MULTISTAGE RANDOM SAMPLING
(SAMPLING ACAK BERTINGKAT)
A. Pengertian Multistage Random Sampling
Multistage sampling merupakan penggunaan banyak sekali metode random sampling secara serempak seefisien dan seefektif mungkin (Fathkhurohim, 2009). Multistage sampling merupakan permasalahan khusus dari cluster sampling. Di mana pada tahap kedua kita tidak memutuskan semua elemen dari cluster, namun beberapa elemen yang diseleksi dengan cara acak Barreiro, dkk. (2001). Multistage random sampling ini sanggup menggunakan adonan dari teknik sampling yang lain. Minimal dua teknik yang sanggup dipakai pada teknik ini, menyerupai simple random, stratified random, systematic random, dan cluster random.
Pada klaster terpilih, diseleksi elemen sampel dan selanjutnya warta cuma dikumpulkan dari elemen terpilih. Multistage random sampling dilaksanakan dengan menggunakan dua tahap, tahap pertama disebut primary unit dan tahap kedua merupakan secondary units.
Cara ini merupakan salah satu model pengambilan sampel secara acak yang pelaksanaannya ditangani dengan membagi populasi menjadi beberapa fraksi. Fraksi yang dihasilkan dibagi lagi menjadi fraksi-fraksi yang lebih kecil. Dari fraksi kecil inilah kemudian sampel diambil.
Penarikan sampel dengan teknik ini gotong royong tidak jauh berlainan dengan penarikan sampel dengan teknik cluster random sampling. Penarikan sampel dengan cluster random sampling ditangani dengan memutuskan elemen tertentu, yang mana elemen tersebut mewakili seluruh elemen dalam sebuah cluster. Sedangkan pada teknik multistage random sampling penarikan sampelnya ditangani lebih luas, yakni tidak pribadi ditangani penarikan sampel pada elemen, namun lewat cluster apalagi dahulu.
B. Syarat-syarat Menggunakan Multistage Random Sampling
Syarat-syarat yang mesti dipahami apalagi dulu dalam menggunakan multistage sampling, antara lain :
1. Populasinya cukup homogen.
2. Jumlah populasi sungguh besar.
3. Populasi menempati tempat yang sungguh luas.
4. Tidak tersedianya kerangka sampel yang menampung unit-unit yang terkecil (ultimate sampling unit)
C. Kelebihan dan Kekurangan Multistage Random Sampling
1. Kelebihan multistage random sampling menurut Eko (2002) antara lain :
a. Varian yang relatif kecil untuk ongkos setiap unit.
b. Kontrol terhadap kesalahan tak sampling menjadi lebih baik.
c. Penelitian ulang memerlukan ongkos yang relatif kecil.
d. Kontrol terhadap liputan observasi lebih gampang dilakukan.
e. Dapat menggunakan metode yang berlainan pada setiap tahapannya.
f. Anggota sampel yang diambil lebih respresentatif
2. Kekurangan multistage random sampling menurut Nasution (2003) antara lain :
1. Prosedur perhitungan sulit
2. Prosedur pengambilan keputusan sampel memerlukan penyusunan rencana yang lebih cermat.
3. Pengujian lebih susah dilakukan.
D. Langkah-langkah penerapan Multistage Random Sampling
Menurut Febrike (2015) tindakan menggunakan multistage random sampling dapat ditangani pada pupolasi yang homogen. Selanjutnya Febrike (2015) memaparkan langkahnya selaku berikut: 1) Tetapkan populasi; 2) Tetapkan tingkatan; 3) Hitung besar sample; 4) Ambil secara acak sejumlah unsur pada tiap tingkatan; dan 5) Pada tingkat terakhir ambil sampel secara acak sesuai besar sampel.
Untuk lebih jelasnya sanggup digambarkan selaku berikut:
Gambar 1
Selanjutnya Rifasah (2013) menyertakan bahwa pengambilan sampel sanggup ditangani dengan langkah selaku berikut:
Misalnya observasi dilaksanakan di Kabupaten Cirebon. Maka langkah-langkahnya sanggup digambarkan selaku berikut:
Langkah 1 : Memilih j kecamatan dari J kecamatan yang ada di kabupaten A.
Langkah 2 : Pada j kecamatan terpilih, diseleksi k kelurahan/desa dari K kelurahan/desa yang dikecamatan terpilih.
