MULTISTAGE RANDOM SAMPLING
(SAMPLING ACAK BERTINGKAT)
A. Pengertian Multistage Random Sampling
Multistage sampling yakni penggunaan banyak sekali metode random sampling secara gotong royong seefisien dan seefektif mungkin (Fathkhurohim, 2009). Multistage sampling yakni perkara khusus dari cluster sampling. Di mana pada tahap kedua kita tidak menentukan semua elemen dari cluster, tetapi beberapa elemen yang dipilih dengan cara acak Barreiro, dkk. (2001). Multistage random sampling ini sanggup memakai adonan dari teknik sampling yang lain. Minimal dua teknik yang sanggup digunakan pada teknik ini, menyerupai simple random, stratified random, systematic random, dan cluster random.
Pada klaster terpilih, dipilih elemen sampel dan selanjutnya gosip hanya dikumpulkan dari elemen terpilih. Multistage random sampling dilaksanakan dengan memakai dua tahap, tahap pertama disebut primary unit dan tahap kedua yakni secondary units.
Cara ini merupakan salah satu model pengambilan sampel secara acak yang pelaksanaannya dilakukan dengan membagi populasi menjadi beberapa fraksi. Fraksi yang dihasilkan dibagi lagi menjadi fraksi-fraksi yang lebih kecil. Dari fraksi kecil inilah kemudian sampel diambil.
Penarikan sampel dengan teknik ini bekerjsama tidak jauh berbeda dengan penarikan sampel dengan teknik cluster random sampling. Penarikan sampel dengan cluster random sampling dilakukan dengan menentukan elemen tertentu, yang mana elemen tersebut mewakili seluruh elemen dalam suatu cluster. Sedangkan pada teknik multistage random sampling penarikan sampelnya dilakukan lebih luas, yaitu tidak pribadi dilakukan penarikan sampel pada elemen, tetapi melalui cluster terlebih dahulu.
B. Syarat-syarat Menggunakan Multistage Random Sampling
Syarat-syarat yang harus dipahami terlebih dahulu dalam memakai multistage sampling, antara lain :
1. Populasinya cukup homogen.
2. Jumlah populasi sangat besar.
3. Populasi menempati tempat yang sangat luas.
4. Tidak tersedianya kerangka sampel yang memuat unit-unit yang terkecil (ultimate sampling unit)
C. Kelebihan dan Kekurangan Multistage Random Sampling
1. Kelebihan multistage random sampling berdasarkan Eko (2002) antara lain :
a. Varian yang relatif kecil untuk biaya setiap unit.
b. Kontrol terhadap kesalahan tak sampling menjadi lebih baik.
c. Penelitian ulang membutuhkan biaya yang relatif kecil.
d. Kontrol terhadap liputan penelitian lebih gampang dilakukan.
e. Dapat memakai metode yang berbeda pada setiap tahapannya.
f. Anggota sampel yang diambil lebih respresentatif
2. Kekurangan multistage random sampling berdasarkan Nasution (2003) antara lain :
1. Prosedur estimasi sulit
2. Prosedur pengambilan keputusan sampel memerlukan perencanaan yang lebih cermat.
3. Pengujian lebih sulit dilakukan.
D. Langkah-langkah penerapan Multistage Random Sampling
Menurut Febrike (2015) langkah-langkah memakai multistage random sampling dapat dilakukan pada pupolasi yang homogen. Selanjutnya Febrike (2015) memaparkan langkahnya sebagai berikut: 1) Tetapkan populasi; 2) Tetapkan tingkatan; 3) Hitung besar sample; 4) Ambil secara acak sejumlah unsur pada tiap tingkatan; dan 5) Pada tingkat terakhir ambil sampel secara acak sesuai besar sampel.
Untuk lebih jelasnya sanggup digambarkan sebagai berikut:
Gambar 1
Selanjutnya Rifasah (2013) menambahkan bahwa pengambilan sampel sanggup dilakukan dengan langkah sebagai berikut:
Misalnya penelitian dilaksanakan di Kabupaten Cirebon. Maka langkah-langkahnya sanggup digambarkan sebagai berikut:
Langkah 1 : Memilih j kecamatan dari J kecamatan yang ada di kabupaten A.
Langkah 2 : Pada j kecamatan terpilih, dipilih k kelurahan/desa dari K kelurahan/desa yang dikecamatan terpilih.
