Metode Sampling — Acak, Stratifikasi & Sistematis

Metode sampling adalah aturan yang digunakan untuk memilih sampel dari suatu populasi. Dalam statistika, metode ini penting karena sampel yang bias dapat memberi hasil yang menyesatkan bahkan sebelum Anda melakukan perhitungan apa pun.

Tiga metode yang umum adalah sampling acak sederhana, sampling stratifikasi, dan sampling sistematis. Pilihan yang tepat bergantung pada populasi, daftar yang Anda miliki, dan apakah kelompok penting perlu diwakili secara terpisah.

Gambaran singkat metode sampling

Sampling acak sederhana hanya menggunakan peluang, sehingga setiap anggota populasi memiliki peluang yang sama untuk terpilih.

Sampling stratifikasi membagi populasi ke dalam kelompok yang bermakna, yang disebut strata, lalu mengambil sampel secara acak di dalam setiap kelompok. Gunakan metode ini saat kelompok-kelompok tersebut penting bagi pertanyaan yang sedang dikaji.

Sampling sistematis dimulai dari titik acak pada sebuah daftar lalu mengambil setiap item ke-$k$. Metode ini cepat, tetapi hanya bekerja baik jika urutan daftar tidak mengandung pola berulang yang berkaitan dengan apa yang Anda ukur.

Kapan menggunakan setiap metode sampling

Gunakan sampling acak sederhana saat populasi sudah berupa satu kumpulan campuran dan Anda terutama ingin keadilan melalui peluang.

Gunakan sampling stratifikasi saat beberapa kelompok cukup penting sehingga sampel acak biasa bisa melewatkan mereka atau membuat mereka kurang terwakili.

Gunakan sampling sistematis saat Anda memiliki daftar panjang yang terurut dan ingin aturan praktis seperti "ambil setiap nama ke-10." Syaratnya penting: jika urutan daftar memiliki siklus tersembunyi, metode ini dapat mengubah hasil.

Jika Anda ingin aturan cepat, tanyakan ini:

• Apakah populasi pada dasarnya satu kelompok campuran? Gunakan sampling acak sederhana.
• Apakah kelompok tertentu perlu terwakili dengan andal? Gunakan sampling stratifikasi.
• Apakah Anda punya daftar panjang yang netral dan butuh metode cepat? Gunakan sampling sistematis.

Contoh kerja: sampling stratifikasi menjaga kelompok penting tetap ada dalam sampel

Misalkan sebuah sekolah ingin mensurvei kebiasaan belajar. Ada $100$ siswa: $60$ siswa kelas 11 dan $40$ siswa kelas 12. Sekolah ingin mengambil sampel sebanyak $20$ siswa.

Dengan sampel acak sederhana, hasilnya mungkin mendekati pembagian sebenarnya, tetapi peluang tetap bisa menghasilkan terlalu banyak siswa kelas 11 atau terlalu banyak siswa kelas 12.

Dengan sampling stratifikasi, sekolah mempertahankan proporsi yang sama dalam sampel:

$$20 \cdot \frac{60}{100} = 12$$ $$20 \cdot \frac{40}{100} = 8$$

Jadi sampel mencakup $12$ siswa kelas 11 dan $8$ siswa kelas 12, yang dipilih secara acak dalam masing-masing tingkat. Ini masuk akal di sini karena tingkat kelas dapat memengaruhi kebiasaan belajar, dan sekolah ingin kedua kelompok terwakili dalam proporsi yang sama seperti populasi.

Sampling stratifikasi tidak otomatis lebih baik dalam setiap masalah. Metode ini membantu saat kelompok-kelompok tersebut memang bermakna dan Anda ingin masing-masing terwakili dengan baik.

Cara kerja sampling sistematis

Bayangkan sekolah yang sama memiliki daftar $100$ siswa dan ingin mengambil sampel $10$. Interval yang umum adalah

$$k = \frac{100}{10} = 10$$

Jadi sekolah bisa memilih titik awal acak dari $1$ sampai $10$, lalu mengambil setiap siswa ke-$10$ setelah itu.

Ini efisien, tetapi memiliki kelemahan. Jika daftar disusun dengan pola berulang, misalnya berdasarkan jam pelajaran atau program, setiap pilihan ke-$10$ bisa terlalu sering mengenai jenis siswa yang sama. Dalam kasus itu, kepraktisan metode justru menjadi sumber bias.

Kesalahan umum yang membuat sampel menjadi bias

Menyebut setiap sampel sebagai acak

Sampel tidak menjadi acak hanya karena pemilihnya tidak merencanakannya dengan cermat. Sampling acak memerlukan aturan yang berbasis peluang.

Menggunakan sampling stratifikasi tanpa alasan yang nyata untuk kelompoknya

Kelompok-kelompok tersebut harus relevan dengan pertanyaannya. Jika strata dibuat secara sembarang, kerumitan tambahan itu mungkin tidak membantu.

Mengabaikan urutan dalam sampling sistematis

Sampling sistematis hanya aman jika urutan daftar tidak menciptakan pola yang merugikan terhadap intervalnya.

Mengacaukan sampel dengan seluruh populasi

Bahkan sampel yang baik tetaplah sampel. Sampel memberi perkiraan, bukan kepastian sempurna.

Di mana metode sampling digunakan

Metode sampling digunakan dalam survei, jajak pendapat, pengendalian mutu, eksperimen, studi kesehatan masyarakat, dan proyek data di kelas. Dalam setiap kasus, sampel dipilih terlebih dahulu dan analisis dilakukan setelahnya.

Itulah sebabnya sampling berada di awal statistika, bukan di akhir. Jika sampelnya lemah, rata-rata, grafik, dan kesimpulan yang dibangun darinya juga bisa lemah.

Coba soal serupa

Ambil satu populasi yang Anda kenal baik, seperti kelas, klub, atau daftar produk. Pilih satu metode sampling dan jelaskan alasannya dalam satu kalimat. Jika Anda memilih sampling sistematis, tentukan intervalnya dan periksa apakah ada pola berulang. Jika Anda memilih sampling stratifikasi, jelaskan mengapa kelompok-kelompok itu penting sebelum menghitung ukuran sampelnya.