Salah satu teknik penentuan sampel penelitian adalah cluster random sampling. Sesuai namanya, teknik ini masuk dalam kategori random sampling atau probability sampling. Teknik penetapan sampel ini bisa digunakan untuk populasi skala besar.
Khususnya untuk populasi besar yang memiliki jarak atau luas geografis yang sangat luas. Misalnya, populasi penelitian adalah masyarakat atau mungkin sekolah di satu kota di Indonesia. Bisa jadi, kota tersebut kota besar dengan luas wilayah yang lumayan.
Penentuan sampel penelitian yang berhadapan dengan luas geografis yang luas, menjadi efisien dengan teknik cluster sampling. Namun, sebelum memakai teknik ini pastikan dulu sudah memahaminya dengan baik. Berikut penjelasan detailnya.
Dikutip melalui website Universitas Esa Unggul, cluster random sampling adalah teknik random sampling yang dilakukan terhadap unit sampling yang merupakan suatu kelompok (cluster). Setiap cluster memiliki anggota yang bisa homogen dan heterogen.
Sementara dikutip dari Repository STIE, cluster sampling adalah teknik sampling daerah yang digunakan untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas, misalnya penduduk dari suatu negara, provinsi atau kabupaten.
Cluster atau klaster pada dasarnya adalah kelompok. Sehingga dalam teknik ini, peneliti akan membagi populasi penelitian dalam beberapa kelompok yang disebut dengan istilah cluster.
Sebab istilah cluster lebih cocok karena kelompok berisi populasi yang memiliki suatu karakteristik sama atau punya kesamaan. Misalnya tinggal di wilayah yang sama, memiliki tingkat pendidikan yang sama, dan kesamaan lainnya.
Cluster random sampling tidak selalu cocok untuk semua penelitian. Ada beberapa kondisi yang membuat teknik ini ideal digunakan. Berikut kondisi-kondisi tersebut:
Kondisi pertama dimana teknik cluster sampling ideal digunakan adalah ketika berhadapan dengan populasi yang terpencar secara geografis. Seperti yang dijelaskan di awal, teknik ini cocok untuk penelitian yang populasinya terpisah jarak yang jauh.
Misalnya penelitian yang populasinya adalah sekolah di suatu kota, rumah sakit di suatu kota, dan sebagainya. Penelitian yang fokus di suatu daerah, kota, dan wilayah. Maka berhadapan dengan geografis luas yang tidak memungkinkan untuk memilih sampel dengan teknik selain cluster sampling.
Kondisi kedua yang membuat teknik cluster sampling cocok diterapkan adalah jika penelitian punya keterbatasan sumber daya. Sumber daya disini mencakup waktu, tenaga atau SDM, dan juga biaya.
Beberapa penelitian memang berhadapan dengan keterbatasan sumber daya. Baik hanya satu jenis sumber daya maupun beberapa jenis sekaligus. Sehingga butuh teknik penentuan sampel penelitian yang efisien tapi tetap efektif.
Cluster random sampling bisa dipertimbangkan karena membantu menghemat seluruh sumber daya. Dalam penelitian kualitas sekolah di satu kota misalnya. Peneliti tidak perlu mengambil data dari semua sekolah. Hanya satu sekolah di masing-masing kabupaten di kota tersebut.
Kondisi ketiga yang membuat teknik cluster sampling tepat untuk digunakan adalah peneliti sulit mengakses semua populasi penelitian. Adanya kondisi populasi terpencar secara geografis menjadi alasannya.
Dalam penelitian di wilayah sangat luas, peneliti tidak bisa mendatangi semua populasi penelitian Sebab membutuhkan waktu, tenaga, dan juga biaya lebih tinggi. Apalagi untuk populasi yang sudah berbeda negara. Misalnya penelitian pada perusahaan multinasional yang cabangnya ada di beberapa negara di dunia.
Tidak semua populasi dalam semua penelitian bisa dibagi menjadi beberapa cluster. Cluster bisa digunakan untuk mengelompokan populasi jika ada karakteristik yang sama.