Langkah 3 : Pada k kelurahan/desa terpilih, dipilih l sekolah dasar dari L sekolah dasar yang ada di kelurahan/desa.
Langkah 4 : Pada l sekolah terpilih, dipilih m kelas dari M kelas yang ada.
Langkah 5 : Pada m kelas terpilih, dipilih semua murid yang ada di kelas terpilih.
Keterangan:
J, K, L, M : merupakan arahan untuk populasi
j, k, l, m : merupakan arahan untuk sampel
E. Contoh Penerapan Multistage Random Sampling
Multistage Random Sampling disebut juga sampling kelompok dua tingkat, lantaran memakai lebih dari satu tahap atau tingkat. Di bawah ini cara pemilihan sampel beserta contohnya berdasarkan Supranto (2007, hlm. 266-282) sebagai berikut:
1. Arti Sampling Kelompok Dua Tingkat (Multistage Random Sampling) dan Cara Pemilihan Sampel
Sampling kelompok dua tingkat (Multistage Random Sampling) ialah sampling kelompok di mana setiap kelompok yang terpilih sebagai sampel, dipilih lagi sampel elemen dari masing-masing kelompok.
Dengan demikian ada dua tingkat aktivitas yaitu: Pertama, Memilih kelompok sebagai sampel; Kedua, Memilih elemen dari kelompok yang terpilih. Dari kedua langkah ini maka sanggup didefinisikan bahwa sampel kelompok dua tingkat (Multistage Random Samping) ialah sampel yang diperoleh dengan dua tingkat, yaitu pertama menentukan sampel kelompok secara acak dari populasi kelompok; kedua menentukan sampel elemen dari kelompok yang terpilih sebagai sampel.
Sebagai pola dari beberapa perkara contohnya pertama menentukan universitas sebagai sampel, kemudian menentukan sampel mahasiswa dari setiap universitas yang terpilih; pertama menentukan sampel kantor cabang kemudian menentukan sampel karyawan dari kantor cabang yang terpilih, menentukan desa sebagai sampel kemudian menentukan sampel petani dari desa yang terpilih; pertama menentukan blok toko sebagai sampel kemudian menentukan sampel toko dari blok yang terpilih; pertama menentukan rumah sakit sebagai sampel kemudian menentukan sampepasien dari rumah-rumah sakit yang terpilih; pertama menentukan sampel tambak ikan, kemudian menentukan sampel ikan dari tambak yang terpilih; pertama menentukan sampel pasar kemudian menentukan sampel pedagang dari pasar yang terpilih; pertama menentukan sampel kota besar kemudian menentukan sampel restoran padang dari kota besar yang terpilih; pertama menentukan sampel RT, menentukan sampel warga penduduk dari RT yang terpilih.
Dalam pola tersebut yang menjadi kelompok atau cluster ialah universitas, kantor cabang, desa, blok toko, rumah sakit, tambak ikan, pasar, kota besar dan RT. Adapun elemennya ialah mahasiswa, karyawan, petani, toko, pasien, ikan, pedagang restoran padang dan warga/ penduduk.
Sampel elemen, dari kelompok terpilih.
Kemudian dalam hal ini kelompok sanggup diperlakukan sebagai stratum, sedangkan perbedaannya kelompok harus dipilih dari populasi kelompok, sebagai sampel kelompok, tidak semua kelompok diteliti, tetapi semua stratum diteliti melalui sampel yang dipilih dari stratum.
Stratum.
Sampel dari semua stratum
Stratum kelompok(cluster)
Kelompok terpilih Sampel, hanya dari kelompok terpilih.
Seluruh kelompok merupakan populasi dan populasi kelompok yang juga seluruh stratum merupakan populasi. Stratum diperoleh dengan jalan membagi populasi menjadi populasi yang kecil (sub population).
Di dalam penelitian, semua stratum harus diambil/ dipilih sampelnya. Akan tetapi, tidak semua kelompok diambil sampelnya.
Manfaat SKDT sama menyerupai sampling kelompok, apabila dibandingkan dengan sampling acak sederhana dan berlapis, SKDT lebih murah biayanya dan lebih gampang dalam mengadministrasikannya.
Sekarang bagaimana cara menentukan sampelnya?
