Perbedaan Antara Sampel Stratified dan Cluster | Stratified vs. Cluster Sampling

Sampling Stratified vs. Cluster Sampling

Dalam statistik, terutama saat melakukan survei, penting untuk mendapatkan sampel yang tidak bias, jadi Hasil dan prediksi yang dibuat mengenai populasi lebih akurat. Tapi, dalam simple random sampling, kemungkinan ada untuk memilih anggota sampel yang bias; Dengan kata lain, itu tidak mewakili populasi secara adil. Oleh karena itu, sampling stratified dan cluster sampling digunakan untuk mengatasi bias dan efisiensi dari simple random sampling.

Sampling Stratified Stratified Random sampling adalah metode pengambilan sampel dimana populasi pertama kali dibagi menjadi strata (strata A adalah subkelompok homogen dari populasi). Kemudian sampel acak sederhana diambil dari setiap strata. Hasil dari masing-masing gabungan strata merupakan sampel. Berikut adalah contoh kemungkinan strata pada populasi

• Untuk populasi strata negara, pria dan wanita

• Bagi orang-orang yang bekerja di strata kota, penduduk dan non-resident

• Bagi siswa di perguruan tinggi, putih, hitam, Hispanik, dan Asia strand

• Untuk audiens sebuah perdebatan tentang teologi, Protestan, Katolik, Yahudi, Muslim strata

Dalam proses ini, daripada mengambil sampel secara acak langsung dari populasi, populasi dipisahkan menjadi beberapa kelompok dengan menggunakan karakteristik inheren dari unsur (kelompok homogen). Kemudian sampel acak diambil dari kelompok. Jumlah sampel acak yang diambil dari masing-masing kelompok bergantung pada jumlah elemen dalam kelompok.

Hal ini memungkinkan pengambilan sampel dilakukan tanpa sampel satu kelompok lebih besar dari jumlah sampel yang diperlukan dari kelompok tersebut. Jika jumlah elemen dari kelompok tertentu lebih besar dari jumlah yang dipersyaratkan, perbedaan dalam distribusi dapat menyebabkan interpretasi yang keliru.

Stratified sampling memungkinkan penggunaan metode statistik yang berbeda untuk setiap strata, yang membantu dalam meningkatkan efisiensi dan akurasi estimasi.

Cluster Sampling

Cluster random sampling adalah metode pengambilan sampel dimana populasi pertama kali terbagi dalam kelompok (cluster adalah himpunan bagian populasi yang heterogen). Kemudian sampel acak sederhana dari kelompok diambil. Semua anggota kelompok terpilih bersama-sama merupakan sampel. Metode ini sering digunakan saat pengelompokan alami sudah jelas dan tersedia.

Sebagai contoh, pertimbangkan sebuah survei untuk mengevaluasi keterlibatan siswa sekolah menengah atas dalam kegiatan ekstrakurikuler.Daripada memilih siswa acak dari populasi siswa, memilih kelas sebagai sampel untuk survei adalah cluster sampling. Kemudian setiap anggota kelas diwawancarai. Dalam hal ini, kelas adalah kumpulan populasi siswa.

Dalam cluster sampling, itu adalah kelompok yang dipilih secara acak, bukan individu. Diasumsikan bahwa setiap cluster dengan sendirinya merupakan representasi yang tidak bias terhadap populasi, yang menyiratkan bahwa masing-masing cluster bersifat heterogen.

Apa perbedaan antara Stratified Sampling dan Cluster Sampling?

• Dalam sampel bertingkat, populasi dibagi menjadi kelompok homogen yang disebut strata, dengan menggunakan atribut sampel. Kemudian anggota dari masing-masing lapisan dipilih, dan jumlah sampel yang diambil dari strata tersebut sebanding dengan adanya strata di dalam populasi.

• Dalam cluster sampling, populasi dikelompokkan ke dalam kelompok, didominasi berdasarkan lokasi, dan kemudian cluster dipilih secara acak.

• Dalam cluster sampling, cluster dipilih secara acak, sedangkan pada sampel sampel bertingkat dipilih secara acak.

• Dalam sampel bertingkat, masing-masing kelompok yang digunakan (strata) memasukkan anggota homogen sementara, dalam cluster sampling, cluster bersifat heterogen.

• Stratified sampling lebih lambat sedangkan cluster sampling relatif lebih cepat.

• Sampel bertingkat memiliki sedikit kesalahan karena anjak ada di masing-masing kelompok di dalam populasi dan menyesuaikan metode untuk mendapatkan estimasi yang lebih baik.

• Pengambilan sampel cluster memiliki persentase kesalahan yang lebih tinggi.