• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Cluster & multi satge random sampling
 

Cluster & multi satge random sampling

on

  • 8,481 views

Ransel

Ransel

Statistics

Views

Total Views
8,481
Views on SlideShare
8,481
Embed Views
0

Actions

Likes
2
Downloads
132
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Cluster & multi satge random sampling Cluster & multi satge random sampling Presentation Transcript

    • CLUSTER RANDOM SAMPLING• Populasi dibagi kedalam sub-sub unit yang berukuran lebih kecil. Sampel tahap pertama, diperoleh dari pemilihan sebagian atas unit-unit atau lebih dikenal dengan nama unit primer, dan sampel tahap kedua, diperoleh dan pemilihan unit didalam unit primer terpilih (William G Cochran)• Populasi bisa dipisah menurut rumpun/ kelompok/ cluster tertentu• CLUSTER/RUMPUN : – subpopulasi dari populasi awal – tiap rumpun heterogen – antar rumpun homogen• Contoh : rumpun (blok) rumah (RT, RW) kloter jamaah haji
    • CLUSTER RANDOM SAMPLING -+*+*- +**--+ 1 5-**-+-+ +--+*+---+++* ++--+- SAMPEL 2 6 ---+++***-+*-+ * *+-+* 2 ++-- **-+*-+ **-***+-+- +--+**+ +---**+ 3 7 8 +-*+**-+- --+ +** +**--+-++---+* +---**+ 4 8***++-- +**--+- RANDOMISASI RANDOMISASI CLUSTER UNIT SAMPEL
    • SATU POPULASI (Estimasi Proporsi)CLUSTER RANDOM SAMPLING N Z²1-α/2 σ² n = ------------------------------------------ (N-1) d² (N/C) ² + Z²1-α/2 σ²
    • SATU POPULASI (Estimasi Proporsi) CLUSTER RANDOM SAMPLINGn = besar sampel (jumlah cluster) minimumN = besar populasiZ1-α/2 = nilai distribusi normal baku (tabel Z) pada α tertentud = kesalahan (absolut) yang dapat ditolerirC = jumlah seluruh cluster di populasiσ2 = ∑(ai – mi P)2/(C’-1) dan P = ∑ai /∑miai = banyaknya elemen yang masuk kriteria pada cluster ke-imi = banyaknya elemen pada cluster ke-iC’ = jumlah cluster sementara
    • PERHATIAN …..!!!!Menurut Ariawan(1998):• Strategi yang digunakan untuk menghitung besar sampel untuk metode klaster adalah dengan menggunakan rumus untuk sampel acak sederhana dan mengalikan hasil perhitungannya dengan efek desain (design effect). Z1-α/22 . p . (1-p)• n = ----------------------X 2 d2• Deff : bernilai 2 (WHO, Ariawan & Frerichs, 1995)• Karena rumus varians selain kompleks juga mengandung parameter Pi proporsi pada klaster i yang sulit diketahui sebelum survey dilakukan M −m m m N −n ˆ ˆ Var ( P ) = ∑ Mm (m − 1) i =1 ˆ ( P1 − P ) 2 + ∑ P1(1 − Pi ) NMm (n − 1) i=1 ˆ
    • Contoh 1:• Dinas Kesehatan Kab.X Papua ingin mengetahui cakupan imunisasi lengkap pada anak. Dari hasil survey imunisasi pada tingkat propinsi Papua 1 tahun yang lalu diperoleh cakupan imunisasi lengkap sebesar 70%. Pada penelitian ini, peneliti juga merencanakan untuk menggunakan metode sampel cluster 2 tahap dengan menggunakan 20 klaster . Pada tahap pertama akan dipilih desa dan pada tiap desa terpilih lalu akan dipilih sejumlah anak berumur 1-2 tahun secara acak sederhana. Berapa besar sampel yang diperlukan jika peneliti menginginkan kesalahan maksimum terhadap cakupan imunisasi di populasi sebesar 5% dan derajat kepercayaan 95%?.
    • • Diket : P = 70% d = 5% CI = 95%• Ditanya : n total dan n cluster?• Jawab : Z1-α/22 . p . (1-p)• n = ----------------------X 2 deff d2 (1,96)2 . 0,07 . (1-0,07)• n = -------------------------------- X 2 (0,05)2• = 323 X 2 = 646 anak .n• Maka untuk sampel di 20 cluster adalah 646/20 = 33 anak untuk tiap cluster
    • Ringkasan tahapan/langkahnya:• Langkah 1: Memilih sampel desa• Langkah 2: Memilih responden pada desa yang terpiiih pada langkah 1.• Dalam terminologi sampel, langkah di atas disebut sebagai tingkat (stage) dan pengambilan sampel diberi nama sesuai dengan banyaknya tingkat.• Jadi contoh di atas adalah pengambilan sampei secara klaster 2 tingkat.
    • MULTI STAGE SAMPLING• Sampel bertingkat/ banyak tahap• Untuk populasi besar• Menggunakan desain gabungan; stratifikasi dan klaster.• Contoh: suatu survei dilakukan untuk mengetahui cakupan imunisasi campak pada anak sekolah dasar di kabupaten Cirebon
    • Maka pengambilan sampel dapat dilakukan:• Langkah 1: Memilih j kecamatan dari J kecamatan yang ada di kabupaten Cirebon.• Langkah 2: Pada j kecamatan terpilih, dipilih k keiurahan/desa dari K kelurahan/desa yang ada di kecamatan terpilih.• Langkah 3: Pada k kelurahan/desa terpilih, dipilih l sekolah dasar dari L sekolah dasar yang ada di kelurahan/desa terpilih.• Langkah 4: Pada I 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 tahapan:1. Kelas berfungsi sebagai unit sampel disebut unit sampel primer (primary sampling unit/PSU = kecamatan).2. Murid berfungsi sebagai unit elementer.3. Pemilihan klaster dilakukan secara acak, m klaster dipilih secara acak dari M klaster yang ada.
    • Contoh daftar cluster yang teridentifikasi:Desa Jml penduduk Jml pddk kumulatifSukasari 1500 1500Sukamanah 3000 4500Sukajadi 2350 6850Sukamakmur 4000 10850Sukamaju 1350 12200Gotong-royong 3200 15400Telaga warna 1780 17180Warna sari 1900 19080Situ biru 2560 21640Sari maju 3400 25040
    • Maka desa yang terpilih sbb:• Pemilihan klaster dilakukan dengan menggunakan metode acak dengan selang nomor 1 sampai dengan 25040.• Misalkan angka acak pertama adalah 1653, angka 1653 tersebut berada di antara 1501 dan 4500, jadi desa Sukamanah terpilih.• Angka acak kedua dipilih, misalkan angka tersebut adalah 9201. Angka ini terletak pada selang 6851 sampai dengan 10850, berarti desa Sukamakmur terpilih, dst• Dengan cara ini klaster yang lebih besar memiliki kesempatan untuk terpilih lebih besar pula, karena selang yang dimiliki lebih lebar.