Persoalan yang dihadapi di dalam menentukan sampel kelompok dua tingkat ialah menentukan kelompok yang sempurna (appropriate clusters).
Dua syarat harus dipenuhi, yaitu:
a. secara geografis elemen dalam kelompok harus saling berdekatan.
b. kelompok sedikit saja supaya gampang mengadministrasikannya.
Di dalam menentukan sampel baik sampel kelompok maupun sampel elemen dalam kelompok yang terpilih dilakukan secara acak dengan memakai tabel bilangan acak (random table).
Pemilihan kelompok yang sempurna juga tergantung apakah peneliti akan menentukan sedikit kelompok dengan banyak yang dikandungnya atau banyak kelompok dengan sedikit elemen dari setiap kelompok. Pemilihan biasanya tergantung pada biaya.
Kelompok yang besar cenderung mempunyai elemen yang heterogen. Dengan demikian dibutuhkan pemilihan banyak elemen dari setiap kelompok sehingga diperoleh hasil penelitian dengan tingkat yang tinggi.
Perhatikan dua pola berikut:
a. Seorang hebat ekonomi bermaksud menciptakan asumsi pengeluaran konsumsi penduduk suatu kota besar. Untuk maksud tersebut kota dibagi menjadi blok-blok bisa juga berdasarkan RT, kalau seandainya didasadari anggapan bahwa pengeluaran konsumsi per rumah tangga dalam RT tak jauh berbeda (sama pegawai bank, sama pegawai negeri, sama pegawai swasta), maka lebih baik menentukan banyak sampel RT lantaran dari RT ke RT pengeluaran konsumsi sangat berbeda dan menentukan sampel rumah tangga dalam setiap RT.
b. Seorang pengamat politik, ingin memperkirakan berapa mahasiswa yang sepakat agenda kerja partai A. Kalau ada anggapan yang patut dipercaya bahwa mahasiswa dalam suatu universitas biasanya mempunyai pendapat yang hamper sama, tak jauh berbeda, maka perlu dipilih sampel universitas yang cukup banyak akan tetapi sampel mahasiswa yang dipilih dari universitas yang terpilih tidak perlu terlalu banyak.Tetapi sebaliknya kalau pendapat mahasiswa sangat berbeda dari setiap universitas dan sangat menyerupai antar universitas-universitas yang dipilih sebagai sampel sedikit saja dan mahasiswa yang dipilih sebagai sampel dari universitas yangharus banyak.
2. Cara Memperkirakan Rata-rata dan Total
Seperti dalam pembahasan sebelumnya, kita akan membuat rata-rata (=U) jumlah (=T) dan sekaligus menghitung besamya kesalahan sampling. Sekarang perhatikan notasi berikut:
N = banyaknya kelompok dalam populasi
n = banyaknya kelompok dalam sampel acak
M = = banyaknya elemen dalam populasi
m = = banyaknya elemen dalam sampel
Perkiraan untuk rata-rata (= U)
di mana
dan
Kesalahan sampling = KS =
Pemerkira U, sangat tergantung pada M, banyaknya elemen dalam populasi.
Cara untuk memperkirakan U kalau M tak diketahuiakan dibahas dalam sub-bab berikutnya. Perhatikan bahwa merupakan varian sampel, untuk sampel yang dipilih dari kelompok ke i.
Contoh soal 1
Suatu daerah, mempunyai 90 sekolah yang terbaik, sekolah tersebut ingin mempunyai lulusan yang berkualitas dan diterima di sekolah yang baik. Oleh lantaran sekolah letaknya berjauhan satu sama lain secara geografis, maka diputuskan untuk memakai sekolah sebagai kelompok (cluster) dan siswa sebagai elemennya. Oleh lantaran setiap sekolah terdapat banyak siswa, akan tidak mudah kalau harus mengusut catatan mengenai problem setiap siswanya. Maka dari itu diputuskan untuk memakai sampling dua tingkat, yaitu pertama menentukan sampel sekolah, kemudian kedua menentukan sampel siswa dari sekolahyang telah terpilih. Untuk keperluan ini dipilih sampel sebanyak n = 10 sekolah, kemudian dari setiap sekolah yang terpilih, dipilih sampel siswa sebanyak .
