Perbedaan Antara Stratified Sampling dan Cluster Sampling

Pengambilan Sampel Stratifikasi vs. Pengambilan Cluster

Dalam statistik, terutama ketika melakukan survei, penting untuk mendapatkan sampel yang tidak bias, sehingga hasil dan prediksi yang dibuat mengenai populasi lebih akurat. Tetapi, dalam pengambilan sampel acak sederhana, ada kemungkinan untuk memilih anggota sampel yang bias; dengan kata lain, itu tidak mewakili populasi secara adil. Oleh karena itu, pengambilan sampel bertingkat dan pengambilan sampel kluster digunakan untuk mengatasi masalah bias dan efisiensi dari pengambilan sampel acak sederhana.

Pengambilan Sampel Stratifikasi

Stratified random sampling adalah metode pengambilan sampel di mana populasi pertama kali dibagi menjadi strata (strata adalah subset populasi yang homogen). Kemudian sampel acak sederhana diambil dari masing-masing strata. Hasil dari setiap strata yang digabungkan merupakan sampel. Berikut ini adalah contoh-contoh kemungkinan strata dalam populasi

• Untuk populasi suatu negara, strata pria dan wanita

• Untuk orang yang bekerja di kota, strata penduduk dan non-residen

• Untuk siswa di perguruan tinggi, kulit putih, kulit hitam, Hispanik, dan strata Asia

• Untuk audiensi debat tentang strata teologi, Protestan, Katolik, Yahudi, dan Muslim

Dalam proses ini, daripada mengambil sampel secara acak langsung dari populasi, populasi dipisahkan menjadi kelompok-kelompok dengan menggunakan karakteristik yang melekat dari unsur-unsur (kelompok homogen). Kemudian sampel acak diambil dari kelompok. Jumlah sampel acak yang diambil dari masing-masing kelompok tergantung pada jumlah elemen dalam kelompok.

Ini memungkinkan pengambilan sampel dilakukan tanpa sampel satu kelompok lebih besar dari jumlah sampel yang diperlukan dari kelompok tertentu. Jika jumlah elemen dari kelompok tertentu lebih besar dari jumlah yang diperlukan, kemiringan dalam distribusi dapat menyebabkan interpretasi yang salah.

Pengambilan sampel bertingkat memungkinkan penggunaan metode statistik yang berbeda untuk setiap strata, yang membantu dalam meningkatkan efisiensi dan akurasi estimasi.

Pengambilan Sampel Cluster

Cluster random sampling adalah metode pengambilan sampel di mana populasi pertama kali dibagi menjadi cluster (Cluster adalah subset heterogen dari populasi). Kemudian sampel acak sederhana dari cluster diambil. Semua anggota cluster terpilih bersama-sama merupakan sampel. Metode ini sering digunakan ketika pengelompokan alami jelas dan tersedia.

Sebagai contoh, pertimbangkan survei untuk mengevaluasi keterlibatan siswa sekolah menengah dalam kegiatan ekstrakurikuler. Daripada memilih siswa secara acak dari populasi siswa, memilih kelas sebagai sampel untuk survei ini adalah cluster sampling. Kemudian setiap anggota kelas diwawancarai. Dalam hal ini, kelas adalah kelompok populasi siswa.

Dalam pengambilan sampel cluster, itu adalah cluster yang dipilih secara acak, bukan individu. Diasumsikan bahwa masing-masing cluster dengan sendirinya merupakan representasi populasi yang tidak bias, yang menyiratkan bahwa masing-masing cluster adalah heterogen.

Apa perbedaan antara Stratified Sampling dan Cluster Sampling?

• Dalam pengambilan sampel bertingkat, populasi dibagi menjadi kelompok-kelompok homogen yang disebut strata, menggunakan atribut sampel. Kemudian anggota dari setiap strata dipilih, dan jumlah sampel yang diambil dari strata tersebut sebanding dengan keberadaan strata dalam populasi.

• Dalam pengambilan sampel kluster, populasi dikelompokkan ke dalam kelompok, sebagian besar berdasarkan lokasi, dan kemudian suatu kelompok dipilih secara acak..

• Dalam pengambilan sampel cluster, sebuah cluster dipilih secara acak, sedangkan dalam pengambilan sampel bertingkat anggota dipilih secara acak.

• Dalam pengambilan sampel bertingkat, setiap kelompok yang digunakan (strata) termasuk anggota yang homogen sedangkan, dalam pengambilan sampel kelompok, suatu kelompok adalah heterogen.

• Pengambilan sampel bertingkat lebih lambat sedangkan pengambilan sampel klaster relatif lebih cepat.

• Sampel bertingkat memiliki kesalahan yang lebih sedikit karena memperhitungkan anjak di masing-masing kelompok dalam populasi dan mengadaptasi metode untuk mendapatkan estimasi yang lebih baik.

• Cluster sampling memiliki persentase kesalahan yang lebih tinggi.