Penelitian yang Anda lakukan atau akan dilakukan bisa saja cocok dengan teknik stratified random sampling. Teknik ini membantu peneliti menentukan sampel penelitian dengan suatu metode yang terbukti efektif. 

Pasalnya, keberadaan teknik ini sudah ada sejak lama dan digunakan pula oleh banyak peneliti dari berbagai dunia. Namun, topik dan karakter populasi penelitian tentu mempengaruhi cocok tidaknya memakai teknik ini. Apa itu teknik pengambilan sampel dengan metode stratified random sampling? Kupas tuntas sampai habis sebelum memilih metode yang tepat!

Apa Itu Stratified Random Sampling?

Dikutip melalui website Binus University, stratified random sampling adalah teknik pengambilan sampel yang membagi populasi menjadi beberapa strata atau kelompok kecil berdasarkan karakteristik tertentu yang relevan dengan penelitian.

Berbeda dengan teknik penentuan sampel lainnya, teknik ini diawali dengan membagi atau mengelompokkan populasi ke dalam beberapa kelompok atau kategori. Selanjutnya, diambil sampel dalam jumlah tertentu dari masing-masing kelompok. 

Teknik penetapan sampel stratified random sampling menjadi salah satu dari 5 jenis penentuan sampel dari kategori random sampling sehingga teknik ini cocok untuk penelitian kualitatif. Meskipun bisa juga diterapkan pada penelitian kuantitatif dan campuran. 

Pengelompokkan populasi penelitian bisa didasarkan pada aspek tertentu sesuai kondisi dan kebutuhan penelitian. Bisa saja didasarkan dari faktor usia, kemudian tingkat pendidikan, jenis pekerjaan, dan lain sebagainya yang dirasa relevan dengan topik penelitian. 

Rumus Stratified Random Sampling

Meskipun stratified random sampling masuk dalam kategori random sampling. Namun, penerapannya membutuhkan pola tertentu dalam menentukan sampel penelitian sehingga ada rumus yang bisa digunakan peneliti untuk membantu menetapkan pola tersebut. 

Berikut adalah rumus umum dari teknik penentuan sampel ini: 

Keterangan: 

• n_h​ = ukuran sampel dari strata ke-hhh
• N_h​ = ukuran populasi strata ke-hhh
• N = ukuran populasi total
• n = ukuran sampel total yang diinginkan

Berikut adalah contoh penggunaan dari rumus tersebut: 

Dalam suatu penelitian didapatkan jumlah populasi sebesar 1.000 orang, terdapat 3 strata, yaitu: 

1. Strata 1: 200 orang
2. Strata 2: 300 orang
3. Strata 3: 500 orang

Jika peneliti menginginkan sampel di masing-masing strata totalnya sebanyak 100 orang. Perhitungan jumlah sampel di masing-masing strata bisa memakai rumus di atas. Berikut hasil perhitungannya: 

1. Untuk Strata 1:
   n₁= 200/1000 x 100 
   n₁= 20 orang. 
2. Untuk Strata 2:
   n₁= 300/1000 x 100 
   n₁= 30 orang
3. Untuk Strata 3: 
   n₁= 500/1000 x 100 
   n₁= 50 orang 

Dari penelitian tersebut, peneliti akan mengambil 20 orang dari strata 1. Kemudian mengambil 30 orang dari strata 2 dan 50 orang dari strata 3. Total sampel dari masing-masing strata adalah 100 orang sesuai kebutuhan peneliti. 

Inilah teknik pengambilan sampe lain yang bisa Anda pertimbangkan: Systematic Random Sampling: Kelebihan, Kekurangan, Contoh.

Kelebihan 

Teknik stratified random sampling memiliki beberapa kelebihan, diantaranya: 

1. Membantu Mendapatkan Sampel yang Representatif 

Kelebihan yang pertama dari teknik ini adalah memudahkan peneliti mendapatkan sampel yang representatif. Setiap pemilihan sampel penelitian diharapkan mampu mempresentatifkan populasi penelitian. 

Semakin representatif, semakin valid data penelitian yang didapatkan. Hal in tentunya akan meningkatkan kredibilitas data dan hasil penelitian yang didapatkan. Teknik sampel ini mampu mencapai hal tersebut. 

Pasalnya, teknik ini membagi populasi dalam beberapa strata. Kemudian, masing-masing strata dipilih menjadi sampel penelitian sehingga sampel mewakili semua strata dan pada akhirnya mewakili keseluruhan populasi. 