Langkah 3 : Pada k kelurahan/desa terpilih, diseleksi l sekolah dasar dari L sekolah dasar yang ada di kelurahan/desa.
Langkah 4 : Pada l sekolah terpilih, diseleksi m kelas dari M kelas yang ada.
Langkah 5 : Pada m kelas terpilih, diseleksi semua murid yang ada di kelas terpilih.
Keterangan:
J, K, L, M : merupakan aba-aba untuk populasi
j, k, l, m : merupakan aba-aba untuk sampel
E. Contoh Penerapan Multistage Random Sampling
Multistage Random Sampling disebut juga sampling kalangan dua tingkat, lantaran menggunakan lebih dari satu tahap atau tingkat. Di bawah ini cara penyeleksian sampel beserta misalnya menurut Supranto (2007, hlm. 266-282) sebagai berikut:
1. Arti Sampling Kelompok Dua Tingkat (Multistage Random Sampling) dan Cara Pemilihan Sampel
Sampling kalangan dua tingkat (Multistage Random Sampling) merupakan sampling kalangan di mana setiap kalangan yang terpilih sebagai sampel, diseleksi lagi sampel elemen dari masing-masing kelompok.
Dengan demikian ada dua tingkat aktivitas yaitu: Pertama, Memilih kalangan selaku sampel; Kedua, Memilih elemen dari kalangan yang terpilih. Dari kedua langkah ini maka sanggup didefinisikan bahwa sampel kalangan dua tingkat (Multistage Random Samping) merupakan sampel yang diperoleh dengan dua tingkat, yakni pertama memutuskan sampel kalangan secara acak dari populasi kelompok; kedua memutuskan sampel elemen dari kalangan yang terpilih selaku sampel.
Sebagai teladan dari beberapa permasalahan misalnya pertama memutuskan universitas selaku sampel, kemudian memutuskan sampel mahasiswa dari setiap universitas yang terpilih; pertama memutuskan sampel kantor cabang kemudian memutuskan sampel karyawan dari kantor cabang yang terpilih, memutuskan desa selaku sampel kemudian memutuskan sampel petani dari desa yang terpilih; pertama memutuskan blok toko selaku sampel kemudian memutuskan sampel toko dari blok yang terpilih; pertama memutuskan rumah sakit selaku sampel kemudian memutuskan sampepasien dari rumah-rumah sakit yang terpilih; pertama memutuskan sampel tambak ikan, kemudian memutuskan sampel ikan dari tambak yang terpilih; pertama memutuskan sampel pasar kemudian memutuskan sampel pedagang dari pasar yang terpilih; pertama memutuskan sampel kota besar kemudian memutuskan sampel kedai makanan padang dari kota besar yang terpilih; pertama memutuskan sampel RT, memutuskan sampel warga penduduk dari RT yang terpilih.
Dalam teladan tersebut yang menjadi kalangan atau cluster merupakan universitas, kantor cabang, desa, blok toko, rumah sakit, tambak ikan, pasar, kota besar dan RT. Adapun elemennya merupakan mahasiswa, karyawan, petani, toko, pasien, ikan, pedagang kedai makanan padang dan warga/ penduduk.
Sampel elemen, dari kalangan terpilih.
Kemudian dalam hal ini kalangan sanggup diperlakukan selaku stratum, sedangkan perbedaannya kalangan mesti diseleksi dari populasi kelompok, selaku sampel kelompok, tidak semua kalangan diteliti, namun semua stratum diteliti lewat sampel yang diseleksi dari stratum.
Stratum.
Sampel dari semua stratum
Stratum kelompok(cluster)
Kelompok terpilih Sampel, hanya dari kelompok terpilih.
Seluruh kalangan merupakan populasi dan populasi kalangan yang juga seluruh stratum merupakan populasi. Stratum diperoleh dengan jalan membagi populasi menjadi populasi yang kecil (sub population).
Di dalam penelitian, semua stratum mesti diambil/ diseleksi sampelnya. Akan tetapi, tidak semua kalangan diambil sampelnya.
Manfaat SKDT sama menyerupai sampling kelompok, apabila daripada sampling acak sederhana dan berlapis, SKDT lebih hemat biaya ongkosnya dan lebih gampang dalam mengadministrasikannya.
Sekarang bagaimana cara memutuskan sampelnya?
