 |
| Penerapan PPS Sampling metode kumulatif dengan R |
Probability Proportional to Size (PPS) Sampling merupakan salah satu cara pengambilan sampel versi lain selain metode Lahiri (dapat teman-teman baca dan praktikkan di sini). Yang jelas perbedaannya terletak pada cara penentuan sampel terpilihnya. Pada metode Lahiri, penentuan sampel terpilih berdasarkan posisi angka random yang diambil sebesar ukuran sampel lalu dicocokkan dengan range 1 sampai Xi(max), maka dalam metode kumulatif, sampel dipilih berdasarkan kecocokan nilai kumulatif Size sampel terhadap range dari kumulatif Size.
Metode kumulatif ini sedikit lebih sederhana dibandingkan dengan Lahiri. Sebab, kita hanya memerlukan hitungan range yang terbentuk dari setiap size populasi sebagai penentuan sampel. Dengan mengambil sebuah angka random dari Tabel Angka Random (TAR), kita dapat secara cepat menentukan sampel mana saja yang terpilih sebagai responden riset atau penelitian.
Kita coba angkat sebuah contoh kasus dari buku saya yang berjudul "Kompas Teknik Pengambilan Sampel" terbitan In Media. Di suatu RT terdapat 10 rumah tangga dengan masing-masing rumah tangga mempunyai jumlah anggota rumah tangga (ART) sebanyak 2, 4, 3, 5, 6, 2, 1, 2, 3, dan 4. Dengan metode PPS sampling kumulatif diperoleh angka random dari TAR sebesar 2. Bila sampel yang ditentukan sebanyak 3 rumah tangga, maka sampel berapa saja yang terpilih dengan menerapkan code R? Untuk menerapkan PPS Sampling metode kumulatif di R, langkah-langkahnya adalah sebagai berikut:
#Data size jumlah anggota rumah tangga (ART)
N <- c(2, 4, 3, 5, 6, 2, 1, 2, 3, 4)
N
## [1] 2 4 3 5 6 2 1 2 3 4
#Nilai kumulatif
kum <- cumsum(N)
kum
## [1] 2 6 9 14 20 22 23 25 28 32
#Menentukan jumlah sampel
n <- 3
n
## [1] 3
# Menghitung batas bawah dan batas atas untuk setiap range
bawah <- c(1, kum[-length(kum)] + 1)
atas <- kum
bawah
## [1] 1 3 7 10 15 21 23 24 26 29
atas
## [1] 2 6 9 14 20 22 23 25 28 32
#Menentukan AR1
ar1 <- 2
#Menentukan nilai sampel terpilih
nilai_n <- seq(ar1, max(kum), round(max(kum)/n))
nilai_n
## [1] 2 13 24
#Mendapatkan sampel terpilih
sampel_terpilih <- sapply(nilai_n, function(x) which(bawah <= x & atas >= x))
sampel_terpilih
## [1] 1 4 8
Berdasarkan hasil hitungan R, diperoleh bahwa sampel terpilih dalam kasus ini adalah sampel ke-1, 4, dan 8. Hasil ini sama persis dengan hasil hitungan manual dalam buku Kompas Teknik Pengambilan Sampel.
Demikian sedikit sharing kita kali ini, semoga bermanfaat. Jangan lupa untuk terus menyimak setiap unggahan terbaru dan menarik dalam blog sederhana ini. Selamat memahami dan mempraktikkan!