M tidak diketahui
Rata-rata total klaster dalam sampel:

Maka yt adalah dugaan tak bias dari rata-rata total N klaster di dalam populasi.
Dengan demikian Nyt adalah dugaan tak bias dari total populasi ( ).
Jadi, penduga total populasi adalah:
 Dengan penduga ragam:

Jika perbedaan ukuran klaster-klaster besar dan jika ukuran klaster berkorelasi
tinggi dengan total klaster, maka penduga yang disebutkan terakhir biasanya
mempunyai ketelitian yang lebih rendah dibandingkan dengan penduga pertama.

4. Penduga proporsi populasi

Jika misalnya ingin diketahui proporsi kepala keluarga yang berpendidikan
SMA/sederajat di Kota Banda Aceh, maka:
P = pelung proporsi populasi
p = proporsi sampel
a = total kepala keluarga yang berpendidikan SMA di dalam klaster ke-i
maka proporsi banyaknya kepala keluarga yang berpendidikan SMA di dalam sampel
klaster adalah:

dengan penduga ragam p:

Jika M tidak diketahui, dapat digunakan m sebagai dugaannya. Penduga ragam s(p)
hanya baik jika n≥20.

PENYIAPAN BAHAN

Pada tabel Lampiran 1 dicantumkan daftar provinsi dan kabupaten yang ada di Pulau
Sumatera, bersama-sama dengan angka Indeks Pembangunan Manusia (IPM) pada tahun
2015. Data ini akan digunakan sebagai populasi penarikan cluster random sampling, dengan
menganggap provinsi sebagai klaster dan kabupaten sebagai individu populasi. Klaster dan
ukurannyamasing-masing dapat dilihat pada Tabel 7.1 di bawah ini.

Tabel 7.1. Kerangka penarikan sampel berklaster dengan provinsi sebagai klaster dan
banyaknya kabupaten sebagai ukuran klaster
Klaster Ukuran Klaster
1. Aceh 23
 2. Sumatera Utara 33
3. Sumatera Barat 19
4. Riau 12
5. Jambi 11
6. Sumatera Selatan 17
7. Lampung 15
8. Kep. Bangka Belitung 7
9. Kep. Riau 7
Total 144

PROSEDUR KEGIATAN

1. Tentukan nilai untuk : N, M, dan

 Nilai N = 9
 Nilai M = = 144

 Nilai

2. Tariklah sampel acak berklaster berukuran (n) = 5 provinsi dari Tabel 7.1 di atas.
Kemudian ambi data IPM setiap kabupaten di dalam klaster terpilih dari Tabel Lampiran
1. Lengkapi Tabel 7.2 di bawah ini:

Tabel 7.2. Daftar klaster terpilih

Klaster Sampel Provinsi mi yi.

1 Riau 12 834,55
2 Jambi 11 749,69
3 Lampung 15 1075,34
4 Kep. Bangka Belitung 7 485,54
5 Kep. Riau 7 492,72

3. Hitunglah:
a. Dugaan rataan populasi:

b. Ragam contoh:
c. Duga ragam penduga rataan populasi dengan:
1. Menggunakan nilai M

2. Menggunakan nilai m

3. Dugaan total populasi:

4. Dugaan ragam penduga total populasi:

5. Buat selang kepercayaan 95% untuk rataan populsi µ :

Selang kepercayaan 95% menggunakan nilai M

Selang kepercayaan 95% menggunakan nilai m

 6. Buat selang kepercayaan 95% untuk total populasi :

Lampiran 1. Indeks Pembangunan Manusia setiap provinsi yang ada di Pulau Suamtera

Provinsi Kabupaten/Kota IPM

 1. Aceh 01. Simeulue 63.16
02. Aceh Singkil 66.05
03. Aceh Selatan 63.28
04. Aceh Tenggara 66.77
05. Aceh Timur 64.55
06. Aceh Tengah 71.51
07. Aceh Barat 68.41
08. Aceh Besar 71.70
09. Pidie 68.68
10. Bireuen 69.77
11. Aceh Utara 66.85
12. Aceh Barat Daya 63.77
13. Gayo Lues 63.67
14. Aceh Tamiang 67.03
15. Nagan Raya 66.73
16. Aceh Jaya 67.53
17. Bener Meriah 70.62
18. Pidie Jaya 70.49
19. Kota Banda Aceh 83.25
20. Kota Sabang 72.51
21. Kota Langsa 74.74
22. Kota Lhokseumawe 75.11
23. Kota Subulussalam 61.32