Persoalan yang dihadapi di dalam memutuskan sampel kalangan dua tingkat merupakan memutuskan kalangan yang sempurna (appropriate clusters).
Dua syarat mesti dipenuhi, yaitu:
a. secara geografis elemen dalam kalangan mesti saling berdekatan.
b. kelompok sedikit saja agar gampang mengadministrasikannya.
Di dalam memutuskan sampel baik sampel kalangan maupun sampel elemen dalam kalangan yang terpilih ditangani secara acak dengan menggunakan tabel bilangan acak (random table).
Pemilihan kalangan yang sempurna juga tergantung apakah peneliti akan memutuskan sedikit kalangan dengan banyak yang dikandungnya atau banyak kalangan dengan sedikit elemen dari setiap kelompok. Pemilihan lazimnya tergantung pada biaya.
Kelompok yang besar condong memiliki elemen yang heterogen. Dengan demikian diperlukan penyeleksian banyak elemen dari setiap kalangan sehingga diperoleh hasil observasi dengan tingkat yang tinggi.
Perhatikan dua teladan berikut:
a. Seorang jago ekonomi berencana menciptakan asumsi pengeluaran konsumsi penduduk sebuah kota besar. Untuk maksud tersebut kota dibagi menjadi blok-blok dapat juga menurut RT, kalau seandainya didasadari pikiran bahwa pengeluaran konsumsi per rumah tangga dalam RT tak jauh berlainan (sama pegawai bank, sama pegawai negeri, sama pegawai swasta), maka lebih baik memutuskan banyak sampel RT alasannya merupakan dari RT ke RT pengeluaran konsumsi sungguh berlainan dan memutuskan sampel rumah tangga dalam setiap RT.
b. Seorang pengamat politik, ingin memperkirakan berapa mahasiswa yang setuju aktivitas kerja partai A. Kalau ada pikiran yang layak diandalkan bahwa mahasiswa dalam sebuah universitas lazimnya memiliki usulan yang hamper sama, tak jauh berbeda, maka perlu diseleksi sampel universitas yang lumayan banyak akan namun sampel mahasiswa yang diseleksi dari universitas yang terpilih tidak perlu terlalu banyak.Tetapi sebaliknya kalau usulan mahasiswa sungguh berlainan dari setiap universitas dan sungguh menyerupai antar universitas-universitas yang diseleksi selaku sampel sedikit saja dan mahasiswa yang diseleksi selaku sampel dari universitas yangharus banyak.
2. Cara Memperkirakan Rata-rata dan Total
Seperti dalam pembahasan sebelumnya, kita akan membuat rata-rata (=U) jumlah (=T) dan sekaligus menjumlah besamya kesalahan sampling. Sekarang amati notasi berikut:
N = banyaknya kalangan dalam populasi
n = banyaknya kalangan dalam sampel acak
M = = banyaknya elemen dalam populasi
m = = banyaknya elemen dalam sampel
Perkiraan untuk rata-rata (= U)
di mana
dan
Kesalahan sampling = KS =
Pemerkira U, sungguh tergantung pada M, banyaknya elemen dalam populasi.
Cara untuk memperkirakan U jikalau M tak diketahuiakan dibahas dalam sub-bab berikutnya. Perhatikan bahwa merupakan varian sampel, untuk sampel yang diseleksi dari kalangan ke i.
Contoh soal 1
Suatu daerah, memiliki 90 sekolah yang terbaik, sekolah tersebut ingin memiliki lulusan yang bermutu dan diterima di sekolah yang baik. Oleh lantaran sekolah letaknya berjauhan satu sama lain secara geografis, maka dipastikan untuk menggunakan sekolah selaku kalangan (cluster) dan siswa selaku elemennya. Oleh lantaran setiap sekolah terdapat banyak siswa, akan tidak simpel kalau mesti menyidik catatan perihal dilema setiap siswanya. Maka dari itu dipastikan untuk menggunakan sampling dua tingkat, yakni pertama memutuskan sampel sekolah, kemudian kedua memutuskan sampel siswa dari sekolahyang sudah terpilih. Untuk kebutuhan ini diseleksi sampel sebanyak n = 10 sekolah, kemudian dari setiap sekolah yang terpilih, diseleksi sampel siswa sebanyak .
