PENGERTIAN DAN PROSEDUR
CLUSTER SAMPLING
Definisi:
Cluster Sampling adalah suatu metode
penarikan contoh dimana masing-masing unit
penarikan contohnya 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.
Ilustrasi:
Cluster atau unit
Populasi Variabel Elemen
sampling
Karakteristik
Kota A Tempat tinggal Blok
rumah tangga
Kota B Pembelian baju Orang Tempat tinggal
Sekolah Rencana karir Siswa Kelas
Orang Desa Sikap sosial Orang Dewasa Desa
Kelompok dari
File asuransi
Data medis Kartu 10 kartu
kesehatan
berurutan
Alasan:
1. Seringkali dalam survei contoh, kita
dihadapkan pada persoalan daftar kerangka
contoh yang memuat seluruh unit-unit analisis
dalam populasi tidak tersedia secara lengkap
dan mutakhir, dan biaya untuk membuat daftar
kerangka contoh sangat mahal,
2. Biaya trasport antar unit-unit contoh sangat mahal
dan tidak sebanding dengan biaya untuk penelitian
per unit contoh
Keuntungan:
1. Pegumpulan 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 listing unit dalam cluster yang
sama sering homogen.
Cara menentukan unit-unit yang diteliti:
1. Semua unit yang berada di dalam cluster-cluster
terpilih dimasukan sebagai anggota contoh
(Single Stage Cluster Sampling).
2. Tidak semua unit di dalam cluster-cluster
terpilih diteliti (Multi Stage Cluster Sampling).
Single Stage Cluster Sampling
Digunakan dalam situasi dimana biaya
menghasilkan setiap unit listing dalam cluster tidak
lebih tinggi dari pada biaya menghasilkan sebagian
dari unit listing.
Contoh:
Sebuah survei mengenai riwayat penyakit dimana
rumah sakit sebagai cluster dan pasiennya sebagai
listing unit.
Bila informasi yang dibutuhkan mengenai rangkuman
riwayat pasien sudah tersedia pada data base komputer
mungkin lebih murah dan enak bila seluruh pasien
dijadikan unit listing. Namun bila tidak tersedia atau
harus kita rangkum lagi, mungkin lebih baik kita pilih
sampel.
Equal Size Cluster Sampling
Umumnya merupakan hasil dari kondisi-kondisi
yang direncanakan dan jarang sekali terjadi di alam
atau dalam masyarakat, contohnya: rokok dalam
pak, mie dalam kardus, dsb.
Cluster
Elemen
1 2 … i … N
1 Y11 Y21 … Yi1 … YM1
2 Y12 Y22 … Yi2 … YM2
. . . . . . .
j Y1j Y2j … Yij … YMj
. . . . . . .
M Y1n Y2n … Yin … YMn
Total Y1. Y2. … Yi. … YM.
Mean Y1./n Y2./n … Yi./n … YM./n
Notasi:
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
yi.
ij
rata - rata elemen cluster ke - i
j M
n
y
yn i. rata - rata dari rata - rata cluster sampel
i n
N
y
YN i. rata - rata dari rata - rata cluster populasi
i N
N M yij
Y rata - rata elemen populasi
i j NM
Notasi (lanjutan):
M ( yij yi. ) 2
Si2 rata - rata kuadrat antar elemen dalam cluster ke - i
j M1
Si2
N
S
2
w rata - rata kuadrat dalam cluster
i N
N
( yi. YN ) 2
Sb
2
rata - rata kuadrat antar rata - rata cluster
j N1
N M ( y Y )2
S 2
ij
rata - rata kuadrat antar elemen populasi
i j NM 1
N M
(y
i j k
ij Y )( yik Y ) 2
( M 1)( NM 1) S 2
intracluster correlation coefficient antar elemen dalam cluster
Equal Size Cluster Sampling (lanjutan)
Teorema:
Dalam SRS-WOR dari n cluster yang berisi M
elemen yang berasal dari sebuah populasi N
cluster, rata rata yn adalah perkiraan tak bias dari Y
dengan varians:
(1 f ) 2 (1 f ) 2
V ( yn ) Sb S [1 ( M 1) ]
n nM
M = 1, varians cluster akan sama dengan varians SRS (dengan nM
elemen)
M > 1 dan positif, varians cluster akan lebih besar dari varians rata-rata
per elemen
M > 1 dan negatif, varians cluster akan lebih kecil dari varians rata-rata
per elemen
Equal Size Cluster Sampling (lanjutan)
Teorema:
Dalam SRS-WOR dari n cluster yang berisi M
elemen yang berasal dari sebuah populasi N
cluster, total populasi yang tidak biasnya adalah:
YˆC NM yn
dengan varians:
ˆ 2 (1 f ) 2 (1 f ) 2
2
V (YC ) N M 2
Sb N M S [1 ( M 1) ]
n n
Relatif Efisiensi
Relatif efisiensi dari sampling cluster adalah
merupakan perbandingan antara varians cluster
dengan varians SRS
(1 f ) 2
Sb 2
VC ( yn ) MS
RE n 2b [1 ( M 1) ]
VSRS ( y ) (1 f ) S 2 S
nM
Pada kasus cluster yang homogen sempurna,S w2 0, 1
dan RE 1/M, maka cluster sampling tidak efisien
Pada kasus cluster yang heterogen sempurna, S w2 S 2 , S b2 0
dan 1/(M - 1), maka cluster sampling sangat efisien
Relatif Efisiensi (lanjutan)
RE dapat dengan mudah dihitung dengan terlebih
dahulu menduga besarnya dari sampel.
