Stratified random sampling. | Finansial 2022

Apa Stratified random sampling?

Stratified random sampling adalah metode pengambilan sampel yang melibatkan pembagian populasi menjadi sub-kelompok yang lebih kecil yang dikenal sebagai strata. Dalam pengambilan sampel acak bertingkat, atau stratifikasi, strata dibentuk berdasarkan atribut atau karakteristik bersama anggota seperti pendapatan atau pencapaian pendidikan.

Pengambilan sampel acak berstrata juga disebut pengambilan sampel acak proporsional atau pengambilan sampel acak kuota.

Poin Penting

Pengambilan sampel acak berstrata memungkinkan peneliti memperoleh sampel populasi yang paling mewakili seluruh populasi yang diteliti.
Pengambilan sampel acak bertingkat melibatkan pembagian seluruh populasi menjadi kelompok homogen yang disebut strata.
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.

Cara Kerja Stratified Random Sampling

Ketika menyelesaikan analisis atau penelitian pada sekelompok entitas dengan karakteristik serupa, seorang peneliti mungkin menemukan bahwa ukuran populasi terlalu besar untuk menyelesaikan penelitian. Untuk menghemat waktu dan uang, seorang analis dapat mengambil pendekatan yang lebih layak dengan memilih sekelompok kecil dari populasi. Kelompok kecil disebut sebagai ukuran sampel , yang merupakan bagian dari populasi yang digunakan untuk mewakili seluruh populasi. Suatu sampel dapat dipilih dari suatu populasi melalui beberapa cara, salah satunya dengan metode pengambilan sampel acak berstrata.

Pengambilan sampel acak bertingkat melibatkan pembagian seluruh populasi menjadi kelompok homogen yang disebut strata (jamak untuk stratum). Sampel acak kemudian dipilih dari setiap strata. Misalnya, seorang peneliti akademis yang ingin mengetahui jumlah mahasiswa MBA 2007 yang menerima tawaran pekerjaan dalam waktu tiga bulan setelah kelulusan.

Ia akan segera mengetahui bahwa ada hampir 200.000 lulusan MBA untuk tahun tersebut. Dia mungkin memutuskan untuk sampel acak sederhana dari 50.000 lulusan dan menjalankan survei. Lebih baik lagi, ia bisa membagi populasi menjadi beberapa strata dan mengambil sampel secara acak dari strata tersebut. Untuk melakukan ini, dia akan membuat kelompok populasi berdasarkan jenis kelamin, rentang usia, ras, negara kebangsaan, dan latar belakang karir. Sampel acak dari setiap strata diambil dalam jumlah yang sebanding dengan ukuran strata jika dibandingkan dengan populasi. Himpunan bagian dari strata ini kemudian dikumpulkan untuk membentuk sampel acak.

[Penting: Pengambilan sampel bertingkat digunakan untuk menyoroti perbedaan antara kelompok dalam suatu populasi, bukan pengambilan sampel acak sederhana, yang memperlakukan semua anggota populasi sebagai sama, dengan kemungkinan yang sama untuk dijadikan sampel.]

Contoh Stratified Random Sampling

Misalkan tim peneliti ingin menentukan IPK mahasiswa di seluruh AS. Tim peneliti mengalami kesulitan mengumpulkan data dari 21 juta mahasiswa; itu memutuskan untuk mengambil sampel acak dari populasi dengan menggunakan 4.000 siswa.

Sekarang asumsikan bahwa tim melihat atribut berbeda dari peserta sampel dan bertanya-tanya apakah ada perbedaan dalam IPK dan jurusan siswa. Misalkan ditemukan bahwa 560 siswa adalah jurusan Bahasa Inggris, 1.135 adalah jurusan IPA, 800 Jurusan Ilmu Komputer, 1.090 Jurusan Teknik, dan 415 Jurusan Matematika. Tim ingin menggunakan sampel acak bertingkat proporsional di mana strata sampel sebanding dengan sampel acak dalam populasi.

Asumsikan tim meneliti demografi mahasiswa di AS dan menemukan persentase jurusan yang diambil oleh siswa: 12% jurusan bahasa Inggris, 28% jurusan sains, 24% jurusan ilmu komputer, 21% jurusan teknik, dan 15% jurusan matematika. Dengan demikian, lima strata dibuat dari proses pengambilan sampel acak bertingkat.

Tim kemudian perlu memastikan bahwa strata populasi sebanding dengan strata dalam sampel; Namun, mereka menemukan proporsinya tidak sama. Kemudian, tim perlu mengambil sampel ulang 4.000 siswa dari populasi dan secara acak memilih 480 siswa bahasa Inggris, 1.120 sains, 960 ilmu komputer, 840 teknik, dan 600 siswa matematika.