Dengan menggunakan data dari tabel berikut, dibuatlah asumsi rata-rata waktu siswa dan hitung juga samplingnya. Pergunakan tingkat kepercayaan 95%. Diketahui dari seluruh sekolah terdapat 4.500 siswa.
No. | Mi | mi | Lamanya (waktu masalah) dalam jam | Xi | S2 i |
1 | 50 | 10 | 5,7,9,11,2,8,4,3,5 | 5,40 | 11,38 |
2 | 65 | 13 | 4,3,7,2,11,9,1,9,4,3,2,1,5 | 4,00 | 10,67 |
3 | 45 | 9 | 5,6,4,11,12,0,1,8,4 | 5,67 | 16,75 |
4 | 48 | 10 | 6,4,0,1,0,9,8,4,6,10 | 4,80 | 13,29 |
5 | 52 | 10 | 11,4,3,1,0,2,8,6,5,3 | 4,30 | 11,12 |
6 | 58 | 12 | 12,11,3,4,2,0,0,1,4,3,2,4 | 3,83 | 14,88 |
7 | 42 | 8 | 3,7,6,7,8,4,3,2 | 5,00 | 5,14 |
8 | 66 | 13 | 3,6,4,3,2,2,8,4,0,4,5,6,3 | 3,85 | 4,31 |
9 | 40 | 8 | 6,4,7,3,9,1,4,5 | 4,88 | 6,13 |
10 | 56 | 11 | 6,7,5,10,11,2,1,4,0,5,4 | 5,00 | 11,80 |
Pemecahan
=
=
= 768,38
dan
=
= 0,037094.
Kesalahan sampling = KS = B = 2 = 2
Nilai Batas Bawah U = Û – 2Sû = 4,80 – 0,38 = 4,42
Nilai Batas Atas U = Û – 2Sû = 4,80 + 0,38 = 5,18
Jadi dengan tingkat kepercayaan 95% diinginkan interval antara 4,42 jam hingga dengan 5,18 jam akan menampung rata-rata waktu dilema persiswa.
Seperti halnya dalam sampling acak sederhana, di mana jumlah asumsi = T = XN, maka dalam sampling dua tingkat, T = Û M, di mana U = rata-rata asumsi per elemen (rata-rata waktu dilema per siswa)
Perkiraan total.
Perkiraan varian (T)
Kesalahan sampling = KS = B
KS = 2 = 2
Perhatikan bahwa menciptakan asumsi total (Ť) dan varian (Ť) ternyata tidak memerlukan M alasannya merupakan M akan lenyap dalam proses pembentukan rumus.
Ingat = , =
Contoh 2
Berdasarkan data dari teladan soal 2.1, buat asumsi interval jumlah (total) waktu/lamanya siswa bermasalah. Hitung juga kesalahan samplingnya. Tingkat kepercayaan 95%.
Pemecahan
= (2400,59) = 21.605,31
= (4500)2 (0,37094)
KS = kesalahan sampling = 2
Nilai Batas Bawah : - 2 = 21.605,31 – 2
= 21.605,31 – 1.733,4 = 19.871,91
Nilai Batas Atas = 21.605,31 + 1.733,4 = 23.338,71
Dengan tingkat keyakinan, jumlah waktu kerusakan mesin akan terletak antara 19.871,91 hingga dengan 23.338,71 jam akan menampung jumlah kerusakan mesin.
3. Perkiraan Rasio Untuk Rata-Rata
Pemerkira , tergantung pada M = banyaknya seluruh elemen populasi. Apabila M tidak diketahui, perlu diperkirakan dengan data dari sampel. Kita dapatkan pemerkira M dengan jalan mengalikan rata-rata banyaknya elemen per kalangan yakni dengan banyaknya kalangan dalam populasi yakni N.
Apabila kita ganti M dengan pemerkiranya, kita dapatkan sebuah pemerkira rasio dengan simbol atau notasi , alasannya merupakan baik pembilang maupun penyebut keduanya variabel acak.
Pemerkira rasio untuk rata-rata.
Varian asumsi untuk
di mana
dan
Kesalahan Sampling = KS = 2
( merupakan asumsi yang bias, akan namun bias ini sanggup diabaikan, kalau sampelnya cukup besar, yakni kalau n > 20.
