Penerapan Simple Random Sampling (SRS) dengan Python

Simple Random Sampling (SRS) dengan Python

Simple Random Sampling atau yang biasa disingkat SRS merupakan salah satu teknik pengambilan sampel di mana setiap anggota dalam populasi (elemen) memiliki peluang yang sama untuk terpilih sebagai bagian dari sampel. Tidak hanya itu, dalam SRS, setiap kombinasi kemungkinan anggota sampel juga mempunyai probabilitas yang sama untuk terpilih.

Prinsip teknik SRS memungkinkan suatu sampel yang terpilih menggambarkan atau merepresentasikan karakteristik dari populasi. Kebaikan pemanfaatan teknik ini selain secara teknis mudah diterapkan juga dinilai mampu menggambarkan kondisi populasi target dengan baik. Oleh karena itulah, seringkali teknik ini digunakan dalam riset atau penelitian.

Kelamahan SRS

Namun demikian, sebagaimana teknik sampling pada umumnya, SRS juga mempunyai beberapa kelemahan, di antaranya adalah:

1. Memerlukan sampling frame yang lengkap dari populasi target. Bila sampling frame tidak tersedia, maka hasil penggunaan teknik SRS ini berpotensi besar tidak akurat sehingga menimbulkan bias estimasi yang tinggi;

2. Tidak efisien bila kondisi karakteristik dari populasi targetnya heterogen. Mengingat teknik sampling ini dilakukan dengan mengambil begitu saja sampel dari kerangka sampel, maka bila karakteristik elemen populasi targetnya heterogen akan berdampak aspek keterwakilan tidak tercapai dengan baik. Selain itu, ada kemungkinan beberapa sampel akan terpilih lebih dari sekali. Ini tentu akan menyebabkan bias estimasi meningkat dan menjadikan penduga populasi target tidak akurat;

3. Tidak cocok bagi populasi yang sangat menyebar dari segi lokasi. Kemudahan teknik SRS sampling memang terlihat jelas saat mengambil sampel. Namun karena tidak mempertimbangkan aspek posisi atau lokasi sampel, sampel yang terpilih bisa jadi sangat menyebar dan hal itu akan menyebabkan biaya riset, survei, atau penelitian akan mahal. Tentu ini jauh dari harapan penerapan teknik sampling;

Kalau sebelumnya, kita telah mempraktikkan bagaimana menerapkan teknik pengambilan sampel Simple Random Sampling dengan R. Lantas, bagaimana bila diterapkan menggunakan Python? Berikut ini adalah sebuah contoh bagaimana mengambil sampel SRS dengan paket Python:

In [1]:

#Aktivasi package yang diperlukan
import pandas as pd
import random

#Membuat dataFrame
df = pd.DataFrame({
    'nama': ['Andi', 'Budi', 'Cindy', 'Dika', 'Eka', 'Fani', 'Gita', 'Hani', 'Ivan', 'Joni'],
    'usia': [20, 25, 23, 22, 24, 21, 19, 20, 26, 23],
    'jenis_kelamin': ['L', 'L', 'P', 'L', 'P', 'P', 'P', 'L', 'L', 'P']
})

#Melihat dataframe
df

Out[1]:

	nama	usia	jenis_kelamin
0	Andi	20	L
1	Budi	25	L
2	Cindy	23	P
3	Dika	22	L
4	Eka	24	P
5	Fani	21	P
6	Gita	19	P
7	Hani	20	L
8	Ivan	26	L
9	Joni	23	P

In [2]:

#Simple Random Sampling tanpa replacement (wor)
ukuran_sampel = 4
sampel_tanpa_replacement = df.sample(n=ukuran_sampel, replace=False)

print("Sampel tanpa replacement:\n", sampel_tanpa_replacement)

Sampel tanpa replacement:
     nama  usia jenis_kelamin
6   Gita    19             P
2  Cindy    23             P
0   Andi    20             L
7   Hani    20             L

In [3]:

#Simple Random Sampling dengan replacement (wr)
ukuran_sampel = 4
sampel_dengan_replacement = pd.DataFrame(columns=['nama', 'usia', 'jenis_kelamin'])
for i in range(ukuran_sampel):
    row = df.sample(n=1, replace=True)
    sampel_dengan_replacement = sampel_dengan_replacement.append(row)

print("Sampel dengan replacement:\n", sampel_dengan_replacement)

Sampel dengan replacement:
    nama usia jenis_kelamin
4   Eka   24             P
0  Andi   20             L
7  Hani   20             L
5  Fani   21             P

Demikian sedikit sharing kita kali ini. Jangan lupa untuk terus menyimak dan mengikuti artikel terbaru dan menarik dalam blog sederhana ini. Selamat memahami dan mempratikkan!