(n 1) Msb2 nsw2
ˆ
(n 1) Msb2 n( M 1) sw2
Untuk N besar, rumus RE dapat disederhanakan:
1 ( M 1) sw2 (1 - e)
e 2 2
sehingga ̂
M M sb (M - 1)e
Deff = 1 + (M-1)
Cluster sampling akan lebih
efisien bila nilai adalah negatif
namun dalam prakteknya lebih
sering bernilai positif
Tabel Anova
Source of Variance Degrees of Mean Square
freedom
Between Cluster (n-1) Msb2
Within Cluster n(M-1) sw2
Total nM-1 s2
2 2
( N 1) Ms N ( M 1) s
Sˆ 2 b w
( NM 1)
Jumlah Cluster
Ukuran Cluster
Cluster
Koefisien Korelasi Sampling
Antar kelas
S2
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 pi
pi Pc
ˆ p
M 1 n
Dengan varians:
n
sb2 i
( p p ) 2
v ( pˆ ) (1 f ) (1 f ) 1
n n( n 1)
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 Y adalah
N Mi N N
y
i j
ij M y i i. M y i i.
Y N
i
N
i
M0
M i
i M i
i
N
dimana M 0 M i
i
Unequal Size Cluster Sampling (lanjutan)
Sebuah sampel diambil secara acak, wor, dari se-
jumlah n cluster dan seluruh elemen dalam cluster
diteliti, maka penduga rata-ratanya Y adalah:
1. Penduga yang bias:
Mo tidak diketahui
n
yi . dan variasi ukuran
yn
1 n cluster tidak jauh
berbeda
Dengan varians:
n
sb2 i. n
( y y ) 2
v ( yn ) (1 f ) (1 f ) 1
n n( n 1)
Unequal Size Cluster Sampling (lanjutan)
2. Penduga yang bias, tapi konsisten:
n
'
M y i i.
Mo tidak diketahui dan
y
n
1
n
mempertimbangkan
M i
i variasi ukuran cluster
Dengan varians: n
' sb' 2 i i. n )
M 2
( y y ' 2
v ( y ) (1 f )
n (1 f ) 1
n nM ' 2 ( n 1)
n
M i
dimana M ' i
n
Unequal Size Cluster Sampling (lanjutan)
3. Penduga yang unbias:
n Mo diketahui (dalam
M y i i. prakteknya sulit
yn* 1 diperoleh) dan varians
nM yang dihasilkan
Dengan varians: cenderung besar
n
M i yi .
s *2 (
M
y * 2
n)
v ( yn* ) (1 f ) b (1 f ) 1
n n( n 1)
N
M i
M0
dimana M 1
N N
RE dari Unequal Size Cluster Sampling (lanjutan)
NM nM S 2 1 f 2
S 2
V (YSRS ) NMnM S
RE nM
V (YC ) N n 2
SB
1 f S 2 MSb2
b
Nn n
Unequal Size Cluster Sampling (lanjutan)
Penduga Proporsi
n
M i pˆ i
pˆ 1
n
M 1
i
Dengan varians:
n
i i
M 2
( p ˆ
p ) 2
v ( pˆ ) (1 f ) 1
nM 2 ( n 1)
Optimum Cluster Size
Varians naik
Cluster size naik
Biaya turun
Varians turun
Banyaknya
Cluster terpilih
naik
Biaya naik
So, bagaimana agar seimbang???
Optimum cluster size dan
banyaknya cluster terpilih
Biaya tetap varian minimum dan
varian tetap biaya minimum
Biaya per
Biaya Survei
cluster
C = C0 + C1 n + C2 nM
Biaya
Biaya tetap pencacahan
per unit
Konstanta Biaya kegiatan
tergantung pada Biaya awal (identifikasi,
region area perjalanan kontak, dll)
Varying Probability Cluster Sampling
Dalam situasi praktis biasanya ukuran cluster
mempunyai korelasi positif dengan variabel yang
diteliti.
Penarikan sampel bisa dengan peluang banyaknya
elemen dalam cluster atau karakteristik lainnya.
Mi sering diketahui berupa perkiraan atau keadaan
yang lampau.
Bila unit diambil dengan PPS dimana p i = Mi/M0 dan
dilakukan WR, maka:
PPS WR dengan size
banyaknya elemen
PPS WR dengan size
bukan banyaknya elemen
Stratified Cluster Sampling
N1 N N2
Cluster Cluster Cluster
n1 n2
Cluster Cluster
n11 n12 n21 n22
y111 y121 y211 y221
y112 y122 y212 y222
. . . .
. . . .
. . . .
y11M y12M y21M y22M
Stratified Cluster Sampling