Perbedaan Antara Stratified dan Cluster Sampling

Dalam artikel kami sebelumnya, kami telah membahas probabilitas dan pengambilan sampel non-probabilitas, di mana kami menemukan berbagai jenis pengambilan sampel probabilitas, yaitu Stratified Sampling dan Cluster Sampling. Dalam teknik pengambilan sampel bertingkat, sampel dibuat dari pemilihan acak elemen-elemen dari semua strata sementara dalam cluster sampling, semua unit cluster yang dipilih secara acak membentuk sampel..

Dalam pengambilan sampel bertingkat, proses dua langkah diikuti untuk membagi populasi menjadi subkelompok atau strata. Sebagai lawan, dalam cluster sampling awalnya sebuah partisi objek penelitian dibuat menjadi subkelompok yang saling eksklusif dan kolektif, yang dikenal sebagai cluster. setelah itu sampel acak cluster dipilih, berdasarkan pengambilan sampel acak sederhana.

Dalam kutipan artikel ini, Anda dapat menemukan semua perbedaan antara stratified dan cluster sampling, jadi baca.

Isi: Pengambilan Sampel Stratifikasi Vs Cluster

1. Grafik perbandingan
2. Definisi
3. Perbedaan utama
4. Kesimpulan

Grafik perbandingan

Dasar untuk Perbandingan	Pengambilan Sampel Stratifikasi	Pengambilan Sampel Cluster
Berarti	Pengambilan sampel bertingkat adalah satu, di mana populasi dibagi menjadi segmen homogen, dan kemudian sampel diambil secara acak dari segmen tersebut..	Pengambilan sampel cluster mengacu pada metode pengambilan sampel di mana anggota populasi dipilih secara acak, dari kelompok yang terbentuk secara alami yang disebut 'cluster'.
Sampel	Individu yang dipilih secara acak diambil dari semua strata.	Semua individu diambil dari kelompok yang dipilih secara acak.
Pemilihan elemen populasi	Secara individual	Secara kolektif
Homogenitas	Di dalam kelompok	Antar kelompok
Heterogenitas	Antar kelompok	Di dalam kelompok
Pencabangan dua	Dipaksakan oleh peneliti	Kelompok yang terbentuk secara alami
Objektif	Untuk meningkatkan presisi dan representasi.	Untuk mengurangi biaya dan meningkatkan efisiensi.

Definisi Pengambilan Sampel Stratifikasi

Stratified sampling adalah jenis sampling probabilitas, di mana pertama-tama populasi dibagi menjadi dua subkelompok (strata) homogen yang saling eksklusif, setelah itu, subjek dipilih secara acak dari masing-masing kelompok (strata), yang kemudian digabungkan untuk membentuk satu sampel. Strata tidak lain adalah himpunan bagian yang homogen dari populasi, dan ketika semua strata disatukan, itu dikenal sebagai strata.

Faktor umum di mana populasi dipisahkan adalah usia, jenis kelamin, pendapatan, ras, agama, dll. Poin penting yang perlu diingat adalah bahwa strata harus lengkap secara kolektif sehingga tidak ada individu yang ditinggalkan dan juga tidak tumpang tindih karena strata yang tumpang tindih mungkin menghasilkan peningkatan peluang pemilihan beberapa elemen populasi. Sub-jenis pengambilan sampel bertingkat adalah:

• Pengambilan Sampel Stratifikasi Proporsional
• Pengambilan Sampel Stratifikasi yang Tidak proporsional

Definisi Cluster Sampling

Pengambilan sampel cluster didefinisikan sebagai teknik pengambilan sampel di mana populasi dibagi menjadi pengelompokan yang sudah ada (cluster), dan kemudian sampel cluster dipilih secara acak dari populasi. Istilah cluster mengacu pada pengelompokan anggota populasi yang alami, tetapi heterogen.

Variabel yang paling umum digunakan dalam populasi cluster adalah area geografis, bangunan, sekolah, dll. Heterogenitas cluster adalah fitur penting dari desain sampel cluster yang ideal. Jenis-jenis cluster sampling diberikan di bawah ini:

• Pengambilan sampel klaster satu tahap
• Pengambilan sampel klaster dua tahap
• Pengambilan sampel multistage cluster

Perbedaan Kunci Antara Stratified dan Cluster Sampling

Perbedaan antara stratified dan cluster sampling dapat ditarik dengan jelas dengan alasan berikut:

1. Prosedur pengambilan sampel probabilitas di mana populasi dipisahkan menjadi segmen homogen yang berbeda yang disebut 'strata', dan kemudian sampel dipilih dari setiap strata secara acak, disebut Stratified Sampling. Cluster Sampling adalah teknik pengambilan sampel di mana unit-unit populasi dipilih secara acak dari kelompok yang sudah ada yang disebut 'cluster.'
2. Dalam pengambilan sampel bertingkat, individu dipilih secara acak dari semua strata, untuk menjadi sampel. Di sisi lain cluster sampling, sampel terbentuk ketika semua individu diambil dari kelompok yang dipilih secara acak.
3. Dalam cluster sampling, elemen populasi dipilih secara agregat, namun, dalam kasus pengambilan sampel bertingkat, elemen populasi dipilih secara individual dari setiap strata.
4. Dalam pengambilan sampel bertingkat, ada homogenitas dalam kelompok, sedangkan dalam kasus pengambilan sampel kluster, homogenitas ditemukan antara kelompok-kelompok..
5. Heterogenitas terjadi antara kelompok dalam pengambilan sampel bertingkat. Sebaliknya, anggota kelompok heterogen dalam cluster sampling.
6. Ketika metode pengambilan sampel yang diadopsi oleh peneliti distratifikasi, maka kategori tersebut diberlakukan olehnya. Sebaliknya, kategorinya adalah kelompok yang sudah ada dalam cluster sampling.
7. Pengambilan sampel bertingkat bertujuan untuk meningkatkan presisi dan representasi. Tidak seperti cluster sampling yang tujuannya adalah untuk meningkatkan efektivitas biaya dan efisiensi operasional.

Kesimpulan

Untuk mengakhiri diskusi, kita dapat mengatakan bahwa situasi yang lebih disukai untuk pengambilan sampel bertingkat adalah ketika kesamaan dalam suatu strata individu dan strata berarti berbeda satu sama lain. Di sisi lain, situasi standar untuk pengambilan sampel klaster adalah ketika keragaman dalam kelompok dan kelompok tidak boleh berbeda satu sama lain.

Lebih lanjut, kesalahan pengambilan sampel dapat dikurangi dalam pengambilan sampel bertingkat jika perbedaan antar kelompok antar strata meningkat, sedangkan perbedaan antar kelompok di antara kelompok harus diminimalkan untuk mengurangi kesalahan pengambilan sampel dalam pengambilan sampel kelompok.