Dengan itu, ia memiliki sampel acak bertingkat yang proporsional dari mahasiswa, yang memberikan representasi yang lebih baik dari jurusan mahasiswa di AS. Para peneliti kemudian dapat menyoroti strata tertentu, mengamati berbagai studi mahasiswa AS dan mengamati berbagai nilai rata-rata..

Sampel Acak Sederhana versus Sampel Acak Stratifikasi

Sampel acak sederhana dan sampel acak berstrata keduanya merupakan alat pengukuran statistik. Sampel acak sederhana digunakan untuk mewakili seluruh populasi data. Sampel acak bertingkat membagi populasi menjadi kelompok-kelompok yang lebih kecil, atau strata, berdasarkan karakteristik bersama.

Sampel acak sederhana sering digunakan ketika informasi yang tersedia sangat sedikit tentang populasi data, ketika populasi data memiliki terlalu banyak perbedaan untuk dibagi menjadi beberapa subset, atau ketika hanya ada satu karakteristik yang berbeda di antara populasi data.

Misalnya, perusahaan permen mungkin ingin mempelajari kebiasaan membeli pelanggannya untuk menentukan masa depan lini produknya. Jika ada 10.000 pelanggan, itu dapat menggunakan memilih 100 dari pelanggan tersebut sebagai sampel acak. Kemudian dapat menerapkan apa yang ditemukannya dari 100 pelanggan tersebut ke basisnya yang lain. Tidak seperti stratifikasi, itu akan mengambil sampel 100 anggota secara acak tanpa memperhatikan karakteristik individu mereka.

Stratifikasi Proporsional dan Tidak Proporsional

Pengambilan sampel acak bertingkat memastikan bahwa setiap subkelompok dari populasi tertentu terwakili secara memadai dalam seluruh populasi sampel studi penelitian. Stratifikasi bisa proporsional atau tidak proporsional. Dalam metode stratifikasi proporsional, ukuran sampel dari setiap strata proporsional dengan ukuran populasi strata.

Misalnya, jika peneliti menginginkan sampel 50.000 lulusan dengan menggunakan rentang usia, maka sampel acak bertingkat proporsional akan diperoleh dengan menggunakan rumus ini: (ukuran sampel / ukuran populasi) x ukuran strata. Tabel di bawah mengasumsikan ukuran populasi lulusan MBA 180.000 per tahun.

Besar sampel strata lulusan MBA dalam rentang usia 24 hingga 28 tahun dihitung sebagai (50.000 / 180.000) x 90.000 = 25.000. Metode yang sama digunakan untuk kelompok rentang usia lainnya. Setelah ukuran sampel strata diketahui, peneliti dapat melakukan pengambilan sampel secara acak sederhana di setiap strata untuk memilih peserta survai. Dengan kata lain, 25.000 lulusan dari kelompok usia 24-28 akan dipilih secara acak dari seluruh populasi, 16.667 lulusan dari rentang usia 29-33 akan dipilih dari populasi secara acak, dan seterusnya.

Dalam sampel bertingkat yang tidak proporsional, ukuran setiap strata tidak proporsional dengan ukurannya dalam populasi. Peneliti dapat memutuskan untuk mengambil sampel 1/2 dari lulusan dalam kelompok usia 34-37 dan 1/3 dari lulusan dalam kelompok usia 29-33.

Penting untuk diperhatikan bahwa satu orang tidak dapat masuk ke dalam beberapa strata. Setiap entitas hanya boleh masuk dalam satu strata. Memiliki subkelompok yang tumpang tindih berarti bahwa beberapa individu akan memiliki peluang lebih tinggi untuk dipilih untuk survei, yang sepenuhnya meniadakan konsep pengambilan sampel bertingkat sebagai jenis pengambilan sampel probabilitas.

Referensi cepat

Manajer portofolio dapat menggunakan pengambilan sampel acak bertingkat untuk membuat portofolio dengan mereplikasi indeks seperti indeks obligasi.

Keuntungan dari Stratified Random Sampling

Keuntungan utama dari pengambilan sampel acak berstrata adalah ia menangkap karakteristik populasi utama dalam sampel. Mirip dengan rata-rata tertimbang, meto
de pengambilan sampel ini menghasilkan karakteristik sampel yang sebanding dengan keseluruhan populasi. Pengambilan sampel acak bertingkat bekerja dengan baik untuk populasi dengan berbagai atribut tetapi sebaliknya tidak efektif jika subkelompok tidak dapat dibentuk.

Stratifikasi memberikan kesalahan yang lebih kecil dalam estimasi dan presisi yang lebih besar daripada metode pengambilan sampel acak sederhana. Semakin besar perbedaan antara strata, semakin besar perolehan dalam presisi.

Kerugian dari Stratified Random Sampling

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.