Sampling klaster stratifikasi

(Stratified cluster sampling)

Sampling klaster dapat juga diaplikasikan dalam sampling

berstrata. Sesuai dengan prinsip strata yaitu membagi populasi
menjadi sub-populasi
Alasan : - efisiensi, disesuaikan tingkat penyajian
- penyesuaian dengan keadaan adminisrasi
estimasi dilakukan melalui masing-masing stratum dan
kemudian dilakukan estimasi populasi
Utk. penduga total, dilakukan penduga masing-masing
stratum, dijumlahkan menjadi penduga total populasi.
Utk. penduga mean dihitung penduga mean per stratum,
penduga populasi ditimbang dengan banyaknya unit pada
masing-masing stratum.

Perbedaan antara Cluster dan

stratified Cluster sampling
One stage Cluster Sampling
sampling
Setiap
blok
adalah
cluster
Take an SRS of clusters; observe all elements within the clusters in the
sample:

Unit Sampling
adalah
cluster,
sample
seluruh unit
dlm
cluster yang
terpilih

Stratified Cluster
Setiap
blok
adalah
strata
(kumpulan
dari
cluster)
Unit
sampling
adalah
cluster
Sampel
dari
setiap
stratum

Take an SRS from ever stratum:

Stratified cluster sampling

Populasi
N klaster

Stratum 1
N1 klaster

n1 klaster

Stratum 2
N 2 klaster

n2 klaster

Stratum L
N L klaster

nL

klaster

Tujuan:
Mengurangi error
dari cluster
sampling dengan
membentuk strata
dari cluster

Kumpulan cluster

Stratified cluster sampling

mengkombinasikan antara elemen dari
Stratifikasi dan cluster:
Pertama-tama harus di define clusternya
Kemudian cluster dikelompokkan sehingga
membentuk strata dari cluster dengan
mempertimbangkan cluster-cluster yang sama
kedalam strata
sampel diambil secara random pada setiap
strata
Custer yang terpilih dari dalam strata yang

Ada 2 cara untuk membentuk estimator dari ratarata populasi yaitu separate estimator dan combine
estimator.
Jika separate estimator diterapkan maka jumlah
elemen pada setiap strata harus diketahui untuk
memperoleh penimbang untuk setiap strata. Oleh
karena biasanya jumlah elemen tiap strata tidak
diketahui maka pada sesi ini hanya combine yang
akan dibahas.

Untuk mengestimasi

sample

pada Stratified cluster

digunakan combined ratio estimator :

L

yc

N
i 1
L

yti

N m
i 1

Dimana

adalah jumlah cluster pada masing-masing strata

Contoh:

diambil

Ada 2 kota masing-masing terdiri atas:

N1 415Diambil
blok

n1 25

N 2 168Diambil
blok

n2 10

y t 53160

y t 54700

m1 6.04

m2 4, 90

Estimate rata-rata pendapatan per

kapita.
Per-capita income
Kluster ke- i

Jumlah
residen ( m )
i

Total
pendapatan per
kluster ( y )

Kluster ke-i

Total
Jumlah
pendapatan per
residen ( mi )
kluster ( y )
i

$96000

14

10

$49000

12

121000

15

53000

42000

16

50000

65000

17

32000

52000

18

22000

40000

19

45000

75000

20

37000

65000

21

51000

45000

22

30000

10

50000

23

39000

11

85000

24

47000

12

43000

25

41000

13

54000

25

i 1

151

25

i 1

$1329000

Kluster ke- i

Jumlah residen
( mi )

Total pendapatan per

kluster ( y )
i

$18000

52000

68000

36000

45000

96000

64000

10

115000

41000

10

12000

Estimasi dari rata-rata populasi dari cluster:

1
N1 y t N 2 y t
1
2
N

Estimasi dari rata-rata ukuran dari cluster:

1
N1m1 N 2 m2
N
Estimasi dari rata-rata populasi per elemen
adalah:

yc
V yc

N1 y t N 2 y t
1

N1m1 N 2 m2
1 N1 ( N1 n1 ) 2 N 2 ( N 2 n2 ) 2
SC1
SC 2
2
M
n1
n2

Dimana:

= total elemen dalam populasi yang bisa

diestimasi dengan menggunakan:

N1m1 N 2 m2
jika tidak diketahui

SC21 = adalah varians pada stratum1

SC22 = adalah varians pada stratum2

1
V yc 2
M

N1 ( N1 n1 ) 2 N 2 ( N 2 n2 ) 2
SC1
SC 2

n1
n2

M2

N h N h nh

h 1

nh

SC2h

Estimasi variansnya adalah:

L

ni

1
V yc
yi yti yc mi mi

(
n

1)
h 1 i 1
h

yc

415 53160 168(54700)

415 6, 04 168(4,90)

9385

Untuk Stratum 1:
1
S

1
1
2
C1

n1

y y y m m

c
i
1
t1
i

i 1

25798

Untuk Stratum 2:
S

2
C2

n2 1

n2

y y y m m

c
i
2
t2
i

i 1

8657

2 SE 2 412563,8
$

V yc 412563,8
Rata-rata pendapatan per kapita untuk dua
kota
9385 1285
tersebut combine adalah

v(Y')
N
M
'v(y')

L
sth1h22hn

Rumus-rumus utk sampling klaster stratifikasi

L

1)

v(Yst ) N h2 M ' 2h v( y n )

Yst N h M ' h y hnh

h 1

h 1

M 'h

i 1

v(Yh )

hi

h 1

nh
L

2)

Y ' st N h M ' h y ' hnh

h 1

M 'h
3)

M
i 1

v(Y ' h )

hi

h 1

nh

*
Y N h M h* h y hn
h
*
st

h 1

v(Y ) N M v( y ) v(Yh* )
*
st

h 1

2
h

*2
h

*
h

h 1

Nh

M
*
h

M
i 1

Nh

hi

Nilai mean atau total disesuaikan dengan

metode penarikan sampelnya

Optimum Cluster Size

Cluster Size Naik, maka:

Varians Naik
Biaya Turun

Banyaknya Cluster Terpilih Naik, maka:

Varians Turun
Biaya Naik

Bagaimana agar OPTIMUM

Optimum cluster size dan banyaknya

cluster terpilih

Biaya tetap varian minimum dan varian

tetap biaya minimum

C = C0 + C1 n + C2 nM
dimana :
C Biaya Survei
C0 Biaya per Cluster
C1 Biaya Tetap
C2 Biaya Pencacahan per Unit

Bila biaya antar cluster diperkirakan

sebanding terhadap
dan
n 1 n
n
diharapkan besar, maka:

dimana :
A Konstanta tergantung pada Region Area
C11 Biaya Perjalanan
C12 Biaya Kegiatan Awal (Identifikasi, Kontak, dll)
Lebih lanjut akan dibahas pada saat pembahasan
Sampling bertahap.