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

2. Sumatera Utara 01. Nias 58.85

 02. Mandailing Natal 63.99
03. Tapanuli Selatan 67.63
04. Tapanuli Tengah 67.06
05. Tapanuli Utara 71.32
06. Toba Samosir 73.40
07. Labuhanbatu 70.23
08. Asahan 68.40
09. Simalungun 71.24
10. Dairi 69.00
11. Karo 72.69
12. Deli Serdang 72.79
13. Langkat 68.53
14. Nias Selatan 58.74
15. Humbang Hasundutan 66.03
16. Pakpak Bharat 65.53
17. Samosir 68.43
18. Serdang Bedagai 68.01
19. Batu Bara 66.02
20. Padang Lawas Utara 67.35
21. Padang Lawas 65.99
22. Labuhanbatu Selatan 69.67
23. Labuhanbatu Utara 69.69
24. Nias Utara 59.88
25. Nias Barat 58.25
26. Kota Sibolga 71.64
27. Kota Tanjungbalai 66.74
28. Kota Pematangsiantar 76.34
29. Kota Tebing Tinggi 72.81
30. Kota Medan 78.87
31. Kota Binjai 73.81
32. Kota Padangsidimpuan 72.80
33. Kota Gunungsitoli 66.41

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

3. Sumatera Barat 01. Kepulauan Mentawai 57.41

02. Pesisir Selatan 68.07
 03. Solo 67.12
04. Sawah Lunto/Sujunjung 65.30
05. Tanah Datar 69.49
06. Padang Pariaman 68.04
07. Agama 69.84
08. Limapuluh Koto 67.65
09. Pasaman 64.01
10. Solok Selatan 67.09
11. Dharmas Raya 69.84
12. Pasaman Barat 65.26
13. Kota Padang 80.36
14. Kota Solok 76.83
15. Kota Sawah Lunto 69.87
16. Kota Padang Panjang 75.98
17. Kota Bukit Tinggi 78.72
18. Kota Payakumbuh 77.42
19. Kota Pariaman 74.98

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

4. Riau 01. Kuantan Sengingi 68.32

02. Indragiri Hulu 68.00
03. Indragiri Hilir 64.80
04. Pelalawan 69.82
05. Siak 72.17
06. Kampar 71.28
07. Rokan Hulu 67.29
08. Bengkalis 71.29
09. Rokan Hilir 66.81
10. Kepulauan Meranti 63.25
11. Kota Pekan Baru 79.32
12. Kota Dumai 72.20
Tabel Lampiran 1 (lanjutan)
Provinsi Kabupaten/Kota IPM

5. Jambi 01. Kerinci 68.89

02. Merangin 67.15
03. Sarolangun 68.10
04. Batanghari 68.50
05. Muara Jambi 66.66
 06. Tanjung Jabung Timur 61.12
07. Tanjung Jabung Barat 65.03
08. Tebo 67.29
09. Bungo 68.34
10. Kota Jambi 75.58
11. Kota Sungai Penuh 73.03

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

6. Sumatera Selatan 01. Ogan Komering Ulu 67.18

02. Ogan Komering Ilir 64.73
03. Muara Enim 65.82
04. Lahat 65.25
05. Musi Rawas 64.11
06. Musi Banyuasin 65.76
07. Banyuasin 64.15
08. Ogan Komering Ulu Selatan 62.57
09. Ogan Komering Ulu Timur 67.17
10. Ogan Ilir 65.35
11. Empat Lawang 63.55
12. Pali 60.83
13. Musi Rawas Utara 62.32
14. Kota Palembang 76.29
15. Kota Prabumulih 73.19
16. Kota Pagar Alam 65.37
17. Kota Lubuk Linggau 73.17

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

7. Lampung 01. Lampung Barat 70.37

02. Tanggamus 72.66
03. Lampung Selatan 71.25
04. Lampung Timur 72.14
05. Lampung Tengah 72.30
06. Lampung Utara 71.70
 07. Way Kanan 71.08
08. Tulang Bawang 71.86
09. Pesawaran 71.25
10. Pringsewu 73.22
11. Mesuji 68.79
12. Tulang Bawang Barat 70.38
13. Pesisir Barat 68.43
14. Kota Bandar Lampung 74.81
15. Kota Metro 75.10

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

8. Kep. Bangka Belitung 01. Bangka 70.03
02. Belitung 70.29
03. Bangka Barat 67.23
04. Bangka Tengah 68.66
05. Bangka Selatan 63.89
06. Belitung Timur 68.83
07. Kota Pangkal Pinang 76.61

Tabel Lampiran 1 (lanjutan)

Provinsi Kabupaten/Kota IPM

9. Kep. Riau Karimun 68.72

Bintan 71.65
Natuna 70.06
Lingga 60.75
Kepulauan Anambas 65.12
Kota Batam 79.13
Kota Tanjungpinang 77.29

REFERENSI

Supranto, J. 2008. Statistik Teori dan Aplikasi edisi ketujuh. Erlangga, Jakarta.

Walpole, Ronald E. 1992. Pengantar Statistika edisi ketiga. Terjemahan dari Introduction to
Statistics, oleh Bambang Sumantri, Penerbit Gramedia, Jakarta.