Stratified Random Sampling

Stratified random sampling mengacu pada metode pengambilan sampel yang memiliki properti berikut.

• Populasi terdiri dari N elemen.
• Populasi dibagi menjadi kelompok H, yang disebut strata.
• Setiap elemen dari populasi dapat diberikan ke satu, dan hanya satu, strata.
• Jumlah observasi dalam masing-masing strata U _h diketahui, dan N = N ₁ + N ₂ + U ₃ + ... + N_H-1 + N _H.
• Peneliti mendapatkan sebuah sampel probabilitas dari setiap strata.

Dalam tutorial ini, kita akan mengasumsikan bahwa peneliti menarik sampel acak sederhana dari setiap strata.

Keuntungan dan Kerugian

Stratified sampling menawarkan beberapa keunggulan dibandingkan simple random sampling.

• Sampel bertingkat dapat memberikan presisi lebih besar dari sampel acak sederhana dengan ukuran yang sama.
• Karena memberikan presisi yang lebih besar, sampel yang dibagi sering membutuhkan sampel yang lebih kecil, yang menghemat uang.
• Sampel bertingkat dapat menjaga terhadap sampel "tidak representatif" (misalnya, sampel semua laki-laki dari populasi campuran-gender).
• Kami dapat memastikan bahwa kita memperoleh titik sampel cukup untuk mendukung analisis yang terpisah dari sub kelompok apapun.

Kerugian utama dari sampel bertingkat adalah bahwa mungkin membutuhkan usaha yang lebih administratif daripada sebuah sampel acak sederhana.

Proporsional Versus proporsional Statification

Semua desain stratified sampling jatuh ke salah satu dari dua kategori, masing-masing memiliki kekuatan dan kelemahan seperti yang dijelaskan di bawah ini.

• Proporsional stratifikasi. Dengan stratifikasi proporsional, ukuran sampel dari setiap strata proporsional dengan ukuran populasi dari strata. Ini berarti bahwa setiap lapisan memiliki sama fraksi pengambilan sampel . 
  
  
  

• Stratifikasi proporsional memberikan presisi yang sama atau lebih baik dari sampel acak sederhana dengan ukuran yang sama.
• Keuntungan dalam presisi yang terbesar ketika ketika nilai-nilai dalam strata yanghomogen .
• Keuntungan dalam presisi terhutang kepada semua tindakan survei. 
• Tidak proporsional stratifikasi. Dengan stratifikasi proporsional, fraksi pengambilan sampel dapat berbeda dari satu strata ke yang berikutnya. 
  
  
  
• Ketepatan desain mungkin sangat baik atau sangat miskin, tergantung pada bagaimana titik sampel dialokasikan untuk strata. Cara untuk memaksimalkan presisi melalui stratifikasi proporsional dibahas dalam pelajaran berikutnya (lihat Tutorial Statistik: Ukuran Sampel Dalam Strata ).
• Jika varians berbeda di berbagai strata, stratifikasi proporsional dapat memberikan presisi lebih baik dari stratifikasi proporsional, ketika titik sampel benar dialokasikan untuk strata.
• Dengan stratifikasi proporsional, peneliti dapat memaksimalkan presisi untuk ukuran survei tunggal penting. Namun, keuntungan dalam presisi mungkin tidak terhutang kepada tindakan survei lainnya.

Rekomendasi Jika biaya dan varians yang hampir sama di seluruh strata, pilih stratifikasi proporsional lebih stratifikasi proporsional. Jika varians atau biaya berbeda di berbagai strata, pertimbangkan stratifikasi proporsional.