2. Akurasi Pemilihan Sampel Lebih Tinggi 

Kelebihan kedua adalah stratified random sampling efektif meningkatkan akurasi data penelitian. Hal ini dapat terjadi karena teknik ini membagi populasi dalam beberapa strata. 

Pembagian ini menurunkan variasi dalam sampel penelitian yang dipilih. Semakin minim variasi, semakin minim data yang bias. Sebab sampel yang homogen cenderung memiliki data dengan akurasi lebih baik. 

Sebagai contoh, peneliti akan mendapat data lebih akurat saat memilih sampel dengan rentan usia sama. Bandingkan jika sampel dipilih dalam rentan usia berbeda, penilaian akan sesuai perspektif mereka dan dipengaruhi tingkat kedewasaan. 

3. Meningkatkan Efisiensi dalam Pengumpulan Data 

Dalam kondisi tertentu, teknik stratified random sampling memberi efisiensi dalam pengumpulan data. Misalnya mempercepat proses pengumpulan data dibandingkan dengan teknik lain dari kategori random sampling. 

Hal ini dapat terjadi karena pada beberapa penelitian variasi sampel yang minim akan mempercepat pengambilan data Sehingga prosesnya tidak memakan waktu lama dan membuatnya cocok untuk penelitian dengan durasi yang pendek. 

4. Membantu Peneliti Menganalisis Setiap Strata Sampel 

Kelebihan berikutnya dari teknik ini adalah membantu peneliti menganalisis setiap strata yang sudah ditentukan. Membagi populasi dalam beberapa strata membantu peneliti mengenal lebih dalam karakteristik setiap sampel di masing-masing strata. 

Dalam beberapa kondisi, hal ini akan membantu peneliti dalam menentukan jenis pertanyaan dan aspek lain selama pengumpulan data sehingga data yang didapatkan punya validitas lebih baik yang akan meningkatkan kualitas penelitian. 

Kekurangan

Selain memiliki banyak kelebihan, teknik stratified random sampling juga memiliki kekurangan. Kekurangan ini tentu saja perlu dijadikan bahan perhatian sebelum menetapkannya sebagai pilihan. Berikut beberapa kekurangan teknik stratified random sampling: 

1. Kesulitan dalam Mengidentifikasi dan Membagi Strata 

Membagi populasi penelitian dalam beberapa strata memang bisa memudahkan proses penentuan sampel. Namun, peneliti cukup kesulitan dalam membagi strata tersebut di awal di lapangan. 

Ada kalanya, peneliti mengalami kesulitan mengidentifikasi seluruh populasi dengan karakter masing-masing sehingga kesulitan menentukan strata berdasarkan apa. Misalnya, ada 1.000 populasi dan perlu dibagi menjadi beberapa kelompok. 

Tanpa mengenal keseluruhan sampel, menentukan kategori di masing-masing strata memakan waktu. Hal ini menjadi PR tersendiri bagi peneliti karena dibutuhkan analisis yang tepat agar strata terbagi dengan baik dan benar. 

2. Memiliki Kompleksitas yang Terbilang Tinggi 

Dalam kategori random sampling, stratified random sampling sering disebut sebagai teknik paling kompleks alias paling sulit dibanding teknik random sampling lain. Apalagi jika dibandingkan dengan simple random sampling. 

Peneliti membutuhkan persiapan yang lebih baik dan lebih matang, agar teknik stratified bisa dijalankan dengan baik dan benar. Sebab pemilihan sampel tidak bisa dilakukan acak sebagaimana pada simple random sampling. Melainkan membagi dalam beberapa strata yang perlu dilakukan dengan dasar yang tepat. 

3. Kadang Memakan Waktu Lebih saat Pengumpulan Data 

Meskipun membagi populasi dalam beberapa strata dalam kondisi tertentu bisa meningkatkan efisiensi dalam pengumpulan data. Namun, pada kondisi tertentu justru memiliki efek sebaliknya. 

Strata dalam populasi bisa saja memiliki perbedaan geografis yang signifikan sehingga ada jarak tempuh yang cukup jauh. Hal ini meningkatkan kebutuhan waktu pengumpulan data, jumlah SDM, dan dana penelitian. 

Untuk beberapa kondisi yang memang menyerap terlalu banyak sumber daya, banyak yang menyarankan tidak memakai teknik ini dalam menetapkan sampel penelitian. 

4. Hanya Sesuai untuk Topik Penelitian Tertentu 

Kekurangan lain yang dimiliki stratified random sampling adalah tidak selalu sesuai untuk semua penelitian. Artinya, topik tertentu dalam penelitian dan jenis tertentu (apakah kualitatif atau kuantitatif), tidak selalu sesuai. 