Dengan memakai data dari tabel berikut, dibuatlah asumsi rata-rata waktu siswa dan hitung juga samplingnya. Pergunakan tingkat keyakinan 95%. Diketahui dari seluruh sekolah terdapat 4.500 siswa.
No. | Mi | mi | Lamanya (waktu masalah) dalam jam | Xi | S2 i |
1 | 50 | 10 | 5,7,9,11,2,8,4,3,5 | 5,40 | 11,38 |
2 | 65 | 13 | 4,3,7,2,11,9,1,9,4,3,2,1,5 | 4,00 | 10,67 |
3 | 45 | 9 | 5,6,4,11,12,0,1,8,4 | 5,67 | 16,75 |
4 | 48 | 10 | 6,4,0,1,0,9,8,4,6,10 | 4,80 | 13,29 |
5 | 52 | 10 | 11,4,3,1,0,2,8,6,5,3 | 4,30 | 11,12 |
6 | 58 | 12 | 12,11,3,4,2,0,0,1,4,3,2,4 | 3,83 | 14,88 |
7 | 42 | 8 | 3,7,6,7,8,4,3,2 | 5,00 | 5,14 |
8 | 66 | 13 | 3,6,4,3,2,2,8,4,0,4,5,6,3 | 3,85 | 4,31 |
9 | 40 | 8 | 6,4,7,3,9,1,4,5 | 4,88 | 6,13 |
10 | 56 | 11 | 6,7,5,10,11,2,1,4,0,5,4 | 5,00 | 11,80 |
Pemecahan
=
=
= 768,38
dan
=
= 0,037094.
Kesalahan sampling = KS = B = 2 = 2
Nilai Batas Bawah U = Û – 2Sû = 4,80 – 0,38 = 4,42
Nilai Batas Atas U = Û – 2Sû = 4,80 + 0,38 = 5,18
Jadi dengan tingkat keyakinan 95% diharapkan interval antara 4,42 jam hingga dengan 5,18 jam akan memuat rata-rata waktu problem persiswa.
Seperti halnya dalam sampling acak sederhana, di mana jumlah asumsi = T = XN, maka dalam sampling dua tingkat, T = Û M, di mana U = rata-rata asumsi per elemen (rata-rata waktu problem per siswa)
Perkiraan total.
Perkiraan varian (T)
Kesalahan sampling = KS = B
KS = 2 = 2
Perhatikan bahwa menciptakan asumsi total (Ť) dan varian (Ť) ternyata tidak memerlukan M lantaran M akan lenyap dalam proses pembentukan rumus.
Ingat = , =
Contoh 2
Berdasarkan data dari pola soal 2.1, buat asumsi interval jumlah (total) waktu/lamanya siswa bermasalah. Hitung juga kesalahan samplingnya. Tingkat keyakinan 95%.
Pemecahan
= (2400,59) = 21.605,31
= (4500)2 (0,37094)
KS = kesalahan sampling = 2
Nilai Batas Bawah : - 2 = 21.605,31 – 2
= 21.605,31 – 1.733,4 = 19.871,91
Nilai Batas Atas = 21.605,31 + 1.733,4 = 23.338,71
Dengan tingkat keyakinan, jumlah waktu kerusakan mesin akan terletak antara 19.871,91 hingga dengan 23.338,71 jam akan memuat jumlah kerusakan mesin.
3. Perkiraan Rasio Untuk Rata-Rata
Pemerkira , tergantung pada M = banyaknya seluruh elemen populasi. Apabila M tidak diketahui, perlu diperkirakan dengan data dari sampel. Kita peroleh pemerkira M dengan jalan mengalikan rata-rata banyaknya elemen per kelompok yaitu dengan banyaknya kelompok dalam populasi yaitu N.
Apabila kita ganti M dengan pemerkiranya, kita peroleh suatu pemerkira rasio dengan simbol atau notasi , lantaran baik pembilang maupun penyebut keduanya variabel acak.
Pemerkira rasio untuk rata-rata.
Varian asumsi untuk
di mana
dan
Kesalahan Sampling = KS = 2
( merupakan asumsi yang bias, akan tetapi bias ini sanggup diabaikan, kalau sampelnya cukup besar, yaitu kalau n > 20.