Misalnya ada di kota yang sama, kesamaan usia, kesamaan profesi, dan lain sebagainya. Jika penelitian memiliki populasi yang sangat heterogen dan tidak ada kesamaan satu sama lain. Maka tidak memungkinkan untuk dibagi menjadi cluster.
Baca teknik pengambilan sampel random sampling berikut:
Dikutip melalui website Populix, menentukan jumlah sampel di masing-masing cluster pada teknik cluster random sampling biasanya menggunakan rumus. Rumus ini yang membantu para peneliti menentukan jumlah sampel minimal di masing-masing cluster.
Pemakaian rumus, memastikan jumlah sampel di masing-masing cluster tepat. Sehingga data dari masing-masings ampel bisa mempresentasikan populasi secara keseluruhan. Berikut rumus yang dimaksud:
n = (N * nc) / (Nc)
Keterangan:
Contoh penggunaan rumus tersebut:
Suatu penelitian memiliki data sebagai berikut:
Perhitungannya:
n = 100 x 30 /1.000
n = 3.000 / 1.000
n = 3
Jadi, dari hasil perhitungan tersebut peneliti cukup memilih 3 cluster dari sekolah di wilayah yang diteliti. Masing-masing cluster akan dipilih 30 siswa untuk menjadi sampel penelitian. Sehingga total ada 90 siswa (3 cluster x 30 siswa) yang menjadi sampel penelitian.
Cluster random sampling memang masih satu kategori dengan simple random sampling. Namun, kedua teknik penentuan sampel penelitian ini berbeda. Jika dilihat dari beberapa aspek maka berikut perbedaan tersebut:
Aspek pertama yang membedakan antara simple sampling dengan cluster sampling adalah proses penentuan sampel. Ada tahapan yang berbeda secara signifikan dari kedua teknik penentuan sampel penelitian ini.
Pada simple sampling, peneliti akan memilih sampel secara langsung dengan pola acak alias tanpa pola yang pasti. Sehingga peneliti bebas hendak memilih sampel mana dari total keseluruhan populasi.
Sementara pada cluster sampling, peneliti perlu membagi populasi menjadi beberapa cluster. Setiap cluster kemudian dipilih sampel dalam jumlah tertentu dan dilakukan secara acak. Sehingga tahapannya lebih panjang dibanding simple sampling.
Perbedaan yang kedua adalah dari unit sampel yang dipilih peneliti. Pada teknik simple sampling, peneliti akan memilih sampel secara langsung tanpa memperhatikan aspek apapun. Sehingga dipilih secara acak sesuai keinginan peneliti.
Sementara pada cluster random sampling, peneliti memilih unit sampel berdasarkan cluster. Awalnya, peneliti akan secara acak memilih cluster. Baru kemudian memilih sampel di masing-masing cluster. Sehingga setiap sampel mewakili cluster asalnya.
Perbedaan ketiga adalah dari perlu tidaknya melakukan pembagian populasi. Pada teknik simple sampling, peneliti tidak perlu membagi populasi dalam kelompok kecil. Sebab sampel dipilih secara acak dan semua sampel pada populasi dianggap setara.
Lain halnya pada teknik cluster sampling, peneliti perlu membagi populasi dalam beberapa cluster yang memiliki kesamaan. Sehingga cluster ini yang akan menjadi fokus penelitian dan dipilih sampel dari masing-masing cluster.
Perbedaan yang keempat adalah pada penggunaan sumber daya. Teknik simple random sampling membutuhkan lebih banyak sumber daya. Baik dari sisi waktu, tenaga, maupun biaya karena sampel dipilih acak dari seluruh populasi. Oleh sebab itu, teknik ini kurang cocok untuk populasi skala besar.
Sebaliknya, pada teknik cluster sampling ada efisiensi pada seluruh sumber daya. Sebab peneliti hanya fokus pada sejumlah cluster yang dipilih untuk menentukan sampel. Sampel pun menjadi sumber data yang jumlahnya tidak sebesar populasi secara keseluruhan. Sehingga tidak memerlukan sumber daya berlebihan.
Perbedaan lain ada pada aspek akurasi. Simple sampling diakui memiliki akurasi yang lebih tinggi. Pasalnya sampel dipilih secara acak dimana setiap individu dalam populasi dianggap setara.