Jadi, peneliti perlu mengidentifikasi dengan seksama tujuan dan desain penelitian sehingga bisa diketahui apakah penelitian tersebut bisa dilakukan stratifikasi atau pembagian strata pada populasi atau sebaliknya. 

Jadi, tidak semua penelitian cocok dengan teknik penentuan sampel ini. Peneliti kemudian dituntut untuk lebih teliti dalam menetapkan pilihan. Bisa jadi ada teknik lain yang lebih sesuai dan tidak harus memakai teknik stratified ini. 

Berikut teknik pengambilan sampel lain yang bisa Anda pertimbangkan:

• Probability Sampling: Pengertian, Jenis, dan Contohnya
• Purposive Sampling: Pengertian, Jenis-Jenis, dan Contoh yang Baik dan Benar
• Quota Sampling: Karakteristik, Jenis, Cara, Contoh
• Snowball Sampling: Jenis, Contoh, Ciri, Langkah

Perbedaan Systematic Random Sampling dan Stratified Random Sampling

Beberapa peneliti mungkin bingung dalam membedakan stratified random sampling dengan systematic random sampling. Lumrah memang karena keduanya dari kategori random sampling bersamaan dengan 3 teknik lainnya. 

Namun, keduanya tentu berbeda dan berikut adalah beberapa aspek yang menjelaskan perbedaan tersebut: 

1. Metode Pemilihan Sampel 

Perbedaan yang pertama adalah pada metode pemilihan sampel. Hal ini lebih mengarah pada tahapan dalam proses pemilihan sampel. Pada teknik stratified, peneliti perlu membagi populasi dalam beberapa strata atau kelompok. Masing-masing strata kemudian dipilih sampel secara acak untuk mewakili. 

Sementara itu, sampel systematic random tidak perlu pembagian dalam beberapa strata. Hanya saja, teknik ini diawali dengan menentukan sampel pertama secara acak. Sementara sampel kedua dan seterusnya memakai pola tertentu. 

2. Tujuan 

Perbedaan kedua dari kedua teknik ini adalah tujuan. Pada stratified, tujuan utamanya adalah mendapatkan sampel penelitian yang bisa merepresentasikan populasi secara keseluruhan. 

Sehingga populasi dibagi menjadi beberapa strata dan diambil sampel dalam jumlah tertentu untuk mewakili. Harapannya dengan pembagian strata ini, maka sampel diambil dengan beberapa latar belakang (aspek penentu strata) sehingga data lebih valid karena sampel mempresentasikan sikap dan penilaian seluruh populasi. 

Lain halnya dengan systematic sampling, dimana tujuannya adalah untuk kesederhanaan dan efisiensi penentuan sampel. Sehingga tidak ada tujuan untuk memastikan sampel merepresentasikan populasi. Melainkan pada efisiensi penentuan sampel dan pengambilan data penelitian. 

3. Karakteristik Populasi yang Sesuai 

Perbedaan yang ketiga adalah dari karakteristik populasi yang sesuai. Pada teknik stratified random sampling lebih cocok populasi yang heterogen sehingga ada banyak variasi atau perbedaan dari setiap sampel dalam populasi tersebut. 

Sementara pada teknik systematic sampling lebih cocok untuk populasi yang homogen. Populasi yang heterogen akan menyulitkan penerapan teknik ini karena dibutuhkan pola yang tepat dalam penentuan sampel kedua sampai sampel terakhir. 

4. Keuntungan 

Perbedaan lain yang perlu dipahami dari kedua teknik random sampling ini adalah keuntungan. Masing-masing memberikan keuntungan tersendiri yang bisa disesuaikan dengan kebutuhan penelitian. 

Pada teknik stratified, peneliti diuntungkan dengan akurasi data penelitian yang lebih optimal. Sebab sampel benar-benar mempresentasikan seluruh populasi. Sementara pada systematic sampling, peneliti diuntungkan dengan kecepatan dan kemudahan penerapan. 

5. Kekurangan 

Perbedaan yang terakhir adalah pada kekurangan, baik teknik stratified maupun systematic sampling punya kekurangan. Pada stratified, peneliti harus siap dengan kerumitan tahapan dan kesulitan dalam penetapan strata berdasarkan aspek apa. 

Sementara itu, pada teknik systematic sampling peneliti harus siap dengan resiko bias dalam menentukan sampel dan bias dalam data penelitian yang didapatkan. Sebab teknik ini menggunakan pola tertentu dalam memilih sampel, kadang kala akan mempengaruhi kualitas data yang diberikan sampel. 

