Definisi : Cluster Sampling adalah suatu metode penarikan sampel dimana unit penarikan
sampel (unit sampling)-nya adalah merupakan kumpulan elemen-elemen yang tidak
saling tumpang tindih. Keragaman dalam cluster umumnya tinggi, sedang antar cluster
rendah, sehingga jumlah elemen dalam cluster harus kecil dan jumlah cluster harus besar.
Keuntungan :
1. Pengumpulan data untuk elemen yang berdekatan mudah, cepat dan secara
operasional lebih baik/nyaman
2. Biaya kecil dibanding SRS pada penghematan waktu perjalanan, identifikasi, contact,
dll
3. Ketika kerangka sampling dari elemen mungkin tidak tersedia dengan mudah
Kelemahan :
Standard error yang dihasilkan sering lebih tinggi dibandingkan dengan metode sampling
lain, karena llisting unit dalam yang sama sering homogen
Kendala :
- Bila tidak ada sampling frame akan susah menentukan semua unit sampling
- Belum diketahui tempat sampling, ditakutkan medan yang akan ditempuh akan susah
Equal Size Cluster Sampling
N = jumlah cluster dalam populasi
n = jumlah cluster sampel
M = Jumlah elemen dalam cluster
m = jumlah elemen sampel
yij = nilai ke-j pada cluster ke-i
M
y ij
ý i=∑ =rata−rata elemen cluster ke−i
j M
n
ý i
ý n=∑ =rata−ratadari rata−rata cluster sampel
i n
N
ý i
Ý N =∑ =rata−ratadari rata−rata cluster populasi
i N
N M
y ij
Ý =∑ ∑ =rata−rata elemen populasi
i j NM
M
S2i =∑ ¿ ¿¿
j
2
N
S2i
S =∑
w =rata−rata kuadrat dalam cluster
i N
N
S2b =∑ ¿ ¿ ¿
j
N M
S2=∑ ∑ ¿ ¿ ¿¿
i j
N M
ρ=∑ ∑ ( y ij −Ý ) ¿ ¿ ¿¿
i j ≠k
Teorema : Dalam SRS-WOR dari n-cluster yang berisi M elemen yang berasal dari sebuah
populasi N cluster, rata-rata ý n adalah perkiraan tak bias dari Ý dengan varians :
(1−f ) 2 ( 1−f ) 2
V ( ý n )= Sb ≅ S [1+ ( M −1 ) ρ]
n nM
M = 1, varians cluster akan sama dengan varians SRS (dengan nM elemen)
M > 1 dan ρ positif, varians cluster akan lebih besar dari varians rata-rata per elemen
M > 1 dan ρ negatif, varians cluster akan lebih kecil dari varians rata-rata per elemen
Teorema : Dalam SRS-WOR dari n-cluster yang berisi M elemen yang berasal dari sebuah
populasi N cluster, total populasi yang tidak biasnya adalah :
Y^ c =NM ý n
Dengan varians :
( 1−f ) 2 ( 1−f ) 2
V ( Y^ c ) =N 2 M 2 Sb ≅ N 2 M S [1+ ( M −1 ) ρ]
n nM
Relatif Efisiensi dari sampling cluster adalah merupakan perbandingan antara varians cluster
dengan varians SRS
(1−f ) 2
V c ( ý n ) S b M S2
n
ℜ= = = 2 b =[1+ ( M −1 ) ρ]
V SRS ( ý) ( 1−f ) 2 S
S
nM
Pada kasus cluster yang homogen sempurna, S2w =0 , ρ=1 dan RE = M, maka cluster sampling
tidak efisien
Pada kasus cluster yang heterogen sempurna, S2w =S 2 , S2b =0 dan ρ=−1/( M −1), maka cluster
sampling sangat efisien
RE dapat dengan mudah dihitung dengan terlebih dahulu menduga besarnya ρ dari sampel
( n−1 ) M S 2b−n S2w
^ρ =
( n−1 ) M S 2b +n (M −1) S2w
Untuk N besar rumus RE dapat disederhanakan :
2
1 ( M −1) S w (1−e)
e= + 2 2 sehingga ^ρ =
M M Sb ( M −1)e
Deff =1+ ( M −1 ) ρ
−1
≤ ρ≤ 1
M −1
Cluster sampling akan lebih efisien bila nilai ρ adalah negatif namun dalam prakteknya lebih
sering bernilai positif
Tabel Anova
Source of Variance Degrees of Freedom Mean Square
Between cluster (n-1) MS2b
Within cluster n(M-1) S2w
Total nM-1 S2
2 2
^S2= ( N−1 ) M S b+ N ( M −1) S w
(NM−1)
Cluster Sampling for Proportion
Misalkan ai menotasikan jumlah elemen-elemen dalam cluster ke-I yang memiliki
karakteristik tertentu, maka proporsi elemen-elemen dalam sampel sebanyak n cluster yang
memiliki karakteristik tersebut adalah :
n
ai p
pi= → P c =∑ i = ṕ
^
M i n
Dengan varians :
S 2b n
v ( ^p )= (1−f ) =(1−f ) ∑ ¿ ¿ ¿
n i
Unequal Size Cluster Sampling
- Anggap ada sejumlah N cluster dan setiap cluster berisi Mi elemen (i = 1,2,3, …, N),
maka mean populasi setiap elemen Ý adalah :
N Mi N N
∑ ∑ y ij ∑ M i ý i ∑ M i ý i
i j i i
Ý = N
= N
=
M0
∑ Mi ∑ Mi
i i
N
Dimana M 0=∑ M i
i
- Sebuah sampel diambil secara acar, wor, dari se-jumlah n cluster dan seluruh elemen
dalam cluster diteliti, maka penduga Ý rata-ratanya adalah :
1. Penduga yang bias :
n
ý
ý n=∑ i
1 n
Dengan varians :
S2b n
v ( ý n ) =( 1−f ) =(1−f ) ∑ ¿ ¿ ¿
n 1
2. Penduga yang bias, tapi konsisten (M0 tidak diketahui dan mempertimbangkan
variasi ukuran cluster) :
n
∑ M ý i
1
ý ' n= n
∑M
1
Dengan varians :
S ' 2b n
2
v ( y´ ' n) =( 1−f ) =(1−f ) ∑ M i ¿ ¿ ¿
n 1
n
Dimana
∑ Mi
' i
Ḿ =
n
3. Penduga yang unbias (M0 diketahui(dalam prakteknya sulit diperoleh) dan varians
yang dihasilkan cenderung besar)
n
∑ M i ýi
i
ý ¿n=
n Ḿ
Dengan varians :
¿ S¿b 2 n
v ( ý n ) =( 1−f ) = (1−f ) ∑ ¿ ¿ ¿
n 1
Dimana
∑ Mi M0
1
Ḿ = =
N N
RE dari Unequal Size Cluster Sampling
( N Ḿ −n Ḿ ) 2 (1−f ) 2
S S
V ( Ý SRS ) N Ḿ n Ḿ n Ḿ S2
ℜ= = = =
V ( Ý C ) N −n 2 (1−f ) 2 Ḿ S2b
Sb Sb
Nn n
Penduga proporsi
N
∑ M i ^pi
1
^p= N
∑ Mi
1
Dengan varians :
n
v ( ^p )=(1−f ) ∑ M 2i ¿ ¿¿
1