Pro dan kontra dari stratified random sampling
Ketika peneliti atau peneliti mencari data, seringkali tidak mungkin untuk mengukur setiap titik data individu dalam suatu populasi. Namun, metode statistik memungkinkan kesimpulan tentang suatu populasi dengan menganalisis hasil sampel yang lebih kecil yang diambil dari populasi tersebut. Ada beberapa metode pengambilan sampel.
Pengambilan sampel acak berstrata adalah salah satu metode umum yang digunakan oleh peneliti karena memungkinkan mereka untuk mendapatkan populasi sampel yang paling mewakili seluruh populasi yang diteliti, memastikan bahwa setiap subkelompok minat terwakili. Meskipun demikian, metode penelitian ini bukannya tidak memiliki kekurangan.
Apa Pro dan kontra dari stratified random sampling?
- Pengambilan sampel acak berstrata memungkinkan peneliti memperoleh sampel populasi yang paling mewakili seluruh populasi yang diteliti dengan membaginya menjadi subkelompok yang disebut strata.
- Metode pengambilan sampel statistik ini, bagaimanapun, tidak dapat digunakan dalam setiap desain studi atau dengan setiap kumpulan data.
- Pengambilan sampel acak bertingkat berbeda dari pengambilan sampel acak sederhana, yang melibatkan pemilihan data secara acak dari seluruh populasi, sehingga setiap kemungkinan sampel sama-sama mungkin terjadi.
Stratified Random Sampling: An Overview
Pengambilan sampel acak bertingkat melibatkan pertama-tama membagi populasi menjadi subpopulasi dan kemudian menerapkan metode pengambilan sampel acak ke setiap subpopulasi untuk membentuk kelompok uji. Kerugiannya adalah ketika peneliti tidak dapat mengklasifikasikan setiap anggota populasi ke dalam subkelompok.
Pengambilan sampel acak bertingkat berbeda dari pengambilan sampel acak sederhana, yang melibatkan pemilihan data secara acak dari seluruh populasi sehingga setiap kemungkinan sampel sama-sama mungkin terjadi. Sebaliknya, pengambilan sampel acak berstrata membagi populasi menjadi kelompok-kelompok yang lebih kecil, atau strata, berdasarkan karakteristik yang sama. Sampel acak diambil dari setiap strata dalam proporsi langsung dengan ukuran strata dibandingkan dengan populasi.
Contoh Stratified Random Sampling
Berikut adalah contoh stratified random sampling:
Para peneliti melakukan studi yang dirancang untuk mengevaluasi kecenderungan politik mahasiswa ekonomi di universitas besar. Para peneliti ingin memastikan sampel acak paling mendekati populasi siswa, termasuk jenis kelamin, mahasiswa, dan mahasiswa pascasarjana. Total populasi dalam penelitian ini adalah 1.000 siswa dan dari sana dibuat subkelompok seperti gambar di bawah ini.
Total populasi = 1.000
Peneliti akan menugaskan setiap mahasiswa ekonomi di universitas ke salah satu dari empat subpopulasi: sarjana laki-laki, sarjana perempuan, sarjana laki-laki, dan perempuan. Peneliti selanjutnya akan menghitung berapa banyak siswa dari setiap subkelompok yang membentuk total populasi 1.000 siswa. Dari sana, peneliti menghitung representasi persentase setiap subkelompok dari total populasi.
Subkelompok:
- Sarjana laki-laki = 450 siswa (dari 100) atau 45% dari populasi
- Sarjana perempuan = 200 siswa atau 20%
- Mahasiswa lulusan laki-laki = 200 mahasiswa atau 20%
- Mahasiswa lulusan perempuan = 150 mahasiswa atau 15%
Pengambilan sampel secara acak dari setiap subpopulasi dilakukan, berdasarkan keterwakilannya dalam populasi secara keseluruhan. Karena sarjana laki-laki adalah 45% dari populasi, maka 45 sarjana laki-laki dipilih secara acak dari subkelompok itu. Karena lulusan laki-laki hanya 20% dari populasi, 20 dipilih sebagai sampel, dan seterusnya.
Referensi cepat
Sementara pengambilan sampel acak bertingkat secara akurat mencerminkan populasi yang diteliti, kondisi yang perlu dipenuhi berarti metode ini tidak dapat digunakan di setiap penelitian.
Keuntungan dari Stratified Random Sampling
Pengambilan sampel acak berstrata memiliki keunggulan jika dibandingkan dengan pengambilan sampel acak sederhana.
Secara Akurat Mencerminkan Populasi yang Diteliti
Pengambilan sampel acak berstrata secara akurat mencerminkan populasi yang diteliti karena peneliti membuat stratifikasi seluruh populasi sebelum menerapkan metode pengambilan sampel acak. Singkatnya, ini memastikan setiap subkelompok dalam populasi menerima representasi yang tepat dalam sampel. Hasilnya, pengambilan sampel acak bertingkat memberikan cakupan populasi yang lebih baik karena peneliti memiliki kendali atas subkelompok untuk memastikan semuanya terwakili dalam pengambilan sampel.
Dengan pengambilan sampel acak sederhana, tidak ada jaminan bahwa subkelompok atau tipe orang tertentu dipilih. Dalam contoh mahasiswa kami sebelumnya, menggunakan pengambilan sampel acak sederhana untuk mendapatkan sampel 100 dari populasi mungkin menghasilkan pemilihan hanya 25 sarjana laki-laki atau hanya 25% dari total populasi. Selain itu, 35 mahasiswa pascasarjana perempuan mungkin dipilih (35% dari populasi) mengakibatkan kurang terwakilinya mahasiswa laki-laki dan terlalu banyak perempuan pascasarjana. Setiap kesalahan dalam representasi populasi berpotensi mengurangi keakuratan penelitian.
Kerugian dari Stratified Random Sampling
Pengambilan sampel acak berstrata juga tidak menguntungkan bagi peneliti.
Tidak Dapat Digunakan di Semua Studi
Sayangnya, metode penelitian ini tidak dapat digunakan di setiap penelitian. Kerugian metode ini adalah beberapa persyaratan harus dipenuhi agar dapat digunakan dengan benar. Peneliti harus mengidentifikasi setiap anggota populasi yang diteliti dan mengklasifikasikannya menjadi satu, dan hanya satu, subpopulasi. Akibatnya, pengambilan sampel acak bertingkat menjadi tidak menguntungkan ketika peneliti tidak dapat dengan yakin mengklasifikasikan setiap anggota populasi ke dalam subkelompok. Selain itu, menemukan daftar lengkap dan pasti dari seluruh populasi dapat menjadi tantangan.
Tumpang tindih bisa menjadi masalah jika ada subjek yang termasuk dalam beberapa subkelompok. Ketika pengambilan sampel acak sederhana dilakukan, mereka yang berada dalam beberapa subkelompok kemungkinan besar akan dipilih. Hasilnya bisa jadi representasi yang keliru atau refleksi yang tidak akurat dari populasi.
Contoh di atas memudahkan: Sarjana, pascasarjana, pria, dan wanita adalah kelompok yang ditentukan dengan jelas. Namun, dalam situasi lain, ini mungkin jauh lebih sulit. Bayangkan menggabungkan karakteristik seperti ras, etnis, atau agama. Proses penyortiran menjadi lebih sulit, membuat pengambilan sampel acak bertingkat menjadi metode yang tidak efektif dan kurang dari ideal.