Bingung menentukan teori dalam penelitian Anda? Temukan caranya dengan membaca pembahasan berikut:

• Grand Theory dalam Penelitian & 3 Cara Menentukannya
• Cara Menentukan Teori dalam Penelitian dengan Mudah
• Landasan Teori: Pengertian, Macam, dan Cara Membuatnya

Langkah-Langkah Penerapan Stratified Random Sampling 

Berikut tahapan umum dalam penerapan teknik stratified random sampling: 

1. Identifikasi Karakteristik Strata 

Tahap yang pertama adalah mengidentifikasikan populasi yang relevan dengan kebutuhan penelitian. Kemudian, mengenali karakteristik populasi tersebut. Baru setelahnya menetapkan karakteristik untuk strata (kelompok). Karakteristik ini bisa didasarkan pada umur, tingkat pendidikan, tingkat pendapatan, dan sebagainya. 

2. Membagi Populasi dalam Beberapa Strata 

Tahap kedua dalam penerapan teknik stratified sampling adalah membagi populasi dalam beberapa strata. Pembagian disesuaikan dengan karakteristik yang sudah ditetapkan di tahap awal. Jika dibagi dalam tingkat usia dan pendapatan. Maka akan ada dua strata. Begitu pula untuk karakteristik yang lebih kompleks. 

3. Menentukan Jumlah atau Ukuran Sampel di Setiap Strata 

Tahap yang ketiga adalah menentukan jumlah atau ukuran sampel di masing-masing strata yang sudah ditentukan. Penentuan ukuran menggunakan rumus yang sudah dijelaskan di atas sehingga bisa konsisten dan juga mudah dalam menentukan jumlah yang tepat di setiap strata. 

4. Mengambil Sampel Secara Acak di Setiap Strata

Tahap keempat, peneliti akan mengambil sampel secara acak dari masing-masing strata yang sudah ditentukan. Misalnya di strata pertama diambil 20 sampel, sementara strata kedua ada 10 sampel. Peneliti bebas memilih sampel mana saja di strata tersebut dan fokus pada ukuran yang sudah dihitung sebelumnya. 

5. Menggabungkan Sampel dari Semua Strata 

Tahap berikutnya adalah menggabungkan data sampel yang sudah dipilih dari semua strata. Data ini membantu memastikan sudah mendapatkan jumlah yang sesuai dengan perhitungan di tahap ketiga. 

6. Mulai Pengambilan Data Penelitian 

Tahap terakhir, peneliti bisa mulai melakukan pengambilan data pada seluruh sampel yang sudah dipilih sampai ke tahap kelima yang sudah dijelaskan. Pengumpulan data bisa memakai metode apapun sesuai kebutuhan, baik itu wawancara, kuesioner, dan sebagainya. 

Contoh Stratified Random Sampling

Membantu memahami apa dan bagaimana menerapkan teknik stratified random sampling, berikut beberapa contoh yang bisa dipelajari: 

Contoh Stratified Random Sampling 1

Survei Kepuasan Pelanggan Berdasarkan Usia

Sebuah perusahaan ingin mengukur kepuasan pelanggan di berbagai kelompok usia. Berdasarkan data pelanggan, kemudian peneliti membagi dalam beberapa strata berdasarkan usia: 

• Kelompok usia 18-25 tahun
• Kelompok usia 26-35 tahun
• Kelompok usia 36-45 tahun
• Kelompok usia di atas 45 tahun

Selanjutnya, peneliti akan mengambil sampel acak dan melakukan pengambilan data dengan wawancara dan kuesioner. Sehingga peneliti bisa menyimpulkan seberapa puas pelanggan perusahaan tersebut didasarkan pada beberapa faktor yang relevan. 

Contoh Stratified Random Sampling 2

Studi Tingkat Pendidikan Penduduk di Kota Besar 

Peneliti ingin mengetahui tingkat pendidikan penduduk di suatu kota. Mereka membagi penduduk menjadi beberapa strata berdasarkan tingkat pendidikan, yaitu: 

• Tidak tamat SD
• Tamat SD
• Tamat SMP
• Tamat SMA
• Lulusan Universitas

Setelah membagi populasi berdasarkan tingkat pendidikan, peneliti kemudian mengambil sampel acak dari setiap strata tersebut. Sehingga data yang didapatkan mewakili populasi di kota tempat penelitian dilakukan. 

Saat meneliti, Anda juga dituntut untuk menemukan research gap. Jangan lewatkan panduan cara menemukan dan tipsnya:

• Research Gap dan 4 Cara Menemukannya
• Tips Menemukan Research Gap dari Publikasi Ilmiah
• Cara Menemukan Novelty Penelitian, Penulis Wajib Tahu!