Sehingga semua individu memiliki peluang sama besar dipilih sebagai sampel penelitian. Sampel yang dipilih kemudian mampu merepresentasikan populasi. Sehingga akurasinya lebih tinggi.
Berbeda dengan cluster sampling, akurasi menjadi tidak maksimal karena sampel dipilih di masing-masing cluster. Padahal ada kemungkinan sampel tersebut tidak merepresentasikan populasi penelitian karena suatu atau beberapa faktor.
Berikut teknik pengambilan sampel lain yang bisa Anda pertimbangkan:
Dalam menerapkan teknik cluster random sampling pada penelitian. Terdapat 5 tahapan yang perlu dilalui oleh peneliti. Yaitu:
Tahap atau langkah pertama dari cluster sampling adalah menentukan populasi dan diikuti membagi populasi menjadi beberapa cluster. Peneliti perlu menentukan siapa dan apa yang akan menjadi populasi penelitian.
Apakah masyarakat suatu daerah, mahasiswa di suatu daerah, atau yang lainnya. Menentukan populasi tentu disesuaikan dengan topik penelitian. Sehingga relevan dan mendapat data yang tepat.
Setelah populasi penelitian sudah ditentukan, barulah populasi yang terpencar secara geografis dibagi menjadi beberapa cluster sesuai kebutuhan. Misalnya, penelitian mengenai kualitas pendidikan SMA di kota Semarang.
Data menunjukan ada 50 SMA di kota Semarang, baik negeri maupun swasta. Sekolah jenjang SMA tersebut kemudian dibagi menjadi 5 cluster dengan wilayah Semarang Barat, Timur, Selatan, dan Utara. Maka ada 5 cluster berisi 50 sekolah SMA.
Tahap kedua dalam cluster random sampling adalah menentukan jumlah cluster dan cluster mana saja yang dipilih untuk mewakili seluruh populasi. Seperti contoh di poin sebelumnya.
Peneliti tidak akan mengambil sampel dari 5 cluster secara keseluruhan. Melainkan hanya mengambil beberapa SMA dari 5 cluster untuk dipilih sampel di dalamnya. Misalnya, cluster pertama di Semarang Barat ada 10 sekolah jenjang SMA.
Dari total 10 sekolah jenjang SMA tersebut hanya diambil 3 SMA saja. Menentukan jumlah SMA dalam masing-masing cluster bisa secara acak dan bisa juga menggunakan rumus. Setelah 3 SMA dipilih di masing-masing cluster, baru kemudian masuk ke tahap ketiga.
Tahap ketiga adalah memilih sampel di masing-masing cluster yang sudah dipilih di tahap sebelumnya. Jika peneliti menetapkan akan mengambil data dari 10 siswa kelas XII di 3 SMA pada masing-masing cluster.
Maka artinya, peneliti akan mengumpulkan data setidaknya dari 30 siswa di satu cluster. Begitu seterusnya sampai cluster ketiga yang ditentukan di tahap sebelumnya. Penentuan sampel di dalam cluster dilakukan secara acak sesuai pertimbangan peneliti.
Tahap keempat dari teknik cluster random sampling adalah mengumpulkan data dari masing-masing cluster. Jika sampel penelitian sudah ditentukan di tahap sebelumnya, yakni tahap ketiga. Maka peneliti bisa langsung mengeksekusi.
Peneliti bisa menentukan jadwal proses pengumpulan data dan menentukan teknik pengumpulan data yang dirasa paling sesuai. Pengumpulan data bisa dilakukan hanya satu hari, bisa juga beberapa hari, atau lebih sesuai kondisi dan kebutuhan.
Tahap kelima dan merupakan tahap terakhir dari teknik cluster sampling adalah analisis data. Pada tahap sebelumnya, peneliti sudah mendapatkan data yang dibutuhkan dalam penelitiannya.
Data ini tentunya perlu dianalisis untuk mendapatkan kesimpulan sebagai hasil penelitian. Analisis data penelitian juga memakai teknik khusus, dimana jenis tekniknya cukup beragam. Baik untuk penelitian kuantitatif maupun kualitatif.