Contoh soal 3
Berdasarkan data dari pola soal 2.1, buat asumsi rata-rata waktu kerusakan mesin dengan memakai asumsi rasio, dengan tingkat keyakinan 95% buat asumsi intervalnya. Misalnya M = banyaknya mesin dari seluruh pabrik tidak diketahui.
Hitung juga kesalahan sampling.
Pemecahan.
Oleh lantaran M tidak diketahui, kita harus memakai Uᵣ sebagai asumsi untuk U.
= =
Untuk memperkirakan varian ( kita harus menghitung
= [ 583.198,6721 – 2 (4,60) (126,530,870 + (4,6) ] (27,978) ]
= 1236,57
Perhatikan bahwa menyerupai pada pola soal 2.1
Kita sanggup memperkirakan M dengan memakai rata-rata banyaknya siswa per sekolah dalam sampel.
Perkiraan varian ( ) yakni sebagai berikut :
Kesalahan Sampling = KS = 2
Nilai Batas Bawah =
Nilai Batas Ata =
Dengan tingkat keyakinan sebesar 95%, interval antara 4,16 jam hingga dengan 5,04 jam akan memuat rata-rata waktu masalah persiswa.
4. Cara Memperkirakan Proposi
Misalnya ingin dibuat asumsi proposi bibit/benih ikan yang mati dari seluruh tambak ikan lele di Indonesia, proposi nasabah bank yang tak puas dari seluruh bank pemerintah, proposi anak sekolah SD di Jakarta yang pernah sakit gigi, proposi masiswa Perguruan Tinggi Swasta yang mengeluh biaya sekolah terlalu tinggi, proposi mesin jahit yang rusak sebulan yang lalu,proposi proyek yang belum selesai pada waktunya dan lain sebagainya. Untuk menciptakan perkiraaan P = proposi, kita bisa memakai rumus untuk , asalkan nilai
Oleh lantaran biasanya M tak diketahui, kita pergunakan rumus untuk menghitung P, menyerupai rumus untuk . Misalkan = proposi sampel elemen dari kelompok ke i yang termasuk dalam kategori yang kita perhatikan.
Pemerkira untuk proposi
Perkiraan varian untuk
dan
KS = 2 S
Contoh soal 4
Sesuai dengan data dari pola soal 1, pemerintah ingin memperkirakan proporsi sekolah yang mengalami kerusakan sebulan yang lalu, sehingga memerlukan perbaikan dengan tingkat keyakinan 95%. Untuk memperkirakan interval proporsi sekolah yang mengalami kerusakan sebulan yang lalu. Hitung juga kesalahan samplingnya dan pergunakan data berikut:
No. | Mi | mi | Pi |
1 | 50 | 10 | 0,40 |
2 | 65 | 13 | 0,38 |
3 | 45 | 9 | 0,22 |
4 | 48 | 10 | 0,30 |
5 | 52 | 10 | 0,50 |
6 | 58 | 12 | 0,25 |
7 | 42 | 8 | 0,38 |
8 | 66 | 13 | 0,31 |
9 | 40 | 8 | 0,25 |
10 | 56 | 11 | 0,36 |
i = Proporsi siswa yang mengalami masalah. Pemecahan
= = = 0,34
Buat asumsi varian
=
= [ 3381,4688 – 2 (0,34) (9484,84) + (0,34)2 (27.978)]
= 18.4482.
= (50)2 [ + … + (56)2
= [
= 0,00081
KS = 2S = 2 = 0,056
Nilai Batas Bawah = 0,34 – 0,056 = 0,284 = 0,28
Nilai Batas Atas = 0,34 + 0,056 = 0,396 = 0,40
Dengan tingkat keyakinan 95%, interval antara 0,28 hingga dengan 0,40 akan memuat proporsi mesin jahit yang rusak.
F. Penggunaan Aplikasi Komputer dalam Menggunakan Multistage Random Sampling
Pada pola ini akan memakai sekolah yang ada di Kota Bandung lantaran tempat yang lebih strategis dan memperkecil biaya yang dikeluarkan. Pada cuilan ini akan dilakukan pengolahan data memakai Metode Non Hierarki. Apabila salah satu sekolah di Kota Bandung sudah dirandom, maka selanjutnya mengetahui kepuasan orang bau tanah pada kinerja sekolah tersebut. Sebelumnya buatlah tabel data pada excel. Menurut Usman dan Sobari (2013),pada metode ini menetapkan jumlah cluster yang akan dibuat sebanyak 3, maka kita sanggup melaksanakan pengolahan data dengan beberapa langkah berikut :
· Klik Analyze
· Klik Classify
· Klik K-Means Cluster
Setelah perintah-perintah di atas dilakukan, maka akan muncul dialogue box sebagaimana sanggup dilihat di bawah ini:
Pada dialogue box tersebut, ikuti perintah-perintah berikut ini:
· Masukkan variable yang digunakan.