Contoh soal 3
Berdasarkan data dari teladan soal 2.1, buat asumsi rata-rata waktu kerusakan mesin dengan menggunakan asumsi rasio, dengan tingkat kepercayaan 95% buat asumsi intervalnya. Misalnya M = banyaknya mesin dari seluruh pabrik tidak diketahui.
Hitung juga kesalahan sampling.
Pemecahan.
Oleh lantaran M tidak diketahui, kita mesti menggunakan Uáµ£ selaku asumsi untuk U.
= =
Untuk memperkirakan varian ( kita mesti menjumlah
= [ 583.198,6721 – 2 (4,60) (126,530,870 + (4,6) ] (27,978) ]
= 1236,57
Perhatikan bahwa menyerupai pada teladan soal 2.1
Kita sanggup memperkirakan M dengan menggunakan rata-rata banyaknya siswa per sekolah dalam sampel.
Perkiraan varian ( ) merupakan selaku berikut :
Kesalahan Sampling = KS = 2
Nilai Batas Bawah =
Nilai Batas Ata =
Dengan tingkat kepercayaan sebesar 95%, interval antara 4,16 jam hingga dengan 5,04 jam akan menampung rata-rata waktu masalah persiswa.
4. Cara Memperkirakan Proposi
Misalnya ingin dibikin asumsi proposi bibit/benih ikan yang mati dari seluruh tambak ikan lele di Indonesia, proposi nasabah bank yang tak puas dari seluruh bank pemerintah, proposi anak sekolah SD di Jakarta yang pernah sakit gigi, proposi masiswa Perguruan Tinggi Swasta yang mengeluh ongkos sekolah terlalu tinggi, proposi mesin jahit yang rusak sebulan yang lalu,proposi proyek yang belum selesai pada waktunya dan lain sebagainya. Untuk menciptakan perkiraaan P = proposi, kita bisa menggunakan rumus untuk , asalkan nilai
Oleh lantaran lazimnya M tak diketahui, kita pergunakan rumus untuk menjumlah P, menyerupai rumus untuk . Misalkan = proposi sampel elemen dari kalangan ke i yang tergolong dalam klasifikasi yang kita perhatikan.
Pemerkira untuk proposi
Perkiraan varian untuk
dan
KS = 2 S
Contoh soal 4
Sesuai dengan data dari teladan soal 1, pemerintah ingin memperkirakan proporsi sekolah yang mengalami kerusakan sebulan yang lalu, sehingga memerlukan perbaikan dengan tingkat kepercayaan 95%. Untuk memperkirakan interval proporsi sekolah yang mengalami kerusakan sebulan yang lalu. Hitung juga kesalahan samplingnya dan pergunakan data berikut:
No. | Mi | mi | Pi |
1 | 50 | 10 | 0,40 |
2 | 65 | 13 | 0,38 |
3 | 45 | 9 | 0,22 |
4 | 48 | 10 | 0,30 |
5 | 52 | 10 | 0,50 |
6 | 58 | 12 | 0,25 |
7 | 42 | 8 | 0,38 |
8 | 66 | 13 | 0,31 |
9 | 40 | 8 | 0,25 |
10 | 56 | 11 | 0,36 |
i = Proporsi siswa yang mengalami masalah. Pemecahan
= = = 0,34
Buat asumsi varian
=
= [ 3381,4688 – 2 (0,34) (9484,84) + (0,34)2 (27.978)]
= 18.4482.
= (50)2 [ + … + (56)2
= [
= 0,00081
KS = 2S = 2 = 0,056
Nilai Batas Bawah = 0,34 – 0,056 = 0,284 = 0,28
Nilai Batas Atas = 0,34 + 0,056 = 0,396 = 0,40
Dengan tingkat kepercayaan 95%, interval antara 0,28 hingga dengan 0,40 akan menampung proporsi mesin jahit yang rusak.
F. Penggunaan Aplikasi Komputer dalam Menggunakan Multistage Random Sampling
Pada teladan ini akan menggunakan sekolah yang ada di Kota Bandung lantaran tempat yang lebih strategis dan memperkecil ongkos yang dikeluarkan. Pada belahan ini akan ditangani pembuatan data menggunakan Metode Non Hierarki. Apabila salah satu sekolah di Kota Bandung sudah dirandom, maka selanjutnya mengenali kepuasan orang renta pada kinerja sekolah tersebut. Sebelumnya buatlah tabel data pada excel. Menurut Usman dan Sobari (2013),pada metode ini tentukan jumlah cluster yang mau dibikin sebanyak 3, maka kita sanggup melaksanakan pembuatan data dengan beberapa langkah berikut :
· Klik Analyze
· Klik Classify
· Klik K-Means Cluster
Setelah perintah-perintah di atas dilakukan, maka akan timbul dialogue box sebagaimana sanggup dilihat di bawah ini:
Pada dialogue box tersebut, ikuti perintah-perintah berikut ini:
· Masukkan variable yang digunakan.