Membantu lebih memahami lagi apa itu cluster random sampling dan bagaimana teknik ini diterapkan. Maka berikut adalah beberapa contoh yang bisa dipelajari:
Penelitian Kualitas Pendidikan Sekolah di Provinsi Jawa Tengah
Pada penelitian ini, peneliti memilih sekolah menengah atau jenjang SMA di Jawa Tengah. Kemudian setiap sekolah menengah dibagi menjadi beberapa cluster berdasarkan wilayah administratif (misalnya kota atau kecamatan).
Cluster yang sudah ditentukan kemudian dipilih acak untuk mewakili keseluruhan cluster. Misalnya ada 5 cluster yang dipilih, kemudian peneliti memilih 10 siswa di setiap sekolah yang masuk 5 cluster tersebut.
Data dari masing-masing sampel penelitian kemudian dianalisis oleh peneliti. Sehingga bisa mendapat kesimpulan bahwa kualitas pendidikan sekolah menengah di Jawa Tengah terbilangs udah bagus atau sebaliknya.
Penelitian Tingkat Kesehatan Masyarakat di Negara Indonesia
Dalam penelitian ini, peneliti akan menjadikan penduduk Indonesia sebagai populasi penelitian dengan tujuan mengetahui tingkat kesehatan masyarakat. Populasi ini dibagi menjadi beberapa cluster yang didasarkan pada provinsi. Maka didapatkan 38 provinsi. Peneliti kemudian memilih kecamatan di masing-masing provinsi untuk menentukan sampel penelitian.
Dari masing-masing provinsi dipilih 3 kecamatan. Peneliti akan mencari data yang menunjukan tingkat kesehatan di 3 kecamatan di masing-masing provinsi (cluster). Data ini dianalisis dan akan didapatkan seberapa baik kualitas kesehatan masyarakat di Indonesia.
Penelitian Persepsi Mahasiswa Terhadap Program Pendidikan di PT X
PT X dalam penelitian ini diketahui memiliki ribuan mahasiswa dan masuk ke banyak fakultas yang diselenggarakan oleh PT. Maka peneliti akan membagi populasi tersebut menjadi beberapa cluster didasarkan pada fakultas.
PT X diketahui memiliki 20 fakultas, maka didapatkan 20 cluster. Peneliti kemudian memilih 50 mahasiswa di masing-masing fakultas menjadi sampel penelitian. Sehingga data mengenai persepsi mahasiswa didapatkan dari 50 mahasiswa di masing-masing cluster.
Data yang sudah didapatkan kemudian dilakukan analisis. Sehingga peneliti mendapat kesimpulan apakah mahasiswa menyukai dan setuju dengan program pendidikan yang sudah berjalan di PT X atau sebaliknya.
Selain beberapa contoh di atas, Anda juga bisa melakukan kajian literatur untuk menemukan contoh kasus nyata di lapangan dan sudah diteliti. Sehingga lebih memahami lagi mengenai apa dan bagaimana cluster random sampling diterapkan dalam penelitian.
Jika memiliki pertanyaan, opini, atau ingin sharing pengalaman berkaitan dengan topik dalam artikel ini. Jangan ragu menuliskannya di kolom komentar. Klik juga tombol Share agar informasi dalam artikel ini tidak berhenti di Anda saja. Semoga bermanfaat.
Bingung menentukan teori dalam penelitian Anda? Temukan caranya dengan membaca pembahasan berikut:
Pada saat menerbitkan buku, penerbit yang dipilih sering menambahkan halaman prancis atau half title dalam…
Menggunakan tools pendeteksi AI tentu menjadi langkah tepat bagi guru dan dosen. Tools ini bisa…
Proses menulis biasanya diawali dengan menulis draft dan disebut sebagai draft pertama. Penulisan draft menjadi…
Salah satu tahapan penting dalam proses menulis adalah swasunting atau self editing. Melakukan swasunting membantu…
Menggunakan AI untuk parafrase memang menjadi pilihan banyak akademisi saat ini, baik itu dosen maupun…
Menggunakan AI untuk membuat mind mapping atau peta konsep, tentunya menjadi alternatif yang banyak dipilih.…