· Masukkan jumlah cluster yaitu 3, ke dalam kotak “Number of Cluster”.
· Pilih Method. Jika tidak membutuhkan proses iterasi, pilih “Classify Only”.
· Klik button “Option” yang terletak di sebelah kanan dialogue box.
Kemudian akan muncul dialogue box, sebagaimana sanggup dilihat di bawah ini.
Pilihlah statistik yang dibutuhkan. Untuk perkara ini hanya dibutuhkan “ANOVA Table” saja, sehingga hanya statistik itu saja yang di klik. Setelah melaksanakan perintah tersebut, clik “Continue”, dan kita akan kembali kepada dialogue box utama.
Kemudian untuk menyimpan nomor kelompok untuk masing-masing responden di worksheet, klik “save”, yang kemudian memunculkan dialogue box berikut.
Selanjutnya klik kotak “Cluster Membership”, yang kemudian dilanjutkan dengan mengklik “Continue”. Setelah kembali pada dialogue box utama, klik “OK”. Selanjutnya akan sanggup output sebagaimana sanggup dilihat di bawah ini :
Dari output yang didapat, hal yang penting untuk diperhatikan yakni tabel ANOVA. Teknik analisanya sama dengan ANOVA pada pembahasan Hirarki. Berdasarkan Tabel ANOVA sanggup disimpulkan bahwa responden dalam ketiga cluster mempunyai kepentingan yang relatif sama untuk Tangible, Emphaty dan Responsiveness. Akan tetapi, mempunyai kepentingan yang berbeda terhadap tiga variable lainnya menyerupai yang terlihat pada hasil di bawah ini:
Quick Cluster
Final Cluster Centers | |||
Cluster | |||
1 | 2 | 3 | |
Tangible | 2 | 2 | 2 |
Emphaty | 3 | 7 | 7 |
Responsiveness | 6 | 4 | 4 |
Realibility | 6 | 3 | 6 |
Ansurrance | 8 | 2 | 7 |
ANOVA | ||||||
Cluster | Error | F | Sig. | |||
Mean Square | df | Mean Square | df | |||
Tangible | .396 | 2 | .816 | 37 | .485 | .619 |
Emphaty | 95.584 | 2 | 1.263 | 37 | 75.677 | .000 |
Responsiveness | 29.317 | 2 | 1.875 | 37 | 15.638 | .000 |
Realibility | 13.215 | 2 | 2.883 | 37 | 4.584 | .017 |
Ansurrance | 43.270 | 2 | .860 | 37 | 50.289 | .000 |
Uji harus digunakan hanya untuk tujuan penjelasan, lantaran kelompok sudah dipilih untuk memaksimalkan perbedaan permasalahan dalam kelompok yang berbeda. Tingkat perbedaan yang telah diobservasi tidak sempurna pada hal ini dan tidak bisa diinterpretasikan sebagai beberapa uji dari hipotesa dari kelompok tersebut yang berarti sama/ seimbang.
Number of Cases in each Cluster | ||
Cluster | 1 | 14.000 |
2 | 3.000 | |
3 | 23.000 | |
Valid | 40.000 | |
Missing | 5.000 | |
Hal penting lainnya dari output ini yakni jumlah responden pada Cluster 1 sebanyak 14 orang, Cluster 2 sebanyak 3 orang sedangkan Cluster 3 sebanyak 23 orang.
Berdasarkan angka rata-rata dalam tabel Final Cluster Centers, ketiga cluster sanggup dirincikan sebagai berikut:
· Cluster 1: lebih menekankan pada Ansurrance.
· Cluster 2: lebih menekankan pada Emphaty.
· Cluster 3: lebih menekankan pada Emphaty dan Ansurrance.
G. Ringkasan Materi
Multistage random sampling yakni penggunaan banyak sekali metode random sampling secara gotong royong seefisien dan seefektif mungkin. Dalam memakai multistage sampling, hal yang perlu diperhatikan yakni populasinya cukup homogen, jumlah populasi sangat besar, populasi menempati tempat yang sangat luas, dan tidak tersedianya kerangka sampel yang memuat unit-unit yang terkecil (ultimate sampling unit).
Dalam multistage random sampling, untuk area yang luas, menyerupai sekolah yang berada di tempat Kota Bandung. Pertama-tama dibagi menjadi tempat yang lebih kecil (sekolah yang ada di Kecamatan), dan sampel di acak dari tempat yang dikumpulkan. Pada tahap kedua, sampel acak dari area yang lebih kecil (seperti desa) diambil dari dalam masing-masing tempat yang dipilih pada tahap pertama. Kemudian, di tahap ketiga sampel acak dari tempat bahkan lebih kecil (seperti sekolah) yang diambil dari dalam setiap bidang yang dipilih pada tahap kedua. Jika tempat ini cukup kecil untuk tujuan penelitian, maka peneliti mungkin berhenti pada tahap ketiga. Jika tidak, ia mungkin terus mencari sampel dari tempat yang dipilih pada tahap ketiga, dll hingga tempat yang ingin dipilih untuk penelitian.
Referensi
Barreiro, P. L. & Justo, P. A. (2001). Management mathematics for european schools. population and sample sampling techniques.
Diakses tanggal 13 November 2016, dari http://www.mathematik.unikl.de/˜mamaeusch.
Budiarto, E. (2002). Biostatistika untuk kedokteran dan kesehatan masyarakat. Jakarta: Penerbit Buku Kedokteran EGC.
Fatkhurohim. (2009). Sampling penelitian.
Febrike, D. (2015). Populasi dan sampel.
Diakses tanggal 12 November 2016, dari http://www.slideshare.net/derimafebrike/kuliah-9-populasi-sampel
Nasution, R. (2003). Teknik sampling.
Rifansah. (2013). Cluster random sampling.
Diakses tanggal 12 November 2016, dari http://www.slideshare.net/rifansahDua1/cluster-multi-satge-random-sampling.
Supranto, J. (2007). Teknik sampling untuk survey & eksperimen. Jakarta: PT Rineka Cipta.
Usman, H. & Sobari, N. (2013). Aplikasi teknik multyyvariate untuk riset pemasaran. Jakarta: PT Raja Grafindo Persada.
Glosarium
Multi | : | banyak; lebih dari satu; lebih dari dua |
Stage | : | tahap |
Multi stage | : | teknik penulisan sampel yang dilakukan secara bertingkat |
Cluster | : | kelompok |
Sampel | : | bagian kecil yang mewakili kelompok atau keseluruhan yang lebih besar |
Elemen | : | bagian yang penting dari keseluruhan yang lebih besar |
Random | : | gabungan; kombinasi |
Sampling | : | penarikan beberapa pola yang mewakili populasi dengan banyak sekali alasan |
Teknik | : | metode atau sistem mengerjakan sesuatu |
Variabel | : | suatu yang bersikap berubah-ubah dan tidak tetap |
Interval | : | menyangkut cuilan dalam dari sesuatu |
Proposi | : | suatu keseimbangan antara satu benda dengan benda lainnya dalam banyak sekali pertimbangan |
Rasio | : | pemikiran berdasarkan kecerdikan sehat; kecerdikan budi; nalar |
Stratum | : | lapisan yang sanggup dibedakan satu dari yang lain lantaran proses susunannya |
Efisien | : | tepat atau sesuai untuk mengerjakan (menghasilkan) sesuatu (dengan tidak membuang-buang waktu, tenaga, biaya); mampu menjalankan kiprah dengan sempurna dan cermat; berdaya guna; bertepat guna |
Fraksi | : | bagian kecil ; pecahan |
Populasi | : | kelompok orang, benda, atau hal hal menjadi sumber pengambilan sampel; suatu kumpulan yang memenuhi syarat tertentu yang berkaitan dengan problem penelitian |
Varian | : | bentuk yang berbeda atau menyimpang dari yang orisinil atau dari yang baku dan sebagainya; bentuk yang akan digunakan sebagai alternative |
Sumber http://samplingkuliah.blogspot.com