· Masukkan jumlah cluster yakni 3, ke dalam kotak “Number of Cluster”.
· Pilih Method. Jika tidak memerlukan proses iterasi, pilih “Classify Only”.
· Klik button “Option” yang terletak di sebelah kanan dialogue box.
Kemudian akan timbul dialogue box, sebagaimana sanggup dilihat di bawah ini.
Pilihlah statistik yang dibutuhkan. Untuk permasalahan ini cuma diperlukan “ANOVA Table” saja, sehingga cuma statistik itu saja yang di klik. Setelah melaksanakan perintah tersebut, clik “Continue”, dan kita akan kembali terhadap dialogue box utama.
Kemudian untuk menyimpan nomor kalangan untuk masing-masing responden di worksheet, klik “save”, yang kemudian menimbulkan dialogue box berikut.
Selanjutnya klik kotak “Cluster Membership”, yang kemudian dilanjutkan dengan mengklik “Continue”. Setelah kembali pada dialogue box utama, klik “OK”. Selanjutnya akan sanggup output sebagaimana sanggup dilihat di bawah ini :
Dari output yang didapat, hal yang penting untuk diamati merupakan tabel ANOVA. Teknik analisanya sama dengan ANOVA pada pembahasan Hirarki. Berdasarkan Tabel ANOVA sanggup ditarik kesimpulan bahwa responden dalam ketiga cluster mempunyai kepentingan yang relatif sama untuk Tangible, Emphaty dan Responsiveness. Akan tetapi, memiliki kepentingan yang berlainan terhadap tiga variable lainnya menyerupai yang terlihat pada hasil di bawah ini:
Quick Cluster
Final Cluster Centers | |||
Cluster | |||
1 | 2 | 3 | |
Tangible | 2 | 2 | 2 |
Emphaty | 3 | 7 | 7 |
Responsiveness | 6 | 4 | 4 |
Realibility | 6 | 3 | 6 |
Ansurrance | 8 | 2 | 7 |
ANOVA | ||||||
Cluster | Error | F | Sig. | |||
Mean Square | df | Mean Square | df | |||
Tangible | .396 | 2 | .816 | 37 | .485 | .619 |
Emphaty | 95.584 | 2 | 1.263 | 37 | 75.677 | .000 |
Responsiveness | 29.317 | 2 | 1.875 | 37 | 15.638 | .000 |
Realibility | 13.215 | 2 | 2.883 | 37 | 4.584 | .017 |
Ansurrance | 43.270 | 2 | .860 | 37 | 50.289 | .000 |
Uji mesti dipakai cuma untuk tujuan penjelasan, lantaran kalangan sudah diseleksi untuk memaksimalkan perbedaan permasalahan dalam kalangan yang berbeda. Tingkat perbedaan yang sudah diobservasi tidak sempurna pada hal ini dan tidak dapat diinterpretasikan selaku beberapa uji dari hipotesa dari kalangan tersebut yang memiliki arti sama/ seimbang.
Number of Cases in each Cluster | ||
Cluster | 1 | 14.000 |
2 | 3.000 | |
3 | 23.000 | |
Valid | 40.000 | |
Missing | 5.000 | |
Hal penting yang lain dari output ini merupakan jumlah responden pada Cluster 1 sebanyak 14 orang, Cluster 2 sebanyak 3 orang sedangkan Cluster 3 sebanyak 23 orang.
Berdasarkan angka rata-rata dalam tabel Final Cluster Centers, ketiga cluster sanggup dirincikan selaku berikut:
· Cluster 1: lebih menekankan pada Ansurrance.
· Cluster 2: lebih menekankan pada Emphaty.
· Cluster 3: lebih menekankan pada Emphaty dan Ansurrance.
G. Ringkasan Materi
Multistage random sampling merupakan penggunaan banyak sekali metode random sampling secara serempak seefisien dan seefektif mungkin. Dalam menggunakan multistage sampling, hal yang perlu diamati merupakan populasinya cukup homogen, jumlah populasi sungguh besar, populasi menempati tempat yang sungguh luas, dan tidak tersedianya kerangka sampel yang menampung unit-unit yang terkecil (ultimate sampling unit).
Dalam multistage random sampling, untuk area yang luas, menyerupai sekolah yang berada di tempat Kota Bandung. Pertama-tama dibagi menjadi tempat yang lebih kecil (sekolah yang ada di Kecamatan), dan sampel di acak dari tempat yang dikumpulkan. Pada tahap kedua, sampel acak dari area yang lebih kecil (seperti desa) diambil dari dalam masing-masing tempat yang diseleksi pada tahap pertama. Kemudian, di tahap ketiga sampel acak dari tempat bahkan lebih kecil (seperti sekolah) yang diambil dari dalam setiap bidang yang diseleksi pada tahap kedua. Jika tempat ini cukup kecil untuk tujuan penelitian, maka peneliti mungkin berhenti pada tahap ketiga. Jika tidak, ia mungkin terus mencari sampel dari tempat yang diseleksi pada tahap ketiga, dll hingga tempat yang ingin diseleksi untuk penelitian.
Referensi
Barreiro, P. L. & Justo, P. A. (2001). Management mathematics for european schools. population and sample sampling techniques.
Diakses tanggal 13 November 2016, dari http://www.mathematik.unikl.de/˜mamaeusch.
Budiarto, E. (2002). Biostatistika untuk kedokteran dan kesehatan masyarakat. Jakarta: Penerbit Buku Kedokteran EGC.
Fatkhurohim. (2009). Sampling penelitian.
Febrike, D. (2015). Populasi dan sampel.
Diakses tanggal 12 November 2016, dari http://www.slideshare.net/derimafebrike/kuliah-9-populasi-sampel
Nasution, R. (2003). Teknik sampling.
Rifansah. (2013). Cluster random sampling.
Diakses tanggal 12 November 2016, dari http://www.slideshare.net/rifansahDua1/cluster-multi-satge-random-sampling.
Supranto, J. (2007). Teknik sampling untuk survey & eksperimen. Jakarta: PT Rineka Cipta.
Usman, H. & Sobari, N. (2013). Aplikasi teknik multyyvariate untuk riset pemasaran. Jakarta: PT Raja Grafindo Persada.
Glosarium
Multi | : | banyak; lebih dari satu; lebih dari dua |
Stage | : | tahap |
Multi stage | : | teknik penulisan sampel yang ditangani secara bertingkat |
Cluster | : | kelompok |
Sampel | : | bagian kecil yang mewakili kalangan atau keseluruhan yang lebih besar |
Elemen | : | bagian yang penting dari keseluruhan yang lebih besar |
Random | : | gabungan; kombinasi |
Sampling | : | penarikan beberapa teladan yang mewakili populasi dengan banyak sekali alasan |
Teknik | : | metode atau metode melaksanakan sesuatu |
Variabel | : | suatu yang bersikap berubah-ubah dan tidak tetap |
Interval | : | menyangkut belahan dalam dari sesuatu |
Proposi | : | suatu keseimbangan antara satu benda dengan benda yang lain dalam banyak sekali pertimbangan |
Rasio | : | pemikiran menurut kecerdikan sehat; kecerdikan budi; nalar |
Stratum | : | lapisan yang sanggup dibedakan satu dari yang lain lantaran proses susunannya |
Efisien | : | tepat atau sesuai untuk melaksanakan (menghasilkan) sesuatu (dengan tidak membuang-buang waktu, tenaga, biaya); mampu menjalankan kiprah dengan sempurna dan cermat; berdaya guna; bertepat guna |
Fraksi | : | bagian kecil ; pecahan |
Populasi | : | kelompok orang, benda, atau hal hal menjadi sumber pengambilan sampel; sebuah kumpulan yang menyanggupi syarat tertentu yang berhubungan dengan dilema penelitian |
Varian | : | bentuk yang berlainan atau menyimpang dari yang orisinil atau dari yang baku dan sebagainya; bentuk yang mau dipakai selaku alternative |
0 Komentar untuk "Sampling Acak Bertingkat"