Penerapan Two Stage Sampling dengan R

Two Stage Sampling dengan R

Seiring dengan perkembangan teknik pengambilan sampel, para ahli statistika kemudian mengkombinasikan antara satu teknik sampling dengan teknik yang lainnya. Hal ini dilakukan mengingat dalam kenyataannya , karakteristik populasi sesungguhnya tidaklah ideal sehingga memerlukan lebih dari satu tahapan dalam menentukan sampel yang memenuhi aspek keterwakilan populasi.

Ada banyak kombinasi teknik sampling yang kemudian diaplikasikan. Namun pada prinsipnya kombinasi teknik sampling itu hanya sama atau berbeda cara di setiap tahapannya sedemikian rupa sehingga diperoleh sampel pada tahapan akhir. Bila tahapan yang dibutuhkan sebanyak 2 tahap, maka inilah yang kemudian diistilahkan dengan Two Stage Sampling (TSS). Kalau tahapannya berjumlah 3, maka disebut Three Stage Sampling dan seterusnya.

Adapun teknik mengambil sampel di setiap tahapan sendiri telah kita pelajari bersama di sini [1], [2], [3], [4], dan [5]. Sebagai contoh saja, pada artikel kali ini kita akan mempraktikkan Two Stage Sampling kombinasi antara Simple Random Sampling (SRS) dan SRS (SRS-SRS) tanpa pengembalian (without replacement, wor). Data yang kita gunakan merupakan data Indeks Pembangunan Manusia atau HDI Kabupaten/Kota se-Jawa Timur tahun 2022 yang dapat diunduh pada tautan berikut.

Setelah datanya telah siap, implementasi Two Stage Sampling SRS-SRS wor dengan R dapat mengikuti langkah-langkah berikut:

#Aktivasi package
library(readxl)

#Import data
data <- read_excel("ipmjatim.xlsx")

#Melihat Sekilas data
head(data)

## # A tibble: 6 x 2
##   Kako                    IPM
##   <chr>                 <dbl>
## 1 Kabupaten Pacitan      69.4
## 2 Kabupaten Ponorogo     71.9
## 3 Kabupaten Trenggalek   71  
## 4 Kabupaten Tulungagung  74.1
## 5 Kabupaten Blitar       71.9
## 6 Kabupaten Kediri       73.5

#Menentukan jumlah sampel pada tahap 1
n1 <- 30

#Stage 1: Simple Random Sampling Without Replacement
samp1 <- sample(nrow(data), n1, replace = FALSE)

# Mengambil subset data hasil sampling tahap 1
data_stage1 <- data[samp1,]

#Sampel pada tahap 1
data_stage1

## # A tibble: 30 x 2
##    Kako                    IPM
##    <chr>                 <dbl>
##  1 Kabupaten Bondowoso    67.3
##  2 Kabupaten Pamekasan    67.0
##  3 Kabupaten Banyuwangi   71.9
##  4 Kabupaten Bangkalan    65.0
##  5 Kabupaten Pacitan      69.4
##  6 Kabupaten Probolinggo  67.0
##  7 Kabupaten Bojonegoro   70.1
##  8 Kota Malang            82.7
##  9 Kabupaten Malang       71.4
## 10 Kota Probolinggo       74.6
## # ... with 20 more rows

#Menentukan jumlah sampel pada tahap 2
n2 <- 10

#Stage 2: Simple Random Sampling Without Replacement
samp2 <- sample(nrow(data_stage1), n2, replace = FALSE)

#Mengambil subset data hasil sampling tahap 2
data_final <- data_stage1[samp2,]

#Sampel terpilih two stage sampling
data_final

## # A tibble: 10 x 2
##    Kako                  IPM
##    <chr>               <dbl>
##  1 Kabupaten Malang     71.4
##  2 Kabupaten Jombang    74.0
##  3 Kabupaten Gresik     77.2
##  4 Kabupaten Lamongan   74.0
##  5 Kabupaten Pamekasan  67.0
##  6 Kabupaten Ponorogo   71.9
##  7 Kabupaten Kediri     73.5
##  8 Kabupaten Pacitan    69.4
##  9 Kabupaten Ngawi      71.8
## 10 Kota Batu            77.2

#Perbandingan rata-rata populasi dan sampel terpilih dari two stage sampling SRS-SRS wor
cat("Rata-rata IPM populasi adalah sebesar", mean(data$IPM),
    "sedangkan rata-rata IPM sampel two stage sampling sebesar", mean(data_final$IPM))

## Rata-rata IPM populasi adalah sebesar 72.96921 sedangkan rata-rata IPM sampel two stage sampling sebesar 72.727

Berdasarkan hasil di atas, terlihat bahwa rata-rata sampel 10 wilayah sampel cukup mendekati rata-rata untuk keseluruhan wilayah yang dalam konteks ini dijadikan sebagai populasi. Artinya, untuk melihat rata-rata IPM keseluruhan wilayah di Jawa Timur tahun 2022, kita cukup mengambil sampel sebanyak 10 wilayah saja sehingga lebih efisien dan efektif.

Demikian sedikit sharing kita kali ini. Jangan lupa untuk terus menyimak setiap artikel terbaru dan menarik lainnya di blog ini. Selamat memahami dan mempraktikkan!