ETFFIN Finance >> Kursus keuangan >  >> Financial management >> keuangan

Pengambilan Sampel Acak Bertingkat

Apa itu 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 berlapis, atau stratifikasi, strata dibentuk berdasarkan atribut atau karakteristik bersama anggota seperti pendapatan atau pencapaian pendidikan.

Stratified random sampling disebut juga dengan proportional random sampling atau quota random sampling.

Takeaways Kunci

  • Stratified random sampling memungkinkan peneliti untuk mendapatkan sampel populasi yang paling mewakili seluruh populasi yang diteliti.
  • Stratified random sampling melibatkan pembagian seluruh populasi menjadi kelompok-kelompok homogen yang disebut strata.
  • Stratified random sampling berbeda dengan simple random sampling, yang melibatkan pemilihan data secara acak dari seluruh populasi, sehingga setiap sampel yang mungkin memiliki kemungkinan yang sama untuk terjadi.
1:40

Pengambilan Sampel Acak Bertingkat

Bagaimana Stratified Random Sampling Bekerja

Saat 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 kelompok kecil dari populasi. Kelompok kecil disebut sebagai ukuran sampel, yang merupakan bagian dari populasi yang digunakan untuk mewakili seluruh populasi. Sebuah sampel dapat dipilih dari suatu populasi melalui beberapa cara, salah satunya adalah metode stratified random sampling.

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

Peneliti akan segera menemukan bahwa ada hampir 200, 000 lulusan MBA untuk tahun ini. Mereka mungkin memutuskan untuk mengambil sampel acak sederhana sebanyak 50, 000 lulusan dan menjalankan survei. Lebih baik lagi, mereka dapat membagi populasi menjadi strata dan mengambil sampel acak dari strata. Untuk melakukan ini, mereka akan membuat kelompok populasi berdasarkan jenis kelamin, rentang usia, balapan, negara kebangsaan, dan latar belakang karir. Sampel acak dari setiap strata diambil dalam jumlah yang sebanding dengan ukuran strata jika dibandingkan dengan populasi. Subset dari strata ini kemudian dikumpulkan untuk membentuk sampel acak.

Stratified sampling digunakan untuk menyoroti perbedaan antara kelompok dalam suatu populasi, dibandingkan dengan 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 yang 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 sains, 800 adalah jurusan ilmu komputer, 1, 090 adalah jurusan teknik, dan 415 adalah 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 apa yang diambil: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 stratified random sampling.

Tim kemudian perlu memastikan bahwa strata populasi sebanding dengan strata dalam sampel; Namun, mereka menemukan proporsinya tidak sama. Tim kemudian perlu mengambil sampel ulang 4, 000 siswa dari populasi dan secara acak memilih 480 bahasa Inggris, 1, 120 ilmu pengetahuan, 960 ilmu komputer, 840 teknik, dan 600 siswa matematika.

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

Sampel Acak Sederhana Versus Stratified Random

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

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

Contohnya, sebuah 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 ditemukan dari 100 pelanggan tersebut ke seluruh basisnya. Berbeda dengan stratifikasi, itu akan sampel 100 anggota murni secara acak tanpa memperhatikan karakteristik masing-masing.

Stratifikasi Proporsional dan Tidak Proporsional

Pengambilan sampel acak berlapis 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 setiap strata sebanding dengan ukuran populasi strata.

Sebagai contoh, jika peneliti ingin sampel 50, 000 lulusan menggunakan rentang usia, sampel acak bertingkat proporsional akan diperoleh dengan menggunakan rumus ini:(ukuran sampel/ukuran populasi) x ukuran strata. Tabel di bawah ini mengasumsikan ukuran populasi 180, 000 lulusan MBA per tahun.


Kelompok usia



24-28



29-33



34-37



Total



Jumlah orang dalam strata



90, 000



60, 000



30, 000



180, 000



Ukuran sampel strata



25, 000



16, 667



8, 333



50, 000


Ukuran sampel strata untuk lulusan MBA dalam rentang usia 24 hingga 28 tahun dihitung sebagai (50, 000/180, 000)x90, 000 =25, 000. Metode yang sama digunakan untuk kelompok rentang usia lainnya. Setelah ukuran sampel strata diketahui, peneliti dapat melakukan sampling acak sederhana di setiap strata untuk memilih peserta surveinya. 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 sebanding 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 dicatat bahwa satu orang tidak dapat masuk ke dalam banyak 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 dalam survei, yang sepenuhnya meniadakan konsep pengambilan sampel bertingkat sebagai jenis pengambilan sampel probabilitas.

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 stratified random sampling adalah bahwa ia menangkap karakteristik populasi kunci dalam sampel. Mirip dengan rata-rata tertimbang, metode pengambilan sampel ini menghasilkan karakteristik dalam sampel yang sebanding dengan populasi keseluruhan. 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 simple random sampling. Semakin besar perbedaan antara strata, semakin besar keuntungan dalam presisi.

Kekurangan Stratified Random Sampling

Sayangnya, metode penelitian ini tidak dapat digunakan dalam setiap penelitian. Kerugian metode ini adalah bahwa beberapa kondisi harus dipenuhi agar dapat digunakan dengan benar. Peneliti harus mengidentifikasi setiap anggota populasi yang diteliti dan mengklasifikasikan masing-masing menjadi satu, dan hanya satu, subpopulasi. Hasil dari, pengambilan sampel acak berlapis tidak menguntungkan ketika peneliti tidak dapat dengan yakin mengklasifikasikan setiap anggota populasi ke dalam subkelompok. Juga, menemukan daftar lengkap dan definitif dari seluruh populasi dapat menjadi tantangan.

Tumpang tindih dapat menjadi masalah jika ada mata pelajaran yang termasuk dalam beberapa subkelompok. Ketika pengambilan sampel acak sederhana dilakukan, mereka yang berada di beberapa subkelompok lebih mungkin untuk dipilih. Hasilnya bisa berupa representasi yang salah atau refleksi yang tidak akurat dari populasi.

Contoh di atas memudahkan:sarjana, lulus, pria, dan perempuan adalah kelompok yang jelas. Dalam situasi lain, Namun, mungkin jauh lebih sulit. Bayangkan menggabungkan karakteristik seperti ras, etnis, atau agama. Proses sortasi menjadi lebih sulit, rendering stratified random sampling metode yang tidak efektif dan kurang ideal.

